Аннотация
Актуальность настоящего исследования обусловлена потребностью в научно обоснованных, точных и неинвазивных методах идентификации домашних животных, в частности кошек, в ветеринарной и судебно-ветеринарной практике. Существующие методы идентификации (чипирование, биркование, нашейники) имеют ряд недостатков – возможность утери, болезненность процедуры или аллергические реакции. Это повышает значимость поиска альтернативных решений. Цель работы заключалась в морфологическом анализе папиллярного строения носогубного зеркала кошек (Felis catus) и в научном обосновании его использования как уникального идентификационного признака животного. В процессе исследования были применены следующие методы: снятие отпечатков с помощью штемпельной подушки Trodat 9052 и бумаги, сканирование изображений отпечатков, цифровая обработка с применением программ CorelDraw 2017 и Adobe Photoshop, а также сравнительный морфологический анализ полученных данных. Были исследованы носогубные зеркала 157 кошек, в том числе с повторным снятием отпечатков у 14 особей через определенный временной интервал. Установлено, что папиллярные узоры носогубного зеркала обладают тремя стабильными морфологическими свойствами: индивидуальностью (уникальность узора у каждой особи), неизменностью (сохраняются в течение жизни) и способностью к регенерации (восстановление узора при отсутствии разрушения микробного слоя кожи). Дополнительно установлено, что полученные отпечатки могут служить объективным материалом для идентификации животного при ветеринарном осмотре, регистрации, судмедэкспертизе или в условиях пропажи. Результаты показали возможность разработки биометрической системы учета домашних животных на основе анализа папиллярных структур носа. Практическая значимость исследования заключается в применении результатов в ветеринарных клиниках, судебной экспертизе, таможенных органах и при создании единой базы данных домашних животных
Ключевые слова
Использованные источники
- Andrew, W., Gao, J., Mullan, S., Campbell, N., Dowsey, A.W., & Burghardt, T. (2021). Visual identification of individual Holstein-Friesian cattle via deep metric learning. Computers and Electronics in Agriculture, 185, article number 106133. doi: 10.1016/j.compag.2021.106133.
- Cheema, G.S., & Anand, S. (2020). Automatic detection and recognition of individuals in patterned species. arXiv:2005.02905. doi: 10.48550/arXiv.2005.02905.
- Cihan, P., Saygili, A., Özmen, N.E., & Akyuzlu, M. (2023). Identification and recognition of animals from biometric markers using computer vision approaches: A review. Kafkas Universitesi Veteriner Fakultesi Dergisi, 29(6), 581-593. doi: 10.9775/kvfd.2023.30265.
- Directive 2010/63/EU on the Protection of Animals Used for Scientific Purposes. (2010, September). Retrieved from https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32010L0063.
- Frewein, J., & Vollmerhaus, B. (2003). Anatomy of dogs and cats. Stuttgart: Parey im MVS.
- Hitelman, A., Edan, Y., Godo, A., Berenstein, R., Lepar, J., & Halachmi, I. (2022). Short communication: The effect of age on young sheep biometric identification. Animal, 16(2), article number 100452. doi: 10.1016/j.animal.2021.100452.
- Immonen, V., Nepovinnykh, E., Eerola, T., Stewart, C.V., & Kälviäinen, H. (2023). Combining feature aggregation and geometric similarity for re-identification of patterned animals. arXiv:2308.06335. doi: 10.48550/arXiv.2308.06335.
- Kaur, A., Kumar, M., & Jindal, M.K. (2022). Cattle identification with muzzle pattern using computer vision technology: A critical review and prospective. Soft Computing, 26, 4771-4795. doi: 10.1007/s00500-022-06935-x.
- Kimani, G.N., Oluwadara, P., Fashingabo, P., Busogi, M., Luhanga, E., Sowon, K., & Chacha, L. (2023). Cattle identification using muzzle images and deep learning techniques. arXiv:2311.08148. doi: 10.48550/arXiv.2311.08148.
- Lai, K., Tu, X., & Yanushkevich, S. (2020). Dog identification using soft biometrics and neural networks. arXiv:2007.11986. doi: 10.48550/arXiv.2007.11986.
- Li, G., Erickson, G.E., & Xiong, Y. (2022). Individual beef cattle identification using muzzle images and deep learning techniques. Animals, 12(11), article number 1453. doi: 10.3390/ani12111453.
- Li, S., Kang, X., Feng, Y., & Liu, G. (2021). Detection method for individual pig based on improved YOLOv4 Convolutional Neural Network. In DSIT 2021: Proceedings of the 4th international conference on data science and information technology (pp. 231-235). New York: Association for Computing Machinery. doi: 10.1145/3478905.3478951.
- Malofeev, Yu.M., & Ermakova, S.P. (2006). Prospects for the study of dermatoglyphics in veterinary medicine. Bulletin of the Orenburg State Agrarian University, 4(12-1), 16-19.
- Meng, H., Zhang, L., Yang, F., Hai, L., Wei, Y., Zhu, L., & Zhang, J. (2025). Livestock biometrics identification using computer vision approaches: A review. Agriculture, 15(1), article number 102. doi: 10.3390/agriculture15010102.
- Ponomarev, V.V. (2016). Fragmentary traces of papillary pattern as a source of evidential information: Study guide. Moscow: Moscow University of the Ministry of Internal Affairs of Russia named after V.Ya. Kikot
- Samishchenko, S.S. (2003). Modern fingerprinting: Theory, practice and development trends. (Doctoral dissertation, Academy of Management of the Ministry of Internal Affairs of Russia, Moscow, Russia).
- Shafiev, A.P., Kudryashov, A.A., & Safronov, D.I. (2023). Morphometric studies of adult cow skin. Legal Regulation in Veterinary Medicine, 4, 210-213. doi: 10.52419/issn2782-6252.2023.4.210.
- Shojaeipour, A., Falzon, G., Kwan, P., Hadavi, N., Cowley, F.C., & Paul, D. (2021). Automated muzzle detection and biometric identification via few-shot deep transfer learning of mixed breed cattle. Agronomy, 11(11), article number 2365. doi: 10.3390/agronomy11112365.
- Singh, R.R., Khalid, F., Ahlawat, T.R., Azman, A., Agrawal, A., Ghorpade, P., & Romle, A.A. (2024). Individual buffalo identification through muzzle dermatoglyphics images using deep learning approaches. Journal of Advanced Research in Applied Sciences and Engineering Technology, 59(1), 11-24. doi: 10.37934/araset.59.2.178191.
- Spotkay, S.E. (2019). Properties of papillary patterns of dog’s nasal plane. Veterinary Science of Kuban, 2, 24-26.
- Spotkay, S.E., & Lykhina, L.Yu. (2019). Analysis of skin patterns of the nose leaf of the German shepherd in a comparative aspect. RUDN Journal of Agronomy and Animal Industries, 14(1), 73-80. doi: 10.22363/2312-797X-2019-14-1-73-80.
- Stennett, M., Rubenstein, D.I., & Burghardt, T. (2022). Towards individual Grevy's zebra identification via deep 3D fitting and metric learning. arXiv:2206.02261. doi: 10.48550/arXiv.2206.02261.
- Tuminaite, I., & Kröger, R.H.H. (2021). Rhinarium skin structure and epidermal innervation in selected mammals. Journal of Morphology, 282(3), 419-426. doi: 10.1002/jmor.21313.
- Yatsenko, I., Smirnov, O., & Kozachok, V. (2025). Forensic veterinary examination of animal bodies injured by glass fragments. Ukrainian Journal of Veterinary Sciences, 16(1), 40-58. doi: 10.31548/veterinary1.2025.40.