虚拟温室的漫游及可控组件动画的实现

借助于虚拟温室可控组件的动画及其围护结构的漫游,可再现真实温室微气候环境的特点和规律。首次在VC 6．0MFC下,运用3DS max,OpenGL和全景技术绘制了温室的围护结构,实现了温室中可控组件的动画显示,同时设置了温室围护结构的漫游。实际应用结果表明,模拟得到的虚拟温室微气候环境与实际温室比较吻合。模拟效果好。     

不同笼养条件下蛋鸡健康与福利的比较研究

研究不同笼养条件下蛋鸡的健康和福利状况。选取位于北京地区的3家商品蛋鸡场,场A、B、C,其饲养密度分别为411、420和450 cm2/只。对夏季不同蛋鸡场内环境参数及空气中NH3、CO2和H2S的质量浓度进行测定,记录蛋鸡的产蛋性能和死亡率,分析异常行为的发生频率。结果表明:场C的即时风速、最大风速和平均风速均显著高于场A和B(P<0.05),场C和A的空气温度、风寒温度、应激温度、露点温度均显著低于场B(P<0.05)。NH3和CO2质量浓度各场均有显著差异(P=0.003和P=0.011),其中均以场C最低,分别为1.00和83.73 mg/m3;H2S质量浓度低于测定下限1.00 mg/m3。观察发现,场C鸡群比场A和B鸡群对外界敏感性强。蛋鸡外观评分各场差异不显著,但蛋鸡步态评分及鸡蛋污损评分各场差异显著(P=0.042和P=0.023),其中步态评分场C显著高于场A和B(P<0.05),鸡蛋污损评分场C显著低于场A和B(P<0.05)。各场中蛋鸡异常行为的发生频率无显著差异。场C入舍母鸡产蛋量显著高于场A和B(P<0.05),平均蛋重、料蛋比、平均产蛋率、高峰期产蛋率、腿病发生率、产蛋疲劳症发生率、死亡率各场均无显著差异,但场C蛋鸡生产周期显著短于场A和B(P<0.05)。3家商品蛋鸡场饲养环境、管理措施等综合因素造成的差异远大于单纯饲养密度造成的差异,为了提高现阶段我国笼养蛋鸡的健康和福利状况,应该更加重视蛋鸡整体养殖环境和管理措施的改善。     

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。     

美国蛋鸡产业安全生产技术发展考察报告

国家蛋鸡产业技术体系部分岗位专家受美国蛋业中心的邀请,参加美国蛋品中心第三届年会,文章介绍了美国蛋鸡产业发展概况、美国的鸡蛋质量保障计划以及美国鸡蛋安全计划对我国蛋鸡产业的启示。借鉴美国的发展经验对于提高我国蛋品安全水平和促进蛋鸡产业的健康可持续发展,具有重要的现实意义。     

规模化蛋鸡养殖场网络视频监控系统的应用

目前,中国蛋鸡产业化及规模化生产有了较大发展,但与国外先进的养鸡生产企业相比还有较大差距.规模化蛋鸡养殖除了依靠育种、饲料等领域的科技进步外,急需改进养殖工程的工艺及配套建设、设备及环境控制技术.     

基于点云数据的猪体曲面三维重建与应用

针对动物体型参数人工测量工作量大、精度低、应激大等问题,以120日龄长白猪标本为研究对象,利用逆向工程技术,通过激光三维扫描仪,采用三角测距原理,计算了目标点三维坐标数据,获取了猪体点云数据。通过Polygon Editing Tool Vel.2.40软件,进行点云数据预处理,基于不规则三角网,重构了猪体的三维曲面模型。进而提取了猪体的体长、体宽、臀宽、体高、臀高、胸围、体表面积、体积等体型参数。结果表明:通过激光三维扫描仪,获取了272 021个点数据,重构了猪体三维曲面模型,包含544 042个多边形;对比分析三维模型的体型参数检测值与实测值,其体长、体宽、臀宽、体高、臀高、胸围等体型参数检测最大相对误差仅为0.42%,平均相对误差为0.17%。该方法测算精度高,工作量少,且对猪体无应激,可为猪体质量估测模型提供高精度体尺数据支持,也可为动物体型其他参数获取提供技术参考。     

深液流栽培番茄根际氧环境的试验研究

采用浮板毛管法（FCH）栽培系统,进行了营养液充氧与否,与番茄生长发育状况、果实营养品质等方面的试验研究。结果表明：在采用改进FCH进行番茄长季节栽培时,充氧与否对番茄长势、产量没有影响,但对番茄果实的营养品质有一定的影响。营养液中充氧不改变果实中可溶性固形物的含量,但可以降低硝态氮的含量,同时会减小糖酸比。     

基于Kinect传感器的无接触式母猪体况评分方法

为了提高母猪的繁殖性能,减少传统方法给动物和估测人员带来的不利影响,该研究提出了一种可应用于实际生产中的准确、无接触式的母猪体况评分(body condition scoring,BCS)方法。试验使用Kinect传感器获取108组母猪臀股的三维图像,选取48组图像进行分析处理,计算出臀部的高宽比、臀股面积及曲率半径。试验结果表明:母猪臀部的高宽比、臀股面积和曲率半径与背膘厚度的相关系数分别为0.567、0.502、0.951;以曲率半径作为主要参数建立母猪体况估测模型。取剩余60组图像进行验证,估测模型计算结果与经验方法评估结果差异较小,准确率达到91.7%;结果表明,基于三维重构技术的Kinect传感器能够实现母猪在饲养管理过程中对体况的无接触式检测。     

基于机器学习的猪场用户流失分析

为实现养殖互联网平台用户的自动化运营,防止用户流失,采用区间估计和机器学习建模方法,对猪场用户的平台使用情况进行用户流失分析。结果表明:1)猪场规模越小,用户流失的概率越大,其中500母猪数x≤1 000的猪场规模用户流失的概率最小,属于忠诚用户;2)使用决策树算法、kNN算法、贝叶斯分类算法进行猪场用户流失分析建模,3种分类算法中,从平均识别率(F_1度量)考虑,决策树模型的平均识别率(0.93)高于kNN模型(0.91)和贝叶斯分类模型(0.80),选择决策树算法用于平台用户流失分析建模是可行的。本研究所构建的猪场用户流失分析模型,可为养殖互联网平台的猪场用户研究提供可靠的数据模型,实现平台用户的自动化运营,也可为其他类型的用户研究和产品设计提供参考。     

基于分布式流式计算的蛋鸡养殖实时监测与预警系统

为实现蛋鸡养殖生产过程参数实时监测与预警,研发了基于分布式流式计算框架Data-Canal的蛋鸡养殖实时监测与预警系统。Data-Canal是面向数据流的分布式计算框架,使用控制流集中、数据流分散的模型,以分布式文件系统为中间结果的存储,支持异地多数据源的实时采集和处理。系统以Data-Canal为基础设施,在具有一定扩展性的情况下,保证实时性。系统采用Brower/Server模式,用户通过浏览器即可访问,提升了信息共享的便捷性。系统实现了规模化蛋鸡生产过程实时数据采集与展示、生产信息管理、实时预警、决策分析和系统管理功能,对蛋鸡养殖全生命周期进行了全方位的管理。运行效果表明,该系统可以解决规模化蛋鸡生产过程中产生海量数据信息化和实时处理问题,在部署8台机器的情况下,Data-Canal集群的处理能力峰值达到160 MB/s,延迟在分钟级别,在线上实验环境中,Data-Canal集群每天处理约25 GB的数据,而且系统后期维护和升级都极为便利。