排序方式: 共有31条查询结果,搜索用时 15 毫秒
1.
无线Mesh网络下的猪舍环境监测综合系统设计 总被引:1,自引:0,他引:1
为研究猪舍内环境因素的变化规律,获取有害气体排放量及其浓度在猪舍中长时间和多测点的实时测量数据,设计了一种无线Mesh网络猪舍环境监测综合系统。在Mesh网络结构下,可大量扩充传感器节点的种类和数量,并保证通讯的可靠性。该系统基于TinyOS,根据DSDV路由协议设计实现节点间的数据多跳传输,采用数据库以及网络技术,设计可实时监测和远程访问的猪舍环境监测综合软件。检测试验表明,该系统信息采集、实时监测、远程访问、数据存储等功能运行正常,可为研究猪舍内环境因素的变化规律提供有效数据。 相似文献
2.
基于深度信念网络的猪咳嗽声识别 总被引:4,自引:0,他引:4
为了在生猪养殖产生呼吸道疾病的初期,通过监测猪咳嗽声进行疾病预警,提出了基于深度信念网络(DBN)对猪咳嗽声进行识别的方法。以长白猪咳嗽、打喷嚏、吃食、尖叫、哼哼、甩耳朵等声音为研究对象,利用基于多窗谱的心理声学语音增强算法和单参数双门限端点检测对猪声音进行预处理,实现猪声音信号的去噪和有效信号检测。基于时间规整算法提取300维短时能量和720维梅尔频率倒谱系数(MFCC)组合成1020维特征参数,将该组合特征参数作为DBN学习和识别数据集,选定3隐层神经元个数分别为42、17和7,构建网络结构为1020-42-17-7-2的5层深度信念网络猪咳嗽声识别模型。通过5折交叉实验验证,基于DBN的猪咳嗽声识别率和总识别率均达到90%以上,误识别率不超过8.07%,最优组猪咳嗽声识别率达到94.12%,误识别率为7.45%,总识别率达到93.21%。进一步基于主成分分析法(PCA)提取1020维特征参数98.01%主成分得到479维特征参数,通过5折交叉实验验证,猪咳嗽声识别率和总识别率相对降维前均有所提高,误识别率有所降低,最优组猪咳嗽声识别率达到95.80%,误识别率为6.83%,总识别率达到94.29%,实验结果表明所建模型是有效可行的。 相似文献
3.
针对现有封闭式种猪性能测定站自动化程度不高、无法提供种猪体尺信息等问题,设计了一种集种猪自动识别、体质量自动称量、采食量自动统计、体尺自动测量于一体的封闭式种猪性能测定站。该系统机械部分采用前后端分离设计,通过设计采食门装置和门禁装置为种猪提供封闭测量环境,在此基础上,基于FIR滤波设计了种猪体质量动态称量算法,基于椭圆拟合设计了种猪理想姿态筛选算法,并进一步提出了基于包络分析的种猪体尺测量算法。分别进行了利用实际猪群模拟种猪生长性能验证试验和体尺测量试验,试验验证结果如下:生长性能试验猪群自由采食日均次数8.94次、日均采食时间92.93 min、群体料肉比2.66,Logistic拟合的生长曲线拐点日龄为126.18 d、拐点体质量72.70 kg,符合猪群的生长规律;体尺测量试验中猪群能够筛选出理想姿态帧,体长、体宽、臀宽、体高、臀高等体尺的平均相对检测误差分别为3.69%、2.53%、2.60%、2.59%、2.17%,满足体尺测量要求。试验结果表明,本文设计的封闭式种猪性能测定站可用于种猪的生产性能测定,能够同时提供种猪体质量、采食量和体尺等信息,提高育种效率。 相似文献
4.
影响猪舍热舒适性的因素包括温度、湿度、风速和热辐射,猪体的热舒适感是由这些因素以及猪体新陈代谢综合作用的结果.传统温湿度指标难以精确地表达猪体的热舒适感.在人体平均预测投票(predicted mean vote,PMv)指标的基础上用类比方法提出了猪体PMV指标.采用计算流体动力学(computational flu... 相似文献
5.
基于连续语音识别技术的猪连续咳嗽声识别 总被引:3,自引:2,他引:3
针对现有基于孤立词识别技术的猪咳嗽声识别存在识别声音种类有限,无法反映实际患病猪连续咳嗽的问题,该文提出了基于双向长短时记忆网络-连接时序分类模型(birectional long short-termmemory-connectionist temporal classification,BLSTM-CTC)构建猪声音声学模型,进行猪场环境猪连续咳嗽声识别的方法,以此进行猪早期呼吸道疾病的预警和判断。研究了体质量为75 kg左右长白猪单个咳嗽声样本的持续时间长度和能量大小的时域特征,构建了声音样本持续时间在0.24~0.74 s和能量大于40.15 V~2·s的阈值范围。在此阈值范围内,利用单参数双门限端点检测算法对基于多窗谱的心理声学语音增强算法处理后的30 h猪场声音进行检测,得到222段试验语料。将猪场环境下的声音分为猪咳嗽声和非猪咳嗽声,并以此作为声学模型建模单元,进行语料的标注。提取26维梅尔频率倒谱系数(Mel frequency cepstral coefficients,MFCC)作为试验语段特征参数。通过BLSTM网络学习猪连续声音的变化规律,并利用CTC实现了端到端的猪连续声音识别系统。5折交叉验证试验平均猪咳嗽声识别率达到92.40%,误识别率为3.55%,总识别率达到93.77%。同时,以数据集外1 h语料进行了算法应用测试,得到猪咳嗽声识别率为94.23%,误识别率为9.09%,总识别率为93.24%。表明基于连续语音识别技术的BLSTM-CTC猪咳嗽声识别模型是稳定可靠的。该研究可为生猪健康养殖过程中猪连续咳嗽声的识别和疾病判断提参考。 相似文献
6.
