植物声频控制技术的研究及应用进展

对植物声频控制技术的发展做了概述。1)该项技术的基础研究已由群体、个体、器官逐步深入到细胞和分子水平,包括光合和呼吸代谢、细胞周期同步化、生长激素、多种酶活性、可溶性蛋白和RNA的变化的研究,而技术的应用尚处于产业化的初期。2)在水稻、棉花、小麦和部分蔬菜上的试验示范和应用结果表明了该项技术的增产、优质、抗病和环保作用。特定频率的声波处理可提高作物产量:水稻盆栽试验增产幅度17.4%~39.7%,田间试验增产5.7%;棉花增产幅度6.0%~9.0%;小麦增产17.0%;设施蔬菜的黄瓜、青椒增产高达60.0%以上。声波处理还提高了农作物品质,如:水稻的整精米率和蛋白质含量分别提高了59.4%和8.9%;小麦的淀粉、蛋白质和脂肪含量分别提高了6.3%、8.5%和11.6%。应用该项技术可有效地减轻病虫害危害:水稻纹枯病减轻了50%;处理温室番茄的红蜘蛛、蚜虫、灰霉病、晚疫病、和病毒病分别较对照组下降了6.0%、8.0%、9.0%、11.0%和8.0%。另外,3年的水稻盆栽试验结果表明,应用声波处理可减少25.0%的化肥用量。水稻、棉花和部分蔬菜应用该项技术的投资产出比为1∶2~1∶3。3)该项技术的发展潜力巨大。...     

基于卷积神经网络的大白母猪发情行为识别方法研究

针对现有发情检测方法灵敏度低、识别时间长、易受外界干扰等缺点，根据大白母猪试情时双耳竖立的特征，提出一种基于卷积神经网络（Convolutional neural network, CNN）的大白母猪发情行为识别方法。首先通过采集公猪试情时发情大白母猪与未发情大白母猪的耳部图像，划分训练集样本（80%）与验证集样本（20%）用于后期训练。随后，基于AlexNet卷积神经网络构建分类模型（AlexNet_Sow），并对该模型的网络结构进行简化，简化后的模型包含2个卷积模块和2个全连接模块，选择修正线性单元(Rectified linear units, ReLU)作为激活函数，用自适应矩估计(Adaptive moment estimation, Adam)方法优化梯度下降，选择Softmax作为网络分类器，通过结合增强学习的方法对模型进行训练，得到模型应用于验证集的准确率达到99%。此外，设定了发情鉴定的时间阈值，并结合LabVIEW的Python节点用于模型应用。当公猪试情时，大白母猪双耳竖立时长达到76s时，则可判定其为发情。该方法对大白母猪发情识别的精确率、召回率与准确率分别为100%、83.33%、93.33%，平均单幅图像的检测时间为26.28ms。该方法能够实现大白母猪发情的无接触自动快速检测，准确率高，大大降低了猪只应激情况和人工成本。     

蛋鸡声音信号去噪方法对比分析

声音分析技术已成为研究动物行为、动物福利的一种重要工具,蛋鸡声音可用来评价其健康或福利状况,然而规模化蛋鸡舍中存在较多风机噪声等声源干扰,这对准确识别蛋鸡发声有很大影响。本文以海兰褐蛋鸡为例,预处理获取的声音信号,以减少风机噪声的干扰。利用数字化声音采集平台采集不同类型的蛋鸡发声和风机噪声音频,采用Lab VIEW软件进行声音信号处理并分析蛋鸡声音和风机噪声的时频特征。同时,对比分析不同去噪方法(IIR滤波器去噪、小波阈值去噪和改进谱减法去噪)在去除风机噪声方面的效果。结果表明,在信噪比为-8~20 d B声音环境下,改进谱减法均方根误差最小(0.03~0.38),算法运行耗时最短(6~7 ms),在实际应用中去噪效果较好,可为规模化蛋鸡舍中风机噪声环境下的蛋鸡声音信号处理和分析提供参考。     

笼养和栖架养殖模式下蛋鸡的发声特征

为了分析不同饲养模式和阶段对蛋鸡发声的影响,并为构建基于蛋鸡声音信息的健康养殖评价系统提供参考,该研究对蛋鸡的发声进行了监测,通过声音预处理、特征提取、数据挖掘和统计分析等方法,研究笼养和栖架饲养模式下、育成期和产蛋期蛋鸡的声学特征。结果表明,典型蛋鸡声音可分为产蛋叫声、鸣唱声、鸣叫声和争斗尖叫声等四类。产蛋期蛋鸡发声的峰值频率和声音能量水平均低于育成期蛋鸡。同时发现蛋鸡发声的峰值频率与蛋鸡周龄大小呈现负相关关系,由14周龄的(2 192±320)Hz降至41周龄的(1 550±345)Hz。比较笼养和栖架养殖模式下蛋鸡的声音特征发现:栖架养殖模式下蛋鸡发出的声音信号次数、持续时间和声音能量均高于笼养模式,栖架养殖下的蛋鸡发声数量是笼养模式下蛋鸡的3倍以上,栖架系统内蛋鸡白天的声音能量比笼养蛋鸡高接近1倍,这些结果表明在以福利化为目标的栖架养殖模式中蛋鸡表达更多的自然行为,蛋鸡发声的丰富程度可用于后续开发评价蛋鸡的福利状况的方法。     

