基于Storm的奶牛发情实时监测系统设计与实现

奶牛发情识别是奶牛场生产活动中的重要组成部分,直接关系到奶农的经济效益,而现有的奶牛发情识别方法存在效率低、时效性差、准确率低等问题。针对这些问题,基于大数据实时流式框架Storm设计并实现了奶牛发情实时监测系统。利用阿菲金二代计步器获取奶牛体征参数,通过无线局域网传输到服务器,采用基于Storm的实时流式框架进行处理,JavaWeb对处理后的体征参数可视化展示;以2 h作为单个时间片,6 h作为一个情期显著滑动窗口,选取窗口内连续3个时间片单元的步数s1、s2、s3、累积静卧时间t1、累积起卧次数b和累积站立时间t2为特征向量,建立了基于Storm的奶牛发情SVM预测模型。测试结果表明,设计的系统平均延迟在2 s内,平均准确率在98.9%以上,奶牛发情预测准确率为85.71%,奶牛发情预测周期缩短为6 h。该系统为奶牛发情预测提供了有效工具,对其他大型动物的监测也具有一定的指导意义。     

奶牛发情计算机监测系统研究与开发

使用传感器等电子器件监测奶牛生理参数,应用Viaual Basic高级程序设计语言建立数据分析系统,对奶牛哺乳期和发情期的生理参数变化进行数据分析。运用模糊逻辑数学方法建立数学模型作为奶牛发情计算机监测系统的数学理论依据。将奶牛发情计算机监测系统安装于与数据采集设备相连的过程计算机中,对奶牛发情进行实时监测并做出及时准确的奶牛发情预报。     

基于多源信息的烤烟香型分类

为我国烤烟典型香型的分类提供参考,以2014年全国浓香型、中间香型、清香型烟叶代表性产区18个州(市)45个县(区)的520个C3F初烤烟叶样品为研究对象,通过对常规化学成分、外观质量、物理特性进行测定,基于多源信息应用随机森林算法进行分类模型构建。结果表明:利用随机森林算法基于多源信息构建的烤烟香型分类模型较好,分类正确率为91.54%,AUC(ROC曲线下的面积)为0.972 6。其中,对浓香型烤烟分类效果最好,没有误判,中间香型误判率为7.57%,清香型烤烟误判率为18.87%;影响烤烟香型分类的重要变量为氯离子、总糖、宽度、厚度和钾离子,影响浓香型和中间香型烤烟分类最重要的变量为氯离子,影响清香型烤烟分类最重要的变量为总糖。基于烤烟多源信息利用随机森林算法进行香型分类,在浓香型和中间香型分类效果较好,清香型分类效果稍差。     

基于智能项圈系统荷斯坦牛发情相关指标的遗传参数估计及全基因组关联分析

【目的】探究基于奶牛智能项圈系统产生的发情指数和活动峰值指标的群体规律及其影响因素,对其进行遗传参数估计,并利用全基因组关联分析（genome-wide association study, GWAS）挖掘与奶牛发情相关指标的遗传标记,以期为从遗传育种角度制定选育策略提高奶牛繁殖力提供有用信息。【方法】试验以北京市某规模化牧场健康的泌乳期荷斯坦牛为研究对象,收集了该牧场2017年7月至2020年5月2 074头泌乳牛的发情记录,包括发情指数和活动峰值,同时收集了试验牛的产犊记录;采用SAS 9.4中MIXED过程,分析了非遗传因素对发情指数和活动峰值的影响;基于DMU软件DMUAI模块,使用双性状动物模型估计了发情指数与活动峰值的遗传力及遗传相关,并计算了发情指数与常规繁殖性状的近似遗传相关;以逆回归育种值为关联分析的表型,利用Farm CPU软件分别对发情指数和活动峰值进行了GWAS。【结果】荷斯坦牛发情指数为（71.77±19.13）au,活动峰值为（105.94±30.73）au/2h。发情指数遗传力为0.04±0.01,活动峰值遗传力为0.19±0.04,均为低遗传力性状;发情...     

基于随机森林的文本分类模型研究

文本分类作为处理大量文本数据的关键技术,可以在较大程度上解决"信息爆炸"所带来的问题。Breiman提出的随机森林算法具有良好的泛化性和鲁棒性、对噪声不敏感、能处理连续属性的特点,很适合用来建立文本分类模型。笔者将随机森林算法尝试性引入文本分类领域,构建基于随机森林的文本分类模型,并在标准文本测试集Reuters-21578进行测试和比较,结果表明:(1)该模型可以较好地应用于文本分类;(2)与基于CART、REPTree和J48的文本分类模型的结果相比较,基于随机森林的文本分类模型的效果最好,F1-Measure达到了0.777;(3)基于随机森林的文本分类模型操作方便、直观有效、评价结果可靠,为文本分类研究提供了新思路。     

一种基于聚类的模式识别技术在葛根类药材分类中的应用

对不同地区的葛根类药材按药理活性强度进行正确分类.采用基于聚类的模式识别分类算法.采用基于聚类的模式识别分类算法,该分类算法将聚类技术引入有监督的自动分类并应用于中药材的模式识别,从而对葛根类中药的药理抗内毒素活性识别正确率达92%,优于经典k最近邻法与Bayers判别法.此方法有助于判定葛属植物的质量,可用于中药模式...     

