基于物联网的层叠式鸡舍环境智能监控系统

由于层叠式鸡舍的饲养密度大,因此对养殖环境要求高,目前,对层叠式鸡舍环境监测多采用功能单一的检测仪器,操作复杂,且监测的位置点较少,很难反映层叠式鸡舍环境的整体情况,该文研制了一种基于物联网技术的蛋鸡养殖环境智能监控系统,针对层叠式鸡舍复杂结构,设计了一种监测布点的拓扑结构,可以实现对层叠式鸡舍环境参数的实时在线监测,可以对采集数据进行本地存储记录和远程发送,用户可以通过网页或智能手机APP进行鸡舍环境数据实时查询。试验发现鸡舍内温度、CO₂、硫化氢和氨气浓度分布符合畜禽场环境质量标准,而光照强度、风速、湿度和PM10局部分布不合理,并给出了相应的优化措施。实践表明,该系统运行稳定、测量数据精确,适合对鸡舍环境进行精准监测,在规模化畜禽精准养殖方面具有广泛的应用前景。     

肺栓塞误诊1例分析

肺栓塞(pulmonary embolism,PE)是以内源性或外源性栓子阻塞肺动脉或其分支引起肺循环障碍的临床病理生理综合征,发病急骤,病死率高,且易误诊、漏诊。近年来PE的诊断和治疗越来越受到人们的重视,为提高医务人员对该病的认识,现报道现对1例PE误诊病例的临床资料进行回顾性分析。     

乳牛阴道闭锁二例

<正> 奶牛阴道闭锁,即瓣膜(阴瓣)发育过度,并致无法进行正常配种的病例不多见,我们在生产实践中治疗二例,获得满意的效果,现详述如下:     

哺乳仔猪的培育法

<正>哺乳仔猪的饲养管理是养猪生产中极其重要的一个环节。本文就如何对哺乳仔猪进行科学饲养管理作一阐述。1哺乳仔猪生理特点生长发育快,物质代谢旺盛。乳猪10日龄体重为出生重的2倍,30日龄为     

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。     

养殖污水中主要分解氨氮微生物的分离鉴定

为研究养殖循环水系统中分解氨氮能力较强的相关微生物,从生物滤料载体上收集正常运行条件下自然生长的生物膜。通过富集培养、分离提纯、DNA提取、PCR扩增、16SrRNA测序等步骤,得到一株具有分解氨氮能力的荧光假单胞菌Pseudomonas fluorescens SS101,菌落为淡黄色。结果显示,广泛存在能够分解养殖污水中氨氮并用于自身生长的微生物,除了常见的硝化细菌,一些特异性微生物也具有此功能。这项研究为进一步探索养殖污水微生物群落、优化生物滤池的污水处理性能提供了新思路。     

夏玉米叶片形状系数的时间和空间变异

【目的】叶片形状系数(α)为测量作物的叶面积和叶面积指数提供了简单快捷的方法。然而,以往研究表明对作物叶片形状系数的选取存在很大的随意性,缺乏统一标准,且通常将其视为常数,不考虑它的时间和空间变异性。为解决这一问题,文章对陕西关中地区夏玉米不同生长阶段和不同叶位叶片形状系数的时间和空间变异性进行了深入研究。【方法】选取2015年6—10月生长季6个夏玉米品种,将玉米生育期划分为三叶、拔节、抽雄、开花、吐丝、成熟等6个不同生长阶段,每6天采样一次,测量叶片面积(LA)、叶片长度(L)和宽度(W),计算各个阶段的α值,同时对比α值在单个玉米植株不同叶位之间的差异。然后分别建立线性、二次、对数等3类共5个叶面积估算模型,以RMSE、RRMSE和ARE 3个统计量作为评价指标,对各叶片面积估算模型的精度进行评价。【结果】对全生育期6个夏玉米品种的760个叶片的面积和长宽乘积进行线性回归分析,夏玉米叶片形状系数均值约为0.78;在被验证的5种叶面积估算模型中,叶面积模型LA=α×L×W,其中α=0.78时精度最高,其相对均方根误差(RRMSE)约为9.50%,绝对相对误差(ARE)约为6.96%。α值范围为0.72—0.87,并随玉米生育期的变化而变化,自三叶期到开花期逐渐增大到全生育期最大值0.87,开花后缓慢下降至0.78,其中开花期叶片的α值与开花前各阶段的α值存在显著差异,而与开花后各阶段的α值不存在显著差异。不同熟性的夏玉米品种之间叶片α值也只在开花、吐丝期表现显著差异。不同叶型叶片α值表现出不同的变化规律,三叶期到拔节前,短宽型叶片的α值大于细长型叶片,此后一直到成熟期,细长型叶片的α值则大于短宽型叶片。在单个植株不同叶位叶片之间,α值变异性明显,开花期、吐丝期、成熟期均呈现出两头大中间小的规律,其中植株中部棒三叶位置α均值最为稳定,为0.78,对应的标准差在0.05以内,而植株上部和下部α均值约为0.84,对应的标准差在0.03—0.10。其中拔节、抽雄期不同叶位叶片的α值不存在显著差异,而在开花、吐丝、成熟期则表现出显著差异。【结论】叶面积模型LA=0.78×L×W更适于估算田间夏玉米叶片面积,较一般采用叶片性状系数0.75时提高模拟精度(ARE)3.86%。应在不同的生长阶段和不同叶位分别采用不同的叶片形状系数,这样才能进一步提高玉米叶面积估算的精度。     

