基于分布式对象的蛋鸡舍设施养殖数字化智能监测系统

目前我国蛋鸡产业养殖模式逐步由小群体、散养往集约化、规模化方向发展,传统的养殖方式已经不能满足发展的要求。为了在非人为干扰条件下,可实时监测预警蛋鸡生产环境和生产过程,保障动物福利,本文基于可被远程调用的分布式对象的3Tiers物联网软件体系结构,将传感器技术和云技术结合在一起,设计了蛋鸡舍设施养殖数字化智能监测系统。3Tiers物联网软件架构考虑了大量的异构数据集成和对传感器设备的监测、远程交互性能的需求,满足了本研究中对规模化蛋鸡生产过程的研究要求。系统实现了规模化蛋鸡舍的实时生产环境参数采集和视频监控、生产资料管理、生产过程管理、基础信息管理、统计管理、预警设置管理、系统管理和推送管理功能。考虑到温热环境对蛋鸡健康福利和生产性能有着重要的影响,利用系统中的大量环境数据,对中国农业大学上庄实验站大鸡舍内的小气候环境舒适度进行评价,并结合产蛋率、死淘率和耗料,在黄山养殖场对环境舒适度评价进行了验证。通过对上庄鸡舍24h周期内和2016年11月-2017年4月的环境情况进行分析,结果表明实验蛋鸡舍内的小气候环境值始终小于70,蛋鸡群始终处于舒适区;而通过对养殖场鸡舍2016年7-10月份的环境数据和生产数据进行分析,验证了当蛋鸡处于舒适区时,产蛋率提升,死淘率下降,耗料更接近标准。     

适用于百色市蛋鸡养殖场的环境自动控制系统设计

蛋鸡养殖场环境自动系统是基于当地气候环境条件的基础上进行设计,重点协调控制鸡舍内光照、温度、湿度、氨气等因素,使鸡舍内整体环境保持事宜蛋鸡生长的条件,有效提高蛋鸡的产蛋率,促进养殖经济效益的提升。     

计算机在现代养鸡生产中的应用

计算机技术已经广泛应用于现代生产生活的各个方面,在现代养鸡生产中的应用主要集中在生产管理、饲料配方、鸡病诊治、自动控制和决策分析等领域。 1.生产管理与决策分析 计算机在生产管理中的应用主要包括:生产计划的制订、修改和进展情况的动态监察;生产信息的统计,如各个鸡舍的产蛋量、日增重、耗料量、料蛋比、料肉比和死淘率等生产性能数据的统计,以及全场各项性能的平均、变异幅度及其与生产计划标准、     

基于分布式流式计算的蛋鸡养殖实时监测与预警系统

为实现蛋鸡养殖生产过程参数实时监测与预警,研发了基于分布式流式计算框架Data-Canal的蛋鸡养殖实时监测与预警系统。Data-Canal是面向数据流的分布式计算框架,使用控制流集中、数据流分散的模型,以分布式文件系统为中间结果的存储,支持异地多数据源的实时采集和处理。系统以Data-Canal为基础设施,在具有一定扩展性的情况下,保证实时性。系统采用Brower/Server模式,用户通过浏览器即可访问,提升了信息共享的便捷性。系统实现了规模化蛋鸡生产过程实时数据采集与展示、生产信息管理、实时预警、决策分析和系统管理功能,对蛋鸡养殖全生命周期进行了全方位的管理。运行效果表明,该系统可以解决规模化蛋鸡生产过程中产生海量数据信息化和实时处理问题,在部署8台机器的情况下,Data-Canal集群的处理能力峰值达到160 MB/s,延迟在分钟级别,在线上实验环境中,Data-Canal集群每天处理约25 GB的数据,而且系统后期维护和升级都极为便利。     

基于ZigBee的鸡舍环境无线监测系统设计与实现

为了对规模化和集约化养殖场鸡舍内部环境进行监测,针对传统的有线监测系统存在的诸多缺陷,设计了一种基于Zig Bee的鸡舍环境无线监测系统。以CC2530无线网络芯片为核心,在其外围接口集成了温度、湿度、光照、NH3、H2S和CO2六种传感器节点,搭建了无线网络,并进行数据测量与传输,通过编译底层程序和开发上位机软件,所测数据直观的呈现在用户面前。实践表明,系统运行稳定、测量数据精确、布点灵活、能耗低、成本低,适合对鸡舍环境进行精准监测。     

蛋鸡腹泻因素危害与分析

随着蛋鸡养殖走向规模化和正规化，采用科学的方法进行蛋鸡的生产已经被广大的养殖场和养殖户所接受，并且在实际工作中取得了较好的经济效益，但近些年，随着疫病的不断出现，养鸡的效益日益下降，疫病成为制约蛋鸡效益的重要因素，尤其是蛋鸡腹泻大面积发生，对产蛋率以及蛋壳品质都会造成重大影响。     

