鸡蛋在运输中产生破蛋的试验研究

本研究利用4种不同的摆放方式来检测运输中产生破蛋的情况，通过对4d的数据进行统计分析，得出一个结论：振动是引起运输中产生破蛋的主要原因之一。蛋壳本身具有一定的抵抗外界挤压的能力，所以使用多层叠加蛋托的方式来运输鸡蛋是可行的。但是运输过程中机动车辆的低频振动极易引起鸡蛋的上下振动，在鸡蛋受压不均匀的情况下，使得部分鸡蛋产生微小的裂缝，影响到了鸡蛋的保存期。     

规模化蛋鸡养殖场网络视频监控系统研究

本试验研究了规模化蛋鸡养殖场网络化监视、监控系统。以每栋鸡舍为单元,采用视频服务器作为智能节点将鸡舍接入养殖场网络,养殖场内部联网的计算机可以实时监测鸡舍内部的鸡群状况及生产情况;同时,Internet上的用户通过授权也可以实现上述功能。蛋鸡场网络化视频监控系统应用移动摄像技术和无线视频传输技术,对鸡舍进行全方位、多要素监控,而视频信息通过视频服务器在网络上传输。该系统作为鸡场网络化环境控制系统的组成部分,使用性能良好。     

笼养和栖架养殖模式下鸡蛋品质比较

本研究旨在比较笼养模式和栖架养殖模式对海兰褐蛋鸡鸡蛋品质的影响。试验选择80只13周龄海兰褐蛋鸡,随机分成两组,25只蛋鸡采用笼养模式(笼底面积为500cm2/只)饲养,55只蛋鸡采用栖架养殖模式(网格面积593 cm2/只+栖杆长度16.4 cm/只+沙浴区域面积1.05 m2+产蛋箱面积0.675m2)饲养,在蛋鸡36、42和49周龄时对蛋品质进行测定。结果表明,除36和49周龄鸡蛋蛋黄颜色栖架饲养模式和笼养饲养模式存在显著性差异(P0.05)外,蛋重、蛋形指数、蛋壳强度、蛋壳厚度、蛋壳重、蛋壳颜色、蛋白高度、哈氏单位、蛋黄重、蛋黄比例以及蛋清比例在不同饲养模式下均无显著性差异(P0.05)。     

计算机视觉技术在工厂化农业中的应用

近年来我国工厂化农民发展迅速，但自动化程度不高，因此将计算机视觉技术引入设施农业对于提高温室的智能化控制水平具有重要意义。从利用计算机视觉对植物生长监控控制和开发农业生产机器人2个方面综述了国内外的研究进展，根据目前国内外研究现状及存在问题对未来发展方向进行了预测，认为今后的研究方向主要在图像处理硬件的开发、神经网络技术的应用和图像处理新方法的研究等3个方面。     

中国第一个日光温室辅助设计软件研发成功

日光温室是以太阳能为主要能源,夜间采用活动保温被对前屋面保温,进行越冬生产的单屋面塑料薄膜温室。它是具有中国知识产权的温室建筑形式,适合中国国情。针对我国部分农村地区日光温室出现的采光不合理、建材使用过多以及结构不安全等问题,笔者开发了一种日光温室设计专用软件(SGDS1.3版)。该软件能够为设计者或建造者提供必要的技术信息,包括日光温室的配套设施,中国各地的气象资料等;提供日光温室设计的基本参数;对日光温室骨架进行结构校核;生成建材报表等功能。该软件的开发为日光温室的建造者提供了便利,不仅可以形象地了解到日光温室的结构和性能,而且可以虚拟地建造自己的日光温室。     