基于多时相合成孔径雷达数据的水稻种植面积监测

与光学遥感相比,合成孔径雷达(SAR)遥感能够不受云雨天气影响,为大范围作物种植信息的精准监测提供新手段。本研究以天津市小站稻为例,基于2018-2021年的多时相Sentinel-1A SAR影像,提出了结合小站稻生长特征相似性分析与随机森林分类的水稻种植分布和面积监测方法。首先提取VV和VH极化方式下不同地物的后向散射系数时间序列特征曲线,并利用HANTS滤波来消除噪声影响。然后根据野外调查数据获取小站稻参考生长曲线,构建小站稻相似性指数,筛选出小站稻可能种植区域。最后采用随机森林分类模型提取小站稻种植面积。结果表明,基于多时相Sentinel-1A SAR影像相似性分析及随机森林分类能够获得较高精度的水稻种植面积,VV和VH两种极化方式下提取的水稻种植面积与统计年鉴结果的平均相对误差分别为2.67%和3.80%,总体分类精度分别达到95.52%和93.40%,Kappa系数分别为0.94和0.93;与不引入相似性指数进行分类相比,VV和VH极化方式下引入相似性指数后总体分类精度分别提高4.35个百分点和3.13个百分点,Kappa系数分别提高0.04和0.03,水稻的制图精度分别...     

基于加速仪运动传感器的牲畜行为监测研究进展

加速仪运动传感器被大量用于牲畜行为监测,是当前开展精准养殖研究的重要方向。综述了加速仪运动传感器在牲畜行为分类方面的研究,介绍了加速仪运动传感器在牲畜身上的可佩戴位置,并对比了其在腿部和颈部的佩戴差异,详细论述了基于加速仪运动传感器的牲畜行为分类流程,具体包括采样时间窗口确定、特征向量抽取、分类算法构建等。行为自动分类是对牲畜进行自动化监测、精准化管理的前期和基础,未来应进一步突破分类模型构建、多元传感器融合、实时数据处理等关键技术研究。     

基于有监督特征提取的生菜叶片农药残留浓度高光谱鉴别研究

为了保证人们对蔬菜的安全食用,研究了蔬菜叶片农药残留的无损检测方法。标准营养液无土栽培生菜样本,在成熟期按4种不同浓度,分别为1.250、0.830、0.600、0.375 mL/L,将氰戊菊酯农药雾状均匀喷洒至生菜叶片上,8 h后采集生菜叶片高光谱数据。采用标准归一化(SNV)算法对原始光谱进行预处理,分别利用基于非监督特征提取方法主成分分析(PCA)、局部保留投影(LPP)与基于监督特征提取方法线性判别分析(LDA)、局部保留投影(SLPP)对降噪后的光谱数据进行特征提取,统一选用支持向量机(SVM)作为分类器。利用相同的训练样本与测试样本进行分类试验,对生菜叶片农药残留浓度分类鉴别的结果为,PCA-SVM分类正确率为82.14%,LPP-SVM分类正确率为85.71%,LDA-SVM分类正确率为89.29%,SLPP-SVM分类正确率达到92.86%。结果表明,与非监督特征提取算法相比,监督特征提取算法由于充分利用了样本的类别特性,使得分类器对降维后的数据更加敏感,分类精度更高,其中SLPP-SVM的分类效果最好。     

基于面向对象的无人机遥感影像荒漠植被分类

荒漠植被分布稀疏且叶面普遍较小,导致影像中植被光谱特征较弱,分类难度较大。为提高荒漠植被分类精度,选取古尔班通古特沙漠为研究区,以无人机遥感影像和数字表面模型为数据源,采用面向对象的随机森林算法,在去相关拉伸光谱信息增强基础上对荒漠植被进行分类,分析去相关拉伸前后分类精度的变化。结果表明：基于去相关拉伸并结合面向对象和随机森林算法的轻、中、重度沙漠化区总体分类精度分别为91.01%、95.34%、93.18%,较原始影像分类精度分别提升19.94%、16.10%、17.61%,实现了对荒漠植被的高精度分类,从而为获取荒漠区植被分布状况以及荒漠化监测提供参考。