蛋鸡声音信号去噪方法对比分析

声音分析技术已成为研究动物行为、动物福利的一种重要工具,蛋鸡声音可用来评价其健康或福利状况,然而规模化蛋鸡舍中存在较多风机噪声等声源干扰,这对准确识别蛋鸡发声有很大影响。本文以海兰褐蛋鸡为例,预处理获取的声音信号,以减少风机噪声的干扰。利用数字化声音采集平台采集不同类型的蛋鸡发声和风机噪声音频,采用Lab VIEW软件进行声音信号处理并分析蛋鸡声音和风机噪声的时频特征。同时,对比分析不同去噪方法(IIR滤波器去噪、小波阈值去噪和改进谱减法去噪)在去除风机噪声方面的效果。结果表明,在信噪比为-8~20 d B声音环境下,改进谱减法均方根误差最小(0.03~0.38),算法运行耗时最短(6~7 ms),在实际应用中去噪效果较好,可为规模化蛋鸡舍中风机噪声环境下的蛋鸡声音信号处理和分析提供参考。     

基于物联网的家禽生产过程管理系统的设计与实现

为提高家禽生产过程信息化管理水平,避免人为干扰而产生的家禽应激反应,实时监测家禽生产环境,保障家禽福利,提高企业经济效益,本文设计并实现基于物联网技术的家禽生产过程管理系统。系统采用浏览器/服务器模式(B/S),记录家禽的生产过程信息及智能传感器传输的实时环境参数、栖架称重、水电、音频、视频数据,对海量、多类型的结构化数据与非结构化数据进行有效提取,设定提取方案及算法,实现数据的有效直观表达,构建面向企业用户需求的环境数据、生产资料消耗、盈亏曲线统计分析报表,方便企业用户更加直观的了解生产情况,为养殖生产过程改良及优化提供完整的数据基础。该系统目前已经在中国农业大学上庄实验站开展示范应用。     

一种改进蛋鸡声音信号去噪方法

声音分析技术已成为研究动物行为、动物福利的一种重要工具,蛋鸡声音可用来评价其健康或福利状况,然而规模化蛋鸡舍中存在较多风机噪声等声源干扰,这对准确地识别蛋鸡发声有很大影响。本文以海兰褐蛋鸡为例,预处理获取的声音信号,减少风机噪声的干扰。利用数字化声音采集平台采集不同类型的蛋鸡发声和风机噪声音频,采用LabVIEW软件进行声音信号处理并分析蛋鸡声音和风机噪声的时频特征。同时,对比分析不同去噪方法(IIR滤波器去噪、小波阈值去噪和改进谱减法去噪)在去除风机噪声方面的效果。结果表明,在信噪比为-8~20 dB声音环境情况下,改进谱减法均方根误差最小(0.03~0.38),算法运行耗时最短(6~7 ms),在实际应用中去噪效果较好。该研究可为规模化蛋鸡舍中风机噪声环境下的蛋鸡声音信号处理和分析提供参考。     

基于物联网技术的农业精准化管控系统试验

为确定物联网技术在农业精准化管控中的作用,以设施黄瓜为试验作物,通过对比分析生长环境、土壤养分和病虫害预警等数据,讨论管控系统的管控准确性。试验结果表明,物联网技术在环境调控、土壤墒情监测、水肥一体化监测、病虫害预警方面,能有效发挥监测和调控作用,为农业生产提供数据支持。     

高密度叠层笼养蛋鸡舍内混合噪声试验

针对高密度叠层笼养模式下蛋鸡舍内混合噪声,利用声级计采集噪声数据,采用音频分析软件Praat 5.3获取蛋鸡养殖舍内各生产系统机械噪声频谱特征,分析蛋鸡养殖舍内混合噪声声学特征参数及空间分布特点。试验结果表明,舍内生产系统机械噪声按对蛋鸡声环境质量影响的大小依次为通风系统、清粪系统、上料系统、饲喂系统和集蛋系统。生产系统机械噪声的声学特征参数间存在显著性差异（P<0.05）;笼养蛋鸡舍内混合噪声的频率计权声压A值大小为69.0～75.0 dB,蛋鸡舍纵向与横向2个方向上的声压变化规律不一致,声学特征参数的空间分布差异显著（P<0.05）。高密度叠层笼养蛋鸡舍内混合噪声的测量分析,可在保证蛋鸡正常生长所需环境条件的前提下,对于蛋鸡舍内生产设备噪声管理与声质量评价具有重要的现实意义。      

