设施农业3G+VPN远程监控系统的设计与实现

为解决国内部分设施农业园区地处偏远,急需远程监控,但有线网络接入成本高,多数设施所在地区有线网络接入困难的问题,基于3G(the 3rd Generation)无线上网卡+无线路由器的无线通信模块,采用VPN(virtual private network)技术、PPTP(point to point tunneling protocol)技术等设计具有通用性、部署方便、成本低、通信线路长时间稳定的远程监控系统。该系统解决了3G私有IP寻址困难的问题,为设施农业数字化技术应用提供了高带宽且价格低廉的双向无线网络解决方案。实际应用结果表明:该系统可从Internet远程监测基地环境参数,调控基地服务器设备及观看到流畅清晰的实时视频(视频服务器码率预设为512 kbit/s)。     

蛋鸡养殖过程中海量数据自动处理系统

采用分时变频的采集模式,应用Java媒体框架模型,设计并实现了蛋鸡养殖过程中海量数据自动处理系统。系统既可同步采集和保存关键的环境、图像及音频信息,又能减少存储空间、降低存储成本和加速查询速度。系统运行结果表明:依据采集设备及采集参数设置的不同,单采集点一天采集的音频及图像数据量为200～400 MB,一年采集的数据量为70～140 GB。系统同时提供了以采集时间戳为索引的多源信息同步查询及同步展示模块,可复原大部分生产过程场景。     

基于LabVIEW平台的蛋鸡栖架分布监测系统设计与实现

蛋鸡栖架系统是一种用于提高蛋鸡福利水平的新型立体散养系统,其中系统中栖架设置的位置、数量及栖杆尺寸是否符合蛋鸡需求,仍需要进一步观察。研究中发现,目前还没有好的实时统计栖杆上蛋鸡数量的方法,而常用的人工统计不仅效率低,而且易造成蛋鸡应激。为此,该文基于实时采集蛋鸡在饲养过程中上栖架的频次、所处位置等数据的需求,利用LabVIEW平台开发了一套蛋鸡栖架分布实时监测系统。针对该系统平台结构设计、系统校准原理与方法、栖杆分布数据采集与分析等问题进行了相关研究。结果表明:系统运行稳定,系统提供的蛋鸡分布数据与人工识别现场蛋鸡分布的数据相比,平均准确率为99%,可为新型栖架离地立体散养系统设计中的蛋鸡栖架布置形式、栖架优化等提供数据支持。     

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。     

湿帘风机降温系统安装高度对降温效果的影响

针对夏季温室内气温的垂直梯度大于10℃的问题,进行了湿帘风机安装高度对降温效果影响的对比试验。试验结果表明:对于冠层高度不超过2m的低矮作物,普通安装高度(湿帘高0.9m、风机高0.5m左右)时,中、下层温度分别在30℃和28℃左右,可以满足作物生长发育的温度要求;但对于番茄等植株高大的作物,其冠层常达到温室上层的高温区(34~35℃),适当提高安装位置(湿帘高2m、风机高1m左右),使得风机的流速场高于植株冠层顶部0.5m左右,使作物冠层的空气温度只有29~31℃,气温的垂直梯度只有4℃左右。     

种猪体重三维预估模型的研究

在利用图像处理技术实时预估活体猪体重中,选用的预估模型对能否获得较好精准性至关重要,同时也影响图像处理算法实现的复杂性、稳定性及高效性。该文在充分考虑猪的体形特点及其与猪体重影响因素的基础上,将猪体的头部和躯干分别近似为圆锥体和圆柱体,以此建立种猪体重的三维预估模型。经与实测数据比对,表明该预估模型具有较好的准确性,为实现猪体重的无损测量提供了一种新的方法。     

