深度学习在猪只饲养过程的应用研究进展

随着人工智能技术的兴起,深度学习技术发展迅猛,在图像及音频识别、自然语言处理、机器人技术、生物信息学、化学和金融等领域中应用广泛,也是目前发展精细畜牧业重要工具。养猪业是中国的重要农业产业,生猪的体况、行为及健康状况直接影响猪场的收入水平,通过深度学习技术可以快速、准确地了解猪只的相关信息并进行精确管理,提高猪只饲养效率及动物福利水平。该研究阐述了深度学习在目标猪只检测、猪只图像分割、猪只体况及异常监测、猪只行为识别上的应用现状,提出了深度学习技术在猪只饲养过程中的改进策略,以方便研究人员快速了解其研究进展。同时总结和分析了深度学习技术在猪只饲养过程中关于数据来源及数据集、应用范围、模型优化的不足与展望,提出应建立适用于猪只领域的公共数据集和统一的数据集标准,扩大深度学习的应用范围,优化DL模型以满足实际任务需求,将深度学习应用于猪场生产实践中。该研究旨为提高猪只福利化养殖和猪场经济效益提供依据,以推动深度学习在猪只饲养过程中应用的进一步发展。     

闹德海水库上游水体污染来源及时空分布特征

以闹德海水库上游为例,通过调查监测河道内底泥污染物释放、禽畜养殖、农村生活、农业种植等水体污染来源,识别并揭示了典型污染指标及其时空变化特征,确定禽畜养殖、农村生活和农业种植等农业面源属流域水体主要污染源,为流域水污染防治方案的优化设计提供一定参考.     

电子鼻与电子舌在食品检测中的应用研究进展

随着嗅觉与味觉传感器技术的发展，电子鼻与电子舌技术在食品检测中得到了不断研究与应用。电子鼻由气敏传感器、信号处理和模式识别系统等功能器件组成。电子舌是用类脂膜作为味觉传感器，以类似人的味觉感受方式检测味觉物质。着重阐述了电子鼻与电子舌技术的结构组成，重点介绍了其在食品新鲜度检测、果蔬成熟度评价及饮料、酒类识别等轻工业中的应用现状与发展趋势，并指出了这些信息新技术实现过程中所需要解决的问题。     

农药残留的表面增强拉曼光谱快速检测技术研究现状与展望

果蔬农药残留危害人类健康,施药后,农药分布于其表皮和内部组织,果蔬表面农药绝对残留量低、不均匀,直接光谱检测表征难,而表面增强拉曼散射(surface-enhanced Raman scattering,SERS)技术具有分子级检测精度,可以有效扩增信号,在实现微量物质检测方面优势明显。为此,论文综述了国内外表面增强拉曼散射技术的研究现状,特别是详细介绍了通过设计合理的表面增强拉曼基底结构,实现农药残留信号增强的主要技术手段和表面增强拉曼光谱信号分析方法。在此基础上,指出农药残留的表面增强拉曼检测技术研究中的前沿热点问题,探讨并展望了表面增强拉曼技术在农药残留快速检测方面的发展趋势。基于表面增强拉曼的农药高灵敏度、快速检测表征技术,将在农药违禁使用和农药残留超标监管中有广阔应用前景。     

浅谈绿色防控技术在无公害果蔬种植中的应用

在无公害果蔬栽培中,传统的种植技术和防治方法已经不能满足其实际发展需要,只有根据发展无公害果蔬的市场需求,制定完善的病虫害防治技术应用方案,才能真正达到绿色防控的成效,提高果蔬种植质量与产量,并为其后续发展奠定基础,充分发挥更好的经济效益、社会效益和生态效益。     

鲜果蔬农药残留检测技术研究新进展

主要阐述了近年来果蔬农药残留检测方法的研究新进展,主要包括电子鼻法、电化学传感器法、分子印迹法、近红外光谱法、核磁共振法、气相色谱法在果蔬农药残留检测中的应用现状和发展前景。     

农药残留快速检测方法研究进展

在果蔬生产中,随着农药的大量和不合理使用,发展相应的农药残留检测技术已越来越受到社会的高度关注和重视,成为全球的焦点。该文概述了近年来果蔬农药残留快速检测方法的研究进展,主要包括酶抑制法、酶联免疫法、生物传感器法、近中红外光谱法、荧光光谱法、拉曼光谱法和核磁共振技术,详细介绍了上述方法的检测原理、研究现状及实际应用情况,分析了各方法的优缺点及研发难点,并对果蔬农药残留快速检测方法的发展趋势进行了展望。     