基于功率谱密度的蛋鸡声音检测方法

利用声音连续监测动物生长过程的缺点是无效声音数据量大。为了获得便于研究人员使用的小数据量并同时反映动物行为信息的声音,引入分类识别方法对原始声音进行处理。以栖架饲养环境中的含有海兰褐蛋鸡鸣叫声的声音片段和风机噪声片段为研究对象,基于不同类型声音在1 000~1 500 Hz频率范围内的功率谱密度存在差异,对2种声音片段进行了分类识别。试验结果表明,该方法的全面正确识别率为95%,其中蛋鸡声音片段正确识别率为93.3%。该方法将有助于实现风机噪声环境中动物声音实时检测与提取,从而减少无用声音数据的储存与传输。     

一种利用温湿图评价密闭式鸡舍通风系统性能的方法

从控制的角度考虑，可将鸡的适宜生存环境条件物化成由相应的干球温度和相对湿度构成的二维平面。在受控状态下，以满足鸡的生存需求为基本出发点、以追求鸡的最大生产量为优化指标，反推其可忍受的舍外天气条件，然后在温湿图上生成一个反映鸡的生存环境和高产环境能力的控制区域。上述方法可用于有效地评价鸡舍通风系统的性能。     

基于雷达图的蛋鸡舍综合环境舒适度评价及应用

环境是影响蛋鸡健康与生产性能的关键因素,为对蛋鸡舍环境进行综合性的舒适度评价,该研究将除湿热环境之外的空气环境质量也纳入评价指标体系中,采用模糊数学方法,研究了重要环境参数在规模化蛋鸡舍环境舒适度综合评价中的权重,对舍内温度、湿度、CO_2浓度、氨气(NH3)浓度、风速等关键环境参数进行归一化处理,建立了基于多元环境参数的鸡舍综合环境舒适度评价指数(Comprehensive Environmental Index, CEI),并基于LabVIEW软件开发了一套评价系统,可将上述环境参数在雷达图中进行可视化展示,以及对单因素环境参数和环境舒适度进行预警。通过实际使用中鸡舍环境监测数据的分析验证,CEI能够体现舍内整体环境舒适度的变化,对各个时段环境因素间的相互作用做出应答,尤其是温度降低导致空气环境质量影响上升的时段。该研究对于综合评价蛋鸡舍环境条件并进行精准控制,提高环境舒适度,提供了方法支撑。     

实现畜禽舍环境调控自动化的一种方案

针对传统计算机集中控制呈现的控制复杂、维修不便和价格高昂等缺点，采用分布式网络控制技术，并应用微单片机技术和高精度、高稳定性的湿敏及温敏器件，研制出全数字“智能温湿度传感器”和“三回路智能温湿度控制器”。通过分析畜禽舍环境调控自动化的现状，提出了一种全新的实现方案，并对其发展提出几点看法。     

育肥猪生长过程中脸部变化对识别模型准确率的影响

为探究猪脸识别模型对育肥猪猪脸生长变化的识别效果,采用深度卷积网络,对大白育肥猪生长过程中脸部变化与识别模型准确率之间的关系进行研究。结果表明:1)在预训练的DenseNet201、MobileNetV3_small、SeNet154和Xception 4种模型中,SeNet154模型猪脸识别效果最好,对验证集的识别准确率可达98.80%,选其为猪脸识别模型;2)分别用试验期间第1～2、1～3、1～4和1～5天采集的猪脸图像数据训练该模型,并分别使用第3～8、4～9、5～10和6～11天的数据逐天测试模型的猪脸识别效果发现,使用第1～4与1～5天数据训练的模型猪脸识别效果相当且优于使用第1～2与1～3天数据训练的模型。使用第1～4天数据训练的模型对第5天数据的识别准确率最高,为96.74%,其后5天的识别准确率逐天下降,到第10天为84.17%。分析认为,造成识别准确率下降的原因是猪脸生长、光照变化以及污渍附着。3)使用第(n-4)～(n-1)天(5≤n≤10)的数据重新训练动态模型后,对第n天猪脸数据的识别准确率均在95.82%以上。深度卷积网络模型在猪脸识别方面有较高的识别准确率,可以用于育肥猪的脸部识别;建议在育肥猪的猪脸识别系统中每天都使用至少前4天,且≥10 800组图像数据重新更新猪脸识别模型。