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。     

基于图像规则推理的玉米病虫草害诊断系统的设计

为解决因植保人员短缺而使玉米病虫草害不能及时得到诊断与防治,导致玉米生产减产乃至绝产的问题,本研究基于不同发病部位的病症及虫害、草害的图像知识和文本知识,采用二叉树检索算法,设计开发了玉米病虫害诊断专家系统。实际应用结果表明:系统可实现对病虫草害图像、文本和图像推理规则等知识的管理及病虫草害智能推理诊断等功能;可实现对虫害草害实现指认式诊断、解释推理过程和推理结论。通过该系统推出的玉米病虫害诊断结论,农户可针对病虫草害种类及危害程度及时防治病虫害,减少玉米生产损失。     

基于LabVIEW的气象传感器采集数据管理系统设计与实现

针对便携式DAVIS气象站所配置的Gro Weather软件存在的数据共享不足等问题,利用LabVIEW虚拟仪器开发平台,结合数据采集技术和传感器技术,设计了一套用于气象传感器采集的数据管理系统。系统在继承Gro Weathe揿件原有基本功能的基础上,开发了数据接口功能模块,以便于气象数据的自动存储、管理和共享,实现了Gro Weather软件自动下载的download．txt文本文件内容读取、数据存储和气象数据条件查询等功能。     

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。     

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。     

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。     

基于尿液激素母猪发情辅助检测分析

针对传统母猪限位栏圈养查情工作量大、效率低的关键生产问题,对母猪尿液中雌二醇(E2)和促黄体生成素(LH)2种激素进行测定,研究利用激素质量浓度和水平变化规律辅助检测断奶后母猪发情行为的可行性,并为开发试纸快速检测提供参考阈值。结果表明:1)尿液中雌二醇、促黄体生成素的质量浓度和水平在发情周期内呈规律性变化,在人工常规查情确定为发情时均达到峰值,分别为494.87 pg/mL和22.52 miu/mL;2)基于促黄体生成素阈值辅助查情准确率为87.50%。基于母猪尿液激素规律变化,可以实现对断奶母猪发情的快速检测筛查,在母猪辅助查情配种环节具有较大应用潜力。     

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)。     

复杂环境中蛋鸡识别及粘连分离方法研究

提出基于Lab颜色模型的蛋鸡与背景自动分割方法和基于极限腐蚀和凹点搜寻的粘连蛋鸡分离与计数算法.实验前期将通过计算机视觉系统获取的RGB图像转换成Lab图像,每张图像中均选取蛋鸡及最接近蛋鸡颜色的背景2个小样本区域,分别计算这两类区域在a、b分量的数学期望作为分割阈值.随后将采集的图像像素聚类于与a、b分割阈值的欧氏距离最小的区域,从而实现蛋鸡与背景区域的自动分割.针对经常出现的蛋鸡群聚造成蛋鸡个体之间相互粘连的情况,研究利用改进的极限腐蚀及凹点搜寻处理算法分离出独立的蛋鸡并正确计数.108幅蛋鸡图像识别结果表明,该算法能将蛋鸡个体从复杂背景中有效提取、计数和粘连分离,蛋鸡计数正确率为93.5％,综合分离正确率为89.8％.     

栖架养殖模式下蛋鸡发声分类识别

针对栖架养殖模式下蛋鸡的发声,采用频谱分析技术,运用音频分析软件Sound Analysis Pro提取不同行为状态下的发声图谱,采集其声学参数作为特征向量,应用J48决策树算法、朴素贝叶斯理论和支持向量机模型分别构建蛋鸡发声分类识别器,利用开源的数据挖掘平台Weka 3.6进行实验。结果表明,栖架养殖模式下,7:00~8:00的蛋鸡发声中,产蛋叫声、愉悦叫声分别占全部发声的42.2%、21.6%,相比于传统的笼养模式,有效地表达了蛋鸡生长过程中的自然行为和生理活动;基于J48决策树算法的蛋鸡发声分类模型识别率最高,达到88.3%,具有较好的识别效果,可运用于蛋鸡发声的实时监测和不同情感的分类识别。