基于机器视觉的猪体质量估测模型比较与优化

基于机器视觉的猪体质量估测模型较多,但模型缺乏在实用性、准确性的对比,最佳模型没有定论。该文总结了已有的估测算法,基于79组背部图像面积、实际面积、体长、体宽、体高、臀宽、臀高数据,使用线性回归、幂回归、二次回归、主成分线性回归、RBF(radial basis function,径向基函数)神经网络等方法,重建了13种体质量估测模型,并比较了13种模型的估测精度。结果表明,基于体长、体宽、体高、臀宽和臀高的线性回归模型具有较好的估测精度,估测值与真值的相关系数达到了0.996。利用主成分法去掉体尺的共线性,利用曲线回归解决残差不均匀问题,更加符合猪体质量增长趋势,结果表明基于主成分的幂回归模型具有较高的相关系数和较低的标准估计误差,对于97组数据的估测平均相对误差为2.02%。使用猪场实测24组数据验证模型,估测质量与测量值相关系数为0.97,估测平均相对误差为2.26%,标准差为1.78%,优于基于面积和面积体高结合的估测模型,平均绝对误差为2.08 kg,优于面积体高结合方法的平均绝对误差。试验证明使用多个体尺的主成分幂回归体质量估测模型较为精确,可用于机器视觉估测猪体质量的应用中。     

大型蛋鸡养殖场数字化应用平台设计

针对我国大型蛋鸡养殖场在生产管理信息化方面存在的不足,构建了大型蛋鸡养殖场的数字化平台。该平台包含了基于以太网的信息获取模块、基于音视频的远程交互式诊断系统和基于B／S架构的生产信息管理模块,通过对信息的整合,为生产管理与决策提供了更多的数据和技术支持。将该系统应用于大型养殖场,有利于提高管理效率和生产效益,为解决家禽规模化养殖在信息技术应用方面的瓶颈提供一个解决方案。     

深度学习在猪只饲养过程的应用研究进展

随着人工智能技术的兴起,深度学习技术发展迅猛,在图像及音频识别、自然语言处理、机器人技术、生物信息学、化学和金融等领域中应用广泛,也是目前发展精细畜牧业重要工具。养猪业是中国的重要农业产业,生猪的体况、行为及健康状况直接影响猪场的收入水平,通过深度学习技术可以快速、准确地了解猪只的相关信息并进行精确管理,提高猪只饲养效率及动物福利水平。该研究阐述了深度学习在目标猪只检测、猪只图像分割、猪只体况及异常监测、猪只行为识别上的应用现状,提出了深度学习技术在猪只饲养过程中的改进策略,以方便研究人员快速了解其研究进展。同时总结和分析了深度学习技术在猪只饲养过程中关于数据来源及数据集、应用范围、模型优化的不足与展望,提出应建立适用于猪只领域的公共数据集和统一的数据集标准,扩大深度学习的应用范围,优化DL模型以满足实际任务需求,将深度学习应用于猪场生产实践中。该研究旨为提高猪只福利化养殖和猪场经济效益提供依据,以推动深度学习在猪只饲养过程中应用的进一步发展。     

蛋鸡发声与机械噪声特征提取及分类识别

规模化蛋鸡舍中不同机械设备运行所产生的噪声会干扰蛋鸡声音提取。为了分析分类识别蛋鸡发声与机械噪声的可行性,该研究以蛋鸡产蛋发声、鸣唱声和规模化蛋鸡舍中通风系统、饲喂系统、清粪系统、集蛋系统单独运行时的噪声为研究对象,运用LabVIEW软件提取了蛋鸡发声和机械噪声的功率谱密度,以子带功率比为特征向量,在数据挖掘平台Weka上应用J48决策树算法构建声音分类识别器。结果表明,蛋鸡产蛋发声和鸣唱声的最大功率比位于频率范围689~1 378 Hz内,通风系统噪声和饲喂系统噪声的最大功率比位于频率范围0~689 Hz内,清粪系统噪声和集蛋系统噪声的最大功率比位于频率范围1 378~2 756 Hz内;该声音分类识别模型的平均识别率为93.4%,其中蛋鸡鸣唱声和产蛋发声的识别率分别为85.9%和92.5%,机械噪声的分类识别率更高,说明基于子带功率比的声音识别方法具有较好的识别效果,该结果为规模化蛋鸡养殖舍复杂声音环境中检测蛋鸡声音提供了参考。