基于机器视觉的猪体体尺测点提取算法与应用

无应激获取猪体的体尺、体质量,是猪福利养殖中的一个重要任务,为解决机器视觉提取自然站立姿态下猪体的体尺测点识别率低的问题,该文通过在线摄像机获取120d龄长白猪的彩色图像,以猪体体尺传统的测量位置为研究基础,结合猪舍现场实际情况,提出了复杂背景下猪体个体信息提取的算法、基于包络分析的猪体头部和尾部的去除算法以及具有一定弯曲姿态的复杂猪体体尺测点坐标提取的算法,并利用Matlab2010软件实现了其算法。验证试验结果表明:通过背景减法和去除噪声算法可去除背景干扰,有效识别猪体信息;测点提取算法可准确提取自然姿态下猪的个体轮廓,识别其体尺测点,实现了猪体的体长、体宽等体尺量算的9个体尺测点的坐标提取,经验证,对猪体体长的实测值平均相对误差最小,其平均相对误差仅为0.92%;其次为腹部体宽,其平均相对误差为1.39%;而对猪体肩宽和臀宽的检测误差较大,平均相对误差分别为2.75%和3.03%。本研究可应用于猪体无应激量算体尺、估算猪体体质量,为开展福利养殖提供了一种新方法。     

基于RBF神经网络的种猪体重预测

针对猪体生长参数之间具有一定的自相关性、部分参数与体重间呈非线性关系、通过线性回归模型预测猪体体重存在着自变量间共线性及拟合优度较低等问题,以52头长白母猪的生长参数为基础,通过最近邻聚类算法,构建了基于RBF神经网络的种猪体重预测模型。通过线性回归检验法对种猪体重预测值与实测值进行分析,发现基于RBF神经网络的长白种猪体重预测模型的拟合优度R2为0.998,而线性回归模型的R2为0.891。结果表明：通过RBF神经网络方法建模,消除了线性回归分析中自变量的共线性问题,预测效果优于线性回归模型。     

植物声频控制技术对棉花生产的影响

为探讨植物声频控制技术对新疆大田棉花生长发育和产量的影响,为该技术在棉花生产中的应用提供科学依据。该试验设5个点,每个点分声波处理和对照2个区。声频区通过QGWA-01型植物声频发生器定期给作物播放特定频率的声波,以测定声频及声强对棉花生产的影响。通过3 a的对比试验表明,声波处理促进了棉花的营养生长,其中处理区棉花的株高、倒四叶宽（功能叶）和果枝数量分别较对照增加了1.17%、5.25%和1.14%;处理同时促进了棉花的生殖生长,其中,棉铃数和单铃重分别提高了9.22%和3.34%。声波处理使棉花3 a的增产幅度在11.1%～13.5%,差异显著,平均增产12.7%,在一定范围内,声波的增产效应与距离声源的远近呈负相关。研究证明了植物声频控制技术对棉花营养生长和生殖生长均有促进作用,可作为植物声频控制技术推广应用的理论基础。     

密闭式鸡舍环境自动控制系统

不同生长阶段的鸡群对其生长环境不同的要求，据此设计了密闭式鸡舍环境的自动控制系统及监控软件。采用单片机技术，实现了密闭式鸡舍以鸡龄为基准的温度、光照度等环境因素的闭环控制。介绍了该系统总体设计思路及硬件、软件设计方案。     

分布式网络控制技术在温室中的应用

(接上期)三、传感器及执行设备(现场设备)智能化3.1 智能节点概述现场设备是FHC系统的基础,是直接与生产过程相连接的设备。诸如温湿度传感器、液位传感器、风速仪以及电动机等都属于此类设备。FHC系统与传统的控制系统相比,最大的特点就是现场执行机构实现了智能化,具备了独立运行的能力,现场设备诸如温湿度传感器、液位传感器、风速仪以及天窗传动机构等都具有了智能。这意味着现有的常规模拟设备进入了一个完全不同的变革时代。现场设备与上层过程控制级或监控级实现了双向多变量数字通信,全数字信号标准取代了曾经长时间应用的4mA～…     

温室覆盖材料传热系数测试台的研究开发

研究开发了基于热箱法原理的园艺设施覆盖材料传热系数测试台，这是适应于园艺设施覆盖材料传热方式和工作环境特点的专用实验设备。该测试台依靠制冷、加热、风机、整流和除湿等调控装置，可全面稳定地模拟实现接近园艺设施覆盖材料实际工作的环境，包括设施内外气温、室外风速和天空辐射背景等条件，可以真实地反映各因素对覆盖材料传热的影响。测试台的测试条件可方便地调节，同时具有较高的测试精度。