基于聚类法筛选历史相似气象数据的玉米产量DSSAT-CERES-Maize预测

根据陕西杨凌、合阳、长武3个站点各2 a玉米试验,在对玉米生长模拟模型CERES-Maize进行调试、验证的基础上,探索在生育期内进行动态产量预测的方法并验证.研究将目标生育期内未知气象数据分别用试验地的多年历史同期数据代替,结合生育期实时数据对应生成多个完整的气象数据序列运行模型预测产量.随着生育期的推进,逐日在气象数据序列中融入目标年实测的气象数据,从播种至收获动态模拟玉米产量.此外该研究使用改进前后的K-NN算法从历史气象年份中筛选目标年的气象相似年份进而预测产量.通过对3种方法预测精度及预测效率对比,确定改进的K-NN算法最优.研究表明,玉米生育前期产量预测可靠性和准确率均较差,抽雄后预测精度迅速提高;利用改进的K-NN算法在3个站点全生育期预测产量的平均绝对相对误差的均值分别为9.9%、19.8%、17.9%,抽雄后预测产量的平均绝对相对误差在0.2%~12.6%之间,相比于使用全部历史年份数据进行全生育期产量预测,模拟所需时间从61 min缩短至25 min.对该方法中降雨因子的筛选进一步改进可提高预报精度,未来有望达到业务应用水平.     

基于多元数据的夏季鸡舍环境质量评价及其对产蛋性能的影响

蛋鸡舍环境质量直接影响蛋鸡产蛋性能。为探究夏季蛋鸡舍环境质量及其对产蛋性能的影响,研究提出基于多元数据的分析方法,首先采集鸡舍内7类关键环境因子数据,按照热环境、光环境和气体环境分组,再根据改进D-S证据理论规则进行迭代融合,得到蛋鸡舍各检测点环境质量的综合评价结果,进而分析其对产蛋性能的影响。以夏季八层层叠式蛋鸡舍为试验鸡舍开展试验。结果显示：八层层叠式蛋鸡舍下四层的环境质量和平均产蛋率的最优位置均处于鸡舍前端;平均产蛋率最差的位置处于鸡舍中端,该位置环境质量综合评价结果为一般;上四层平均产蛋率最优位置为鸡舍中端,该位置环境质量综合评价结果为适宜;平均产蛋率最差位置和环境质量最差位置均为鸡舍后端（靠近风机端）。在试验鸡舍所有检测点中,平均产蛋率高于86%的检测点,环境质量综合评价结果大都为适宜,平均产蛋率低于86%的检测点,环境质量综合评价结果为一般或差,鸡舍内各检测点环境质量综合评价结果与平均产蛋率的变化趋势高度一致。该研究为准确评价蛋鸡舍环境质量,揭示蛋鸡舍环境质量对产蛋性能的影响提供了一种行之有效的方法。