果蔬在贮运过程中的生物力学特性及质地检测

为了研究果蔬贮运过程中的品质变化,从力学的角度,讨论了果蔬组织结构与生物力学性质间的关系,分析了果蔬机械损伤特点,介绍了目前果蔬质地力学检测的应用情况和技术概况,总结了该技术目前存在的问题,提出了今后研究的方向和建议。     

果蔬产品品质无损检测技术的研究进展

该文较为全面地介绍了国内外基于果蔬产品物理特性的无损检测技术的研究现状及方法,如电学特性检测技术、光学特性检测技术、声波振动特性检测技术、核磁共振(NMR)技术、电子鼻技术、撞击技术以及一些其他技术与方法,并对未来的发展方向予以了展望,认为综合应用多种高科技技术进行果蔬产品的无损检测与分选是未来发展的趋势。     

蛋鸡发声音频数据库的构建与应用

蛋鸡发声含有丰富的机体信息,充分挖掘其声学特性,并利用其无接触、无应激的优点,为建立基于发声信息的蛋鸡养殖远程监测平台提供基础依据。该研究借助音频数字化处理技术和数据库管理平台,以海兰褐蛋鸡为例,搭建系统分别采集其在小规模(5只)饲养条件下的叫声信息及其体态行为。运用音频处理软件Adobe Auditionv1.0和音频分析软件Praat5.3提取蛋鸡发声特征参数,包括持续时间、基音频率、频谱质心、共振峰及其衍生的统计值,以此构建出蛋鸡发声音频数据库,在此基础上分别选取蛋鸡产蛋行为发声、鸣唱声和鸣叫声等典型发声行为对比分析。结果表明,蛋鸡产蛋行为发声与鸣唱声均为多次重复的、有节奏的、短促的音节所构成(称其为句子),前者先抑后扬、后者先扬后抑,句子的音节个数分别是7.8±2.0、15.2±7.7,但其时频域特征间存在着显著差异(P<0.05),与鸣叫声相比,其发声特征参数如频谱质心、共振峰等有着显著差异。研究表明,掌握蛋鸡发声的含义,有助于了解其行为特性、机体状态以及种群间的信息传递,并为蛋鸡行为特征识别与数字化监测平台的构建提供数据支持。     

声频对小盒栽培黄豆芽菜产量的影响

为考察声频助长技术对黄豆芽小盒栽培产量和质量的影响,该试验根据黄豆芽生产工艺特点,结合黄豆芽自身的生理特性以及试验点的环境和设备要求,选择温度、湿度等条件相同的5个车间作为试验点;再选择5种不同的音乐种类、音乐播放时间和音量作为影响因素分别对黄豆芽在小盒栽培种植中声频助长的情况进行了单因素试验。然后根据单因素试验结果,选择三因素三水平进行正交试验,从正交试验数据的结果中得出较优方案为:每天播放钢琴独奏5 h、音量控制在70~80 dB对黄豆芽助长效果最佳。优化方案验证表明声频助长技术能使黄豆芽增产26.25%。研究结果可作为声频助长技术在黄豆芽生产中推广应用的理论基础。     

改进AVSlowFast音视频融合模型对哺乳期母猪关键行为的识别

哺乳期母猪的自动行为监测对于保障母猪健康并及时发现异常状态具有重要意义。为了在识别母猪行为中整合视觉和听觉信号蕴含的信息,该研究提出了一种基于音视频特征多模态融合的哺乳期母猪关键行为识别方法。首先,引入三分支结构的AVSlowFast模型作为基础网络,通过视频慢通道、视频快通道、音频通道有效挖掘在视觉和听觉2种模态下的相关行为特征,并基于多层次侧向连接深入融合视听觉模态信息。在此基础上,该研究在特征融合后期引入高斯上下文变换器通道注意力模块,在不新增模型参数的条件下进一步优化高维多模态三维特征的融合效果,提高行为识别的准确率。该研究以哺乳期母猪为对象,采集实际养殖环境中的音频与视频数据进行试验,试验结果表明基于改进AVSlowFast音视频融合模型识别进食、哺乳、睡眠、拱栏、饮水、日常活动6种关键行为的平均精确率与召回率分别为94.3%和94.6%。与基于SlowFast的单模态行为识别方法相比,该研究提出的方法对6种行为识别的平均F1分数上显著提升了12.7%,为实现畜禽多模态行为监测提供了一种有效思路。     

