兴义矮脚鸡产蛋母鸡就巢行为与产蛋行为相关性研究

为研究原生态放养条件下兴义矮脚鸡产蛋期就巢行为,选用360羽20周龄、品种特征一致且健康无病的兴义矮脚鸡产蛋母鸡,将它们随机分为6组,每组60羽,进行分区饲养观察。结果表明,兴义矮脚鸡产蛋母鸡产蛋前期(25~28周龄)的产蛋行为会随着母鸡年龄的递增而增加,29周龄后产蛋行为表现频繁(78.14%),就巢行为增加至频繁;而产蛋后期(44周龄后)的产蛋行为显著减少(60.96%),就巢行为不显著。     

肉仔鸡采食行为及其影响因素的研究

采食行为是动物从外界环境获取营养物质，以维持新陈代谢和个体生命活动的一种重要行为，也是福利状况的重要体现。本文在国内外相关研究的基础上，综述分析了肉仔鸡采食行为及其影响因素，主要包括饲料因素、环境因素（温度、光照）、饲养管理（饲养方式、饲养密度）等，旨为促进肉仔鸡采食行为的表达、提高其生产性能及福利水平提供参考依据。 [关键词] 肉仔鸡|采食行为|影响因素     

绿色食品认知水平与购买行为调查分析——以四川绵阳市为例

通过对绵阳市城镇居民绿色食品的认知情况和购买行为方面的调查,发现大部分受访者对绿色食品只停留在浅显的知晓程度,而并未达到深入了解与正确区分。根据调查结果对当前绵阳市绿色食品的发展提出相关建议。     

干旱区农户灌溉方式选择的影响因素--以河北省张北县为例

对于干旱缺水的华北地区,推动节水灌溉被认为是可以有效减少农业用水的措施,近年来我国政府也加大了对该地区农业节水技术的投资力度。但由于缺乏对采用农业节水技术影响因素的深入了解,在很大程度上阻碍了节水技术的大面积推广。本文基于河北省张北县的实际调研数据,从地块特征、农户自身特征以及社会环境因素三个方面,采用多项Logit和决策树两种模型对比研究了干旱区农户选择灌溉方式的影响因素;同时构建了一般线性模型,分析了农户采用现代社区型节水技术程度的影响因素。结果表明:政府扶持是农户选择现代社区型节水技术的关键因素,其次是地块面积和家庭水浇地经营规模,但这三个因素对采用该技术程度的影响并不显著。此外,农户的年龄、受教育程度以及土壤类型对灌溉方式选择及其采用程度都具有重要影响,但农户所感知的水资源供求状况没有显著影响。     

生产者质量控制认知及行为一致性检验——以牧区肉羊养殖户为例

为了解生产者质量控制认知与行为间的一致性问题,基于新疆、内蒙古和青海3省(自治区)的调查数据,对肉羊养殖户的质量控制认知与行为一致性进行检验,并深入探索其动因。结果表明:当前受访肉羊养殖户质量控制认知水平较低,质量控制行为采用状况较好,但质量控制认知对其行为的解释能力较弱,两者相关性较小;肉羊养殖户较高的养殖专业化程度、参与养殖合作社、签订销售合同及进行质量安全检查等均有助于提高其质量控制认知与行为水平;越高的受教育程度越有助于增强质量控制认知,而参加养殖技术培训有助于改善质量控制行为。需加强肉羊相关新型经营主体的培育与完善、重视肉羊养殖主体间的协作及协作组织的作用,完善肉羊及羊肉市场与政府及相关部门相结合的质量监管体系。     

农业生产者农药与化肥施用行为影响因素及建议

农药与化肥是一种重要的农业生产资料,在农作物的生长过程中起着举足轻重的作用,而农业生产者对农药、化肥的施用行为直接影响着农产品质量安全及土壤健康。本文通过对农业生产者化肥、农药施用行为的调查,总结出农业生产者农药、化肥施用行为影响因素,并提出建议,以期转变生产者落后的施肥用药观念,促进农产品质量安全和农业绿色可持续发展。     

基于消费者购买行为的高校招生策略研究

由于高校之间的生源竞争日益激烈,想要能够在竞争激烈的教育市场中占有一席之地,高校就要努力地"营销"自己,获得"消费者"——考生认可。运用消费者购买行为理论,通过对本科生报考志愿决策过程的分析,针对不同阶段考生的需求,提出相应的招生策略改进建议,使考生能最终做出选择决策,达到提高高校宣传效果,形成吸引相应优质学生群体的有效招生策略。     

三氯生对红白鲫运动行为的影响

利用视频跟踪系统研究三氯生(TCS)对红白鲫运动行为的影响。将红白鲫(red-white crucian carp)暴露在5种不同浓度的TCS(0.50、0.60、0.70、0.80和0.90 mg/L)水体中,视频记录5 min内红白鲫的运动轨迹(运动轨迹线、摆动次数)、游动速度和垂直穿梭次数的变化。同时,进行TCS(0.60、0.69 mg/L)对红白鲫的14 d暴露实验,暴露实验结束后,2 min内监测上述指标。结果显示:短期TCS暴露,红白鲫的运动轨迹条数、摆动次数、垂直穿梭次数、运动速率显著增加;暴露14 d后的红白鲫上述运动行为学指标显著降低。结果表明:在一定浓度范围内,TCS能够改变红白鲫的运动行为。     

基于YOLO v3与图结构模型的群养猪只头尾辨别方法

在利用视频监控技术对群养猪只进行自动行为监测时,对猪只准确定位并辨别其头尾位置对提高监测水平至关重要,基于此提出一种基于YOLO v3(You only look once v3)模型与图结构模型(Pictorial structure models)的猪只头尾辨别方法。首先,利用基于深度卷积神经网络的YOLO v3目标检测模型,训练猪只整体及其头部和尾部3类目标的检测器,从而在输入图像中获得猪只整体及头尾部所有的检测结果;然后,引入图结构模型,描述猪只的头尾结构特征,对每个猪只整体检测矩形框内的头尾部位组合计算匹配得分,选择最优的部位组合方式;对部分部位漏检的情况,采取阈值分割与前景椭圆拟合的方法,根据椭圆长轴推理出缺失部位。在实际猪场环境下,通过俯拍获得猪舍监控视频,建立了图像数据集,并进行了检测实验。实验结果表明,与直接利用YOLO v3模型相比,本文方法对头尾定位的精确率和召回率均有一定提高。本文方法对猪只头尾辨别精确率达到96.22%,与其他方法相比具有明显优势。