蛋鸡设施养殖环境质量评价预测模型构建方法及性能测试

蛋鸡设施养殖环境质量对蛋鸡的健康生长和生产性能的提升至关重要。蛋鸡养殖环境是多环境因子相互影响制约的复杂非线性系统，凭借单一的养殖环境参数难以对环境质量做出准确有效的评价。针对上述问题，本研究综合蛋鸡设施养殖环境的温度、湿度、光照强度、氨气浓度等多个环境影响因子，在布谷鸟搜索算法优化神经网络（CS-BP）预测模型的基础上，构建了改进的CS-BP的蛋鸡设施养殖环境质量评价预测模型。将构建的改进CS-BP预测模型与BP神经网络、遗传算法优化BP神经网络（GA-BP）、粒子群算法优化BP神经网络（PSO-BP）3种深度学习方法进行性能参数分析比对，结果表明：改进CS-BP评价预测模型的平均绝对误差（MAE）、平均相对误差（MAPE）和决定系数（R²）分别为0.0865、0.0159和0.8569，其各项指标性能均优于上述3种对比模型，该模型具有较强的模型泛化能力和较高的预测精度。对改进CS-BP的蛋鸡设施养殖环境质量评价模型进行测试，其分类准确率达0.9333以上。本研究构建的模型可以为蛋鸡设施养殖环境质量提供更加全面有效的科学评价，对实现蛋鸡生产环境的最优控制，促进蛋鸡生产性能的提升具有重要意义。     

基于无线传感器网络(WSN)的禽舍环境监测系统

针对禽舍环境监测水平低及监测方式落后等问题,提出了基于无线传感器网络的禽舍环境监测系统的设计,利用ZigBee技术将分布在禽舍的传感器节点组成无线传感器网络,及时监测禽舍内的环境因素。设计采用了Jennic公司生产的第二代开发平台JN5139为核心模块,利用温湿度传感器SHT11采集禽舍内的温湿度数据,将采集到的数据通过ZigBee网络发送到LabVIEW编辑的监测平台。模拟测试结果表明:该系统符合低成本、低功耗的要求,组网简单,能够有效准确地监测禽舍内的环境温湿度数据。     

基于轮廓特征的单只蛋鸡行为识别方法

育成期蛋鸡的行为能够反映其健康状况和对环境的适应情况,为快速地识别蛋鸡的行为,提出一种基于蛋鸡轮廓特征的行为识别方法.首先获取蛋鸡俯视图图像,并对蛋鸡图像进行预处理,通过自动阈值分割法得到蛋鸡轮廓并进行拟合,提取出拟合轮廓的几何特征,然后对特征进行排列组合,得到四种特征组合并结合极限学习机(ELM)进行训练,得到最佳的...     

基于GIS的农田小气候环境可视监测系统

根据农田小气候环境监测的特点,分析了利用多传感器采集的小气候环境参数的时间、空间分布特性。针对小气候环境监测环节中对地理空间分析和数据可视化的具体需求,研究了农业物联网信息感知、物联网资源与地理信息系统(GIS)融合、感知数据可视化等技术,建立了物联网资源与GIS融合的统一接口规范,并以GIS为基础,设计了多种可视化方法对采集到的多维小气候环境数据进行同步展示和可视分析。在此基础上,研发了Web GIS平台,集成了地理空间分析组件、可视化监测服务组件和基于地理位置的智能移动端应用。实现了基于GIS的农田小气候环境可视监测系统,通过不同终端设备提供可视监测服务,方便农业参与者随时随地掌握农田的小气候环境。     

基于模糊PID控制的NB-IoT果蔬农业物联网系统设计与试验

针对传统果蔬农业大棚环境数据感知不强、现场维护工作量大、无线覆盖区域受限、生产管理效率低、成本高的问题,提出一套基于模糊PID控制的NB-IoT果蔬农业物联网系统设计。以STM32L475VET6超低功耗芯片为主控芯片,通过NB-IoT和ZigBee双协议融合组网技术和环形缓冲队列算法组建广域无线网络,设计现场监测终端与远程云监控平台,将局域终端节点采集的环境因子信息接入云服务器进行统计与分析。系统根据采集到的数据自动调控反馈控制设备,达到低功耗模式下的广域覆盖监测并智能反馈调控果蔬大棚环境因子的目的,实现感知层、网络层到平台层和应用层一套完整的果蔬大棚物联网系统设计。将模糊PID控制算法应用于温棚环境调节的仿真测试表明,〖JP3〗系统平均丢包率为0.088%,空气温湿度、土壤温湿度、二氧化碳浓度等环境因子参数平均相对误差保持在0.5%以内,NB-IoT休眠功耗小于9 μA,能实现智能反馈控制并保证系统多节点部署、多参数检测、低功耗工作、广覆盖通信的条件,使系统具有更高的复杂环境适应性和稳定性。     