音乐与蟋蟀鸣声的混合声频对食用菌生长的影响

为了考察声波对食用菌生长、产量及营养成分等方面的影响,采用自行开发的声频设备,播放古典音乐与蟋蟀鸣声混合而成的声频,对茶树菇、高温姬菇、黑平、杏鲍菇、秀珍菇、小白菇等6种食用菌的菌丝体进行了7次声波助长试验,对姬菇、黑平和姬菇18号3种食用菌的子实体进行了4次试验。结果表明,此声频可使食用菌的菌丝体生长速度加快10.2%～21%;使子实体提早出菇,提前1～5 d采菇,并可延长采菇天数;4次子实体试验的产量分别增加了15.76%、13.38%、13.05%和7.95%。经对2种子实体成分检测比较表明,姬菇18号的脂肪、蛋白质和粗多糖质量分数分别增加5.88%、8.74%和2.78%,黑平的蛋白质、粗多糖的质量分数分别提高2.37%和43.27%。研究结果为声波助长技术在食用菌生产上的推广应用提供科学依据。     

采摘机器人振荡果实匹配动态识别

为解决由于果实振荡影响采摘机器人识别定位时间,进而影响采摘速度和效率的问题,对采摘机器人在果实振荡状况下的匹配动态识别方法进行了研究。首先介绍了振荡果实的动态识别流程,确定出采摘目标果实作为后续匹配识别的模板;然后引入去均值归一化积相关匹配识别算法,采用FastInverseSquareRoot算法和快速哈特莱变换对其进行加速优化,同时借鉴以往旋转无关匹配识别算法进行抗旋转改进;试验结果表明,加速优化后的匹配识别算法能够进行采摘目标果实的匹配识别,单幅平均匹配识别时间为0.33s,经过抗旋转等改进的匹配识别算法在[-55°,60°]较大范围内旋转无关,可以准确识别振荡果实,加上模板适时更新,能够满足实际需求。该研究可为果蔬采摘的动态识别提供参考。     

基于多注意力机制级联LSTM模型的猪脸表情识别

面部表情是传递情感的重要信息,是家畜生理、心理和行为的综合反映,可以用于评估家畜福利。由于家畜面部肌群结构简单,因此家畜面部不同区域的细微变化对于表情的反映较难识别。该研究提出一种基于多注意力机制级联LSTM框架模型（Multi-attention Cascaded Long Short Term Memory,MA-LSTM）对家猪时序面部表情进行分类识别。首先通过简化的多任务级联卷积结构实现帧图像中猪脸的快速检测与定位,去除非猪脸区域对于识别性能的影响。其次提出一种多注意力机制模块,利用不同特征通道视觉信息不同相应峰值响应区域也不同这一特性,通过对峰值响应相近区域进行聚类捕获表情变化引起的面部显著性区域,实现对面部细微变化的关注。在自标注构建的家猪表情数据集上的试验结果表明,该研究提出的多注意力机制级联LSTM模型,对比关闭多注意力机制模块平均识别准确率平均提升6.3个百分点,同时误分率也有较为明显的降低。对比其他常用面部表情识别算法LBP-TOP、HOG-TOP、ELRCN、STC-NLSTM,MA-LSTM模型平均识别精度分别提升约32.6、18.0、5.9和4.3个百分点。试验结果验证了该研究提出的多注意力机制级联LSTM模型在猪脸表情识别的有效性。     

蛋鸡发声与机械噪声特征提取及分类识别

规模化蛋鸡舍中不同机械设备运行所产生的噪声会干扰蛋鸡声音提取。为了分析分类识别蛋鸡发声与机械噪声的可行性,该研究以蛋鸡产蛋发声、鸣唱声和规模化蛋鸡舍中通风系统、饲喂系统、清粪系统、集蛋系统单独运行时的噪声为研究对象,运用LabVIEW软件提取了蛋鸡发声和机械噪声的功率谱密度,以子带功率比为特征向量,在数据挖掘平台Weka上应用J48决策树算法构建声音分类识别器。结果表明,蛋鸡产蛋发声和鸣唱声的最大功率比位于频率范围689~1 378 Hz内,通风系统噪声和饲喂系统噪声的最大功率比位于频率范围0~689 Hz内,清粪系统噪声和集蛋系统噪声的最大功率比位于频率范围1 378~2 756 Hz内;该声音分类识别模型的平均识别率为93.4%,其中蛋鸡鸣唱声和产蛋发声的识别率分别为85.9%和92.5%,机械噪声的分类识别率更高,说明基于子带功率比的声音识别方法具有较好的识别效果,该结果为规模化蛋鸡养殖舍复杂声音环境中检测蛋鸡声音提供了参考。     

