The effectiveness of an automated heat detection system in Brown Swiss heifers when using sexed semen at a large dairy unit

Abstract

The identification of cows and heifers in heat and their timely artificial insemination (AI) is an important issue for large dairy units. The objective of the research was to study the efficiency of insemination of oestrous Brown Swiss heifers using am automated heat detection system (AHD) compared to heat detection by visual observation (VO). The AHD system application increased the fertility of heifers by 8.9% when using conventional semen (unsexed) and by 14.4% using sexed semen. The number of services per conception when using sexed semen decreased from 3.7±1.08 with VO to 2.4±0.68 with AHD. Two-factor analysis of variance showed that an 89% effect of managerial decisions such as the detection of heifers in heat by means of AHD and the use of sexed semen on the efficiency of insemination. This study showed that professional breeders and veterinarians should pay particular attention to AI management when making these managerial decisions in large dairy units. Ідентифікація тічних корів і телиць і своєчасне їх штучне осіменіння (ШІ) є актуальною проблемою для великих молочних заводів. Мета дослідження полягала в тому, щоб вивчити ефективність осіменіння тічних телиць бурої породи за допомогою автоматизованої системи виявлення тепла (AHD) порівняно з визначенням тепла за допомогою візуального спостереження (VO). Застосування системи AHD підвищило плідність телиць на 8,9% при використанні звичайної сперми (нестатевої) та на 14,4% при використанні сперми з визначеною статтю. Кількість послуг за зачаття при використанні сперми з визначенням статі зменшилася з 3,7±1,08 при ВО до 2,4±0,68 при АХД. Двофакторний дисперсійний аналіз показав, що 89% вплив управлінських рішень, таких як виявлення тічки телиць за допомогою AHD та використання сперми за статевою ознакою, на ефективність осіменіння. Це дослідження показало, що професійні тваринники та ветеринари повинні приділяти особливу увагу управлінню штучним інтелектом під час прийняття цих управлінських рішень на великих молочних підприємствах.