电晕放电对肉鸡舍气体环境指标的影响

针对鸡舍环境（温度、湿度、粉尘）对肉鸡生长发育影响严重等问题,利用高压空间电场对鸡舍环境进行灭菌除尘,使用以单片机STM32为控制核心的环境监测系统对配有高压空间电场的肉鸡场进行监测,通过聚类分析法确定最佳布点位置,分析电晕放电前后温度、湿度和粉尘变化情况。结果表明:电晕放电后,肉鸡舍内平均温度降低0-3~0-8 ℃,其变化率为1-2%~2-6%;平均相对湿度减少5%~9%,其变化率为9-03%~12-81%;粉尘PM2-5平均浓度减少33-66~98-33 μg/m3,其变化率为34-56%~57-39%;肉鸡舍内粉尘PM10平均浓度减少34-00~54-34 μg/m3,其变化率为29-39%~36-79%。电晕放电对湿度会产生一定影响,对肉鸡舍环境中粉尘有非常明显的清除作用。      

设施温室影像采集与环境监测机器人系统设计及应用

中国设施园艺近30年来发展迅速，面积目前居世界首位，但由于务农人数呈下降趋势，如何用“机器代替人力”成为当前研究热点。为实现设施温室生产的数据感知环节作物影像和环境监测数据精细化采集，本研究设计了一套多自由度设施温室影像采集与环境监测机器人系统。机器人由感知中枢、决策中枢和执行中枢三部分构成，分别进行机器视角环境感知、数据分析与决策指令生成和动作执行。在感知层实现多角度图像、实时视频和监测数据网格化精确采集，为作物多源异构数据精细化汇聚奠定基础；传输层通过无线网桥将监测数据与控制指令汇聚至本地数据中心；数据处理层通过作物基础模型分析进行控制指令反馈信息，同时对上传图像进行预处理；最终在应用层提供web端和手机端智能服务。系统可广泛地应用在设施温室生产与研究中，用于黄瓜、番茄、大棚桃等作物的全生育期图像、实时视频和监测数据收集与分析处理，已在北京小汤山国家精准农业基地7号日光温室、石家庄市农林科学研究院5号日光温室进行示范应用，取得了较好的效果。     

基于SEEC-YOLO v5s的散养蛋鸡日常行为识别与统计系统

针对鸡只个体较小、个体间存在遮挡，对蛋鸡日常行为识别造成干扰的问题，提出了一种基于SEEC-YOLO v5s的蛋鸡日常行为识别方法。通过在YOLO v5s模型输出部分添加SEAM注意力模块、在特征融合部分引入显式视觉中心模块(EVCBlock),扩大了模型的感受野，提高了模型对小个体遮挡情况下的目标识别能力，提升了模型对蛋鸡站立、采食、饮水、探索、啄羽和梳羽6种行为的识别精度。提出了一种基于视频帧数与视频帧率比值计算蛋鸡日常行为持续时间的统计方法，并对蛋鸡群体一天之中不同时间段及全天各行为变化规律进行了分析。将改进后的模型进行封装、打包，设计了蛋鸡日常行为智能识别与统计系统。试验结果表明，SEEC-YOLO v5s模型对6种行为识别的平均精度均值为84.65%,比YOLO v5s模型高2.34个百分点，对比Faster R-CNN、YOLO X-s、YOLO v4-tiny和YOLO v7-tiny模型，平均精度均值分别提高4.30、3.06、7.11、2.99个百分点。本文方法对蛋鸡的日常行为监测及健康状况分析提供了有效的支持，为智慧养殖提供了借鉴。     

基于北斗卫星通信的林区小气候监测系统研究

为实现无手机信号林区生态系统参数的实时监测,基于北斗卫星短报文、物联网和云存储等技术,设计了一种林区小气候实时监测系统。该系统由小气候监测站、云服务器和系统软件构成,可实现林区大气、土壤、光照和植物等多参量的实时监测、云存储、动态查询、报表生成和大数据分析。系统对森林火险天气指标的计算进行平滑处理,加入了枯枝落叶层土壤湿度火险因子,实现了森林火险天气等级预报功能,为局部林区的防火预警服务。通过2017年3—5月在北京鹫峰国家森林公园的连续测试实验,3个小气候监测站可以稳定可靠地获取11种林区小气候数据,北斗卫星传输正确率分别为98.57%、99.43%和99.59%,达到了对林区小气候进行长期实时监测的目的,通信费用低于铱星卫星通信。该系统自2016年在北京、内蒙古、河北和河南等地推广应用,为林区的生态大数据获取和分析提供服务。