畜舍颗粒物减排技术研究现状

随着大规模集约化畜牧业的发展，畜牧生产过程中产生的大量悬浮颗粒物（Particulate Matter，PM），已成为大气颗粒物PM10和PM2.5的重要来源。畜舍粉尘主要来源于饲料、粪便、皮屑、毛发等，其表面附着有细菌、真菌、病毒等致病微生物以及氨气、硫化氢等有害气体，不但严重威胁畜牧场工作人员和家畜的健康，还导致周边大气环境污染。科学适用的PM减排技术是保障畜舍及周边环境空气质量的重要手段。该研究概述了畜舍PM的排放源、特征及危害，从源头、过程、末端3个环节分别论述了国内外畜舍颗粒物减排技术的研究现状及存在问题。源头减排包括饲料、清粪工艺、饲养模式等方面的优化，经济且高效。过程减排包括喷雾降尘、通风除尘、静电除尘等技术，旨在降低舍内悬浮在空气中的颗粒物。喷雾技术相对成熟，但易滋生细菌且不适用于低温季节；通风技术对去除畜舍PM上应用最为广泛且高效，需要综合考虑满足畜舍通风换气与降尘的要求；静电除尘技术对人畜无干扰，但在除尘效率和二次扬尘方面有待进一步优化。末端减排包括洗涤降尘技术与过滤降尘技术，目的是减少PM对外界大气环境的污染。洗涤技术可以去除排气中多种污染物，但设备易腐蚀；过滤技术成本低，对大颗粒物的去除效率高，但易堵塞。该研究对畜舍PM减排技术研究现状进行综述，以期为未来开发高效、节能、经济、环保的畜舍PM减排技术提供参考。     

人脸表情识别中滤波算法的研究

去噪滤波技术是数字图像处理中的一个重要内容,是计算机视觉技术、模式识别、图像数据分析的基础,因而受到广泛的研究;并在人脸识别、表情识别、遥感成像等领域获得广泛的应用。通过对多种去噪滤波算法进行比较,选定了一种改进的二维中值滤波快速算法将其应用到表情识别中,得到较好效果。     

畜禽行为及生理信息的无损监测技术研究进展

畜禽信息主要包括动物健康信息、行为信息、情绪信息。禽畜养殖中,准确高效监测畜禽信息有助于分析动物的生理、健康和福利状况,及时发现生病或异常个体,以减少经济损失和保障动物福利。目前畜禽养殖中主要依靠人工观察方式获取畜禽信息,主观性强且精度低;或者在饲养过程中采用一些将装置植入动物体内或对动物进行手术的监测手段,造成动物应激反应,有损动物福利。无损监测技术可以有效减少人力,降低观察者对动物的影响,减少监测过程中对动物造成的损伤与应激反应,提高动物福利。随着信息技术的进步,畜禽信息无损监测技术也在不断发展。该文阐述了畜禽养殖中传感器监测、图像监测及声音监测3种无损监测技术在获取畜禽信息方面的研究与应用现状,并分析3种无损监测技术的优劣。传感器监测技术发展较其他2种技术相对更加成熟,应用也更加广泛,可用来监测动物饮食、行为姿态等,但适合动物穿戴、可长期高效工作的传感器节点技术有待突破;图像监测技术利用前景提取、模式识别等方法对动物图像进行分析,可进行动物行为识别、质量估计等,对动物影响最小。但目前算法还不成熟,装置受环境干扰较大,因此应用有限;声音监测技术起步较晚,受限于环境噪声的影响,识别正确率较低,但在动物行为监测、疾病预警、情绪识别、饮食监测等方面均有较好的应用前景。该文还展望了畜禽信息无损监测技术未来精准、高效、智能、经济的发展趋势。     

基于小波算法的音频数字水印技术研究

数字水印技术作为数字媒体版权保护的有效办法,近年来在国内外引起了人们极大的兴趣。数字水印的基本功能是将产权、产品的标识码以及购买者的信息等（称为水印信号）嵌入到数字媒体中。将小波算法作为音频水印的嵌入和检测算法,并通过Matlab仿真给出实例。