温室环境控制系统的发展及现存问题

概述了在温室环境控制系统的现状,详细阐述了各个方向的发展过程、现有传感器布置方式及发展趋势,指出现有的温室环境控制系统信息获取准确性的不足,提出需要优化布置温室内的传感器,使获得的信息能准确地反映温室内的状况;需要综合利用来自多传感器的信息,提高测控系统的性能,提高温室环境的控制效果和减少调控所需的能源消耗的问题,提出在设计温室环境控制系统时,应考虑传感器的布置方式和数据处理的方法。     

分布式网络控制技术在温室中的应用

自20世纪90年代以来,随着计算机技术、农业应用电子技术、传感器智能化技术、机械电子一体化技术和计算机网络技术研究的发展,设施农业技术体系已经成为主要发达国家面向21世纪,为合理利用农业资源,提高农产品产量、降低生产成本、保护生态环境、提高农产品在国际市场竞争力的前沿性研究领域。发达国家的农业已达相当高的工业化程度,世界各国为争夺农业高科技的制高点,争夺农产品的世界市场份额,都纷纷加大了设施农业的技术投入,荷兰、日本、美国、以色列、德国等国家呈群雄并起之势,微电子技术在设施农业中研究应用已经相当普遍,设施农业建…     

上排风方式在华北型连栋温室夏季降温中的试验研究

针对华北型连栋温室夏季降温系统存在的内遮阳网上部高温区通风不足的问题,提出了一种新的通风降温模式：上排风 湿垫 内遮阳网。对该模式的夏季降温效果进行了试验研究,结果表明,在外部平均温度为29．8℃时,通过上排风方式可以降低温室内部温度3．4℃;上排风方式与下部纵向通风方式相比,节能率达到9．6％。该降温模式对温室的夏季降温有一定的效果。     

基于深度卷积网络的育肥猪体重估测

为快速、无应激、准确地获取育肥猪体重数据,采用深度卷积网络对育肥猪体重进行了估测。结果表明:1)在改造后的Xception、MobileNetV2、DenseNet201和ResNet152V2 4种模型中,DenseNet201模型体重估测效果最好,在验证集上估测的相关系数为0.993 9,均方根误差为1.85kg,平均绝对误差为1.10kg,平均相对误差1.57%,被选为本研究所用的育肥猪体重估测模型;2)在测试数据上考察了该模型的泛化效果,其估测的相关系数为0.976 7,均方根误差为2.75kg,平均绝对误差为2.10kg,平均相对误差3.03%,效果良好;3)该模型的平均估测时间为0.16s,其处理速度远快于传统方法,更适合用于育肥猪分群系统、母猪饲喂站等对猪只体重获取速度要求严格的场合。综上,深度卷积网络模型可用于快速估测育肥猪体重,为猪场的自动化、智能化和无人化管理提供依据。     

黄瓜幼苗生长信息的无损监测系统的应用与验证

初步探讨了利用计算机视觉技术，在试验温室条件下，对单株黄瓜幼苗的生长实行无损监测。分别对叶面积和干鲜重的破坏性测量与计算机视觉无损测量结果相比较，通过相关性分析，计算机视觉测量的叶冠投影面积与激光叶面积仪测量的叶面积决定系数为0.976，与茎叶干、鲜重的决定系数分别为0.874和0.914。试验证实计算机视觉无损监测系统可以对植物的生长参数进行比较可靠的预测。     

基于计算机视觉技术估算种猪体重的应用研究

为了解决在种猪体重测量中传统方法所遇见的问题，该研究初步探讨了一种新方法，即把计算机视觉技术应用到种猪饲养管理中，通过数字图像分析技术，测量和计算种猪的投影面积，并分析其与体重的相关性，为种猪体重测量提供了新的依据。结果显示去除头部和尾部后剩余身体部分的投影面积和体重的相关性极大，相关系数可达到0.94，再与人工测量的结果进行对比，相对误差不超过2.8%。试验证实了利用这种无接触的方法来估测种猪的体重，可以减少人力物力，避免由于猪的应激反应而给生产带来的损失，在种猪的科学饲养管理中具有实用意义。     

基于虚拟仪器技术的温室覆盖材料传热系数测试系统

利用虚拟仪器技术设计了温室覆盖材料的热工性能测试台的测试系统TMS(Thermal Measurement System)，阐述了系统的测试原理和方法，给出了硬件组成、软件设计和传感器的选用，以及数据处理优化算法的实现。该系统可完成测试台的温度、风速、加热功率参数的采集及覆盖材料传热系数的计算，应用该系统既提高了测试精度又节省劳动力，提高了测试效率。     

基于图像和声音技术的种鸡舍内异常事件监测方法

针对种鸡养殖规模不断扩大,饲养员无法靠人工方式实现鸡舍24h连续监测并及时发现舍内异常状况的问题,提出一种非接触式、24h连续、自动化的监测方法,采用Kinect设备同步采集图像和声音数据,基于LabVIEW软件分析并预警鸡舍内的异常事件。该方法将图像和声音技术相结合,获取种鸡群体日平均活动指数和声音能量,对禽舍内影响种鸡生产性能的异常事件进行预警研究。结果表明,该方法预警异常事件的准确率为73.9%,漏诊率0,误诊率26.1%,相比于单一图像或声音监测手段,该方法能够较全面地监测影响种鸡生产性能的异常事件,为深入研究动物行为和动物福利提供了一种有效的参考手段。     

植物声频控制技术在设施蔬菜生产中的应用

植物声频控制技术是对植物施加一特定频率的声波处理,该声波要与植物自发声的频率相匹配,发生谐振,从而增强植物的光合作用和细胞分裂同步化,促进植物的生长发育,提早开花结实。该文概述了植物声频控制技术在设施蔬菜甜椒（Capsicum frutescens L.）、黄瓜（Cucumis sativus L.）和番茄（Lycopersion Mill）上的应用研究。试验结果表明,植物声频控制技术明显地提高了设施蔬菜的产量（甜椒、黄瓜、番茄分别增产63.05%、67.0%和13.2%）,并增强了它们抗病虫害能力,与对照区相比,番茄处理区的红蜘蛛、蚜虫、灰霉病、晚疫病和病毒病分别下降了6、8、9、11和8个百分点。     

基于深度图像的猪体尺检测系统

为实现生猪饲养过程中体尺无接触检测,设计了一套基于双目视觉原理的猪体尺检测系统。针对色彩图像提取猪体轮廓易受污物和光照干扰的问题,提出基于深度图像的猪体轮廓提取算法。使用双目视觉系统获得猪体深度图像,利用帧差法提取猪只高度信息,并基于高度信息二值化图像,获得猪体轮廓;结合优化的基于凹陷结构的拐点提取算法,筛选体尺检测关键点,计算体长、体宽、体高、臀宽、臀高5个体尺,编写了基于以上算法的猪体尺检测程序。双目视觉系统三维检测的实验室验证表明:在2 m物距范围内,系统三维检测相对误差均小于1%;系统在实际猪场对32组猪体尺检测结果表明:与手工测量猪体尺相比,本系统检测的体尺平均相对误差在2%左右,平均误差小于2 cm。试验证明基于深度图像的猪体尺检测系统不容易受到脏污和光照干扰,能够实现生猪饲养过程中猪体尺的无接触检测。