以荧光灯为对照,研究了相同光照强度(150μmol·m-2·s-1)下,不同红蓝LED组合光源(R/B=7∶1、R/B=7∶2、R/B=7∶3)对葫芦和南瓜幼苗生长和生理参数的影响。研究结果表明,葫芦幼苗在LED组合光源R/B=7∶1、R/B=7∶3下,壮苗指数显著高于对照;南瓜幼苗在LED组合光源R/B=7∶2、R/B=7∶3下,壮苗指数显著高于对照;另外,在LED组合光源R/B=7∶3下,葫芦、南瓜幼苗的叶绿素含量、可溶性糖含量均显著高于对照。综上可知,LED组合光源R/B=7∶3最适合培育南瓜和葫芦幼苗。 相似文献
7.
基于双金字塔网络的RGB-D群猪图像分割方法 总被引:3,自引:0,他引:3
为实现群养猪的视觉追踪和行为监测,针对猪舍中仔猪因拥挤堆叠等习性而导致的目标个体粘连、图像分割困难问题,提出基于双金字塔网络的RGB-D群猪图像分割方法。该方法基于实例分割Mask R-CNN框架,在特征提取网络(Res Net101)基础上改进成双金字塔特征提取网络。RGB图像和Depth图像分别提取特征后进行融合,输入区域生成网络得到预选锚(ROI)和共享特征输入Head网络,通过类别、回归和掩模3个分支,输出检测目标的位置和分类结果,实现猪舍场景下群养仔猪粘连区域的有效个体分割。网络模型训练采用2 000组图像样本,按照4∶1比例随机划分训练集和验证集。试验结果表明,双金字塔网络(Feature pyramid networks,FPN)能有效解决颜色相近、个体相似的群猪粘连问题,实现单个仔猪区域的完整分割,分割准确率达89.25%,训练GPU占有率为77.57%,与Mask R-CNN和Pig Net网络分割结果相比,分割准确率和分割速度均有较大提高。双金字塔网络模型对于多种行为状态、不同粘连程度的群猪图像中个体分割都取得了良好效果,模型泛化性和鲁棒性较好,为群养猪的个体自动追踪提供了新的途径。 相似文献
8.
为了获取种猪的核心体温,收集大白猪、长白猪、大白×长白二元杂3个品种共108头母猪样本,使用手持式红外热像仪获取种猪眼睛、耳根、脖子、肩部、前背、后背、臀尖、尾根、外阴、臀部、腹部共11个部位的红外图像信息;通过温度、湿度、风速传感器获取相应猪场的环境信息。利用基于5×4嵌套交叉验证对数据进行样本集划分,并采用标准化及独热编码方式对数据进行预处理,分别建立基于红外图像技术的种猪核心温度与局部红外图像及环境因素的最小二乘支持向量机(LSSVR)、支持向量机、随机森林以及岭回归定量分析模型。通过验证确定LSSVR模型为表现最优的模型,模型决定系数R2为0.639,RMSE、MAE分别为0.133、0.110℃。为了提升模型拟合效果,增加了猪品种、妊娠时间、是否发情以及采集时段(上、下午)4个可能的影响因素,结果显示,除了种猪品种对模型结果没有贡献,其他因素使模型R2分别提高了4%、8%、10%,最终模型R2为0.773,RMSE、MAE分别为0.106、0.09℃。表明增加妊娠时间、是否发情以及采集时段(上、下午)3个因素,可以明显地增强模型的拟合度,模型更加精确,可作为种猪核心温度反演的... 相似文献
9.
10.
蔬菜嫁接技术是一项防治茄果类、瓜类蔬菜土传病害,提高多种非生物逆境抗性,促进蔬菜产业可持续发展的有效措施,在国内外已得到广泛应用。蔬菜嫁接愈合期的环境控制是保证嫁接苗存活的关键。因此,蔬菜嫁接愈合装置的研发对于嫁接苗的生产具有重要意义。文章综述了国内外开发的典型蔬菜嫁接愈合装置,分析了愈合装置的基本性能和优缺点,以期为嫁接愈合装置的研发、选择和使用提供参考。 相似文献