宽皮柑橘对辊式剥皮机的设计与试验

为改善目前宽皮柑橘加工业中以手工去皮为主的现状,提高柑橘剥皮效率,该文根据宽皮柑橘果皮包着宽松,易与果肉分离等特点,设计了一种可以实现快速去皮的宽皮柑橘对辊式剥皮机。柑橘进入设备后,在刮板的带动下翻转向前运动,运动过程中不同形式且相向转动的剥皮辊夹持并撕扯翻起的果皮,从而将果皮从柑橘上整体剥离。该样机主要由机架、传动装置、对辊装置、拨动装置和下料装置等部件组成,具有结构紧凑,果皮分离能力强等特点。试验结果表明:样机可以很好地完成剥皮功能,宽皮柑橘果皮去净率高于97.5%,果肉损伤率低于2.68%,生产率达到202.5 kg/h,基本满足生产需求。该研究可为中国柑橘加工业中自动去皮设备研制和发展提供参考。     

无线Mesh网络下的猪舍环境监测综合系统设计

为研究猪舍内环境因素的变化规律,获取有害气体排放量及其浓度在猪舍中长时间和多测点的实时测量数据,设计了一种无线Mesh网络猪舍环境监测综合系统。在Mesh网络结构下,可大量扩充传感器节点的种类和数量,并保证通讯的可靠性。该系统基于TinyOS,根据DSDV路由协议设计实现节点间的数据多跳传输,采用数据库以及网络技术,设计可实时监测和远程访问的猪舍环境监测综合软件。检测试验表明,该系统信息采集、实时监测、远程访问、数据存储等功能运行正常,可为研究猪舍内环境因素的变化规律提供有效数据。     

基于面向对象方法的网页设计

在网页设计过程中,经常需要对原有的代码进行编辑修改,但我们最多只能重复使用代码而不能重复使用组件,而使用原来的代码可能带来新的代码质量问题.采用面向对象的方法,通过构建和测试基本的对象,可以建立一个经过严格测试的代码库和可靠的组件,从而无需在以后的使用中对每个组件重新测试,而仅需对组件的整体进行测试.这种方法有助于加快开发的进度,提高代码的质量.     

公猪舍夏季温度和流场数值CFD模拟及验证

为研究夏季全漏缝地板公猪舍湿帘风机蒸发降温效果及舍内环境分布规律,该文利用计算流体力学CFD(computational fluid dynamics)对北京养猪育种中心SPF(Specific Pathogen Free Swine)公猪舍进行模拟研究并通过实测数据进行验证。研究中将漏缝地板作为多孔介质简化,基于标准k-?湍流模型对空载及装猪猪舍内的风速场和温度场进行模拟,通过模拟值与实测值的对比验证模型的合理性。结果表明采用该模型模拟空载时猪舍,风速场模拟值与实测值误差较小,相对误差范围在0.25%~30.8%。模拟温度与实测温度最大绝对误差为0.48 K,平均绝对误差为0.11 K,平均相对误差为0.5%。模拟装猪时的猪舍,温度分布结构与装猪前相似,但整体温度略有上升。该研究可对当前常用的含漏缝地板猪舍建模研究提供参考,并为畜禽舍内改造和建筑实践提供理论依据。     

食用油中铅快速测定方法研究

目的:建立食用油中铅的快速测定方法。方法:采用稀酸经超声波提取样品中铅,通过正交试验获得最佳提取条件并对原子荧光光度计的运行条件进行了优化选择。结果:最佳提取条件为盐酸浓度1.5 mol/L、酸用量20 mL、超声时间10 m in;载流为2%(v/v)盐酸溶液,还原剂为2%硼氢化钾溶液(含1%氢氧化钾,1.5%铁氰化钾)。方法在试验浓度范围内(0~80μg/L)线性良好,相对标准偏差(RSD)为1.54%,检出限为0.90μg/L,回收率86.7%~117.1%。结论:酸提取原子荧光测定方法简便、快速,可以满足实际应用。     

谈农业院校工科开放实验室的特色与实践

不同于普通高等院校的工科专业,农业院校中的工科专业有其独特的学科背景和实施难度。本文探讨了农业院校工科专业进行开放实验室建设的特色和实践方法。     

机械通风楼房猪舍热环境及有害气体监测与分析

楼房养猪模式提高了养殖密度,节约了土地资源,同时也带来了养殖企业对饲养环境的关注。该文以楼房猪舍为监测对象,采用无线传感网络多点部署的方法连续24 h监测不同楼层猪舍的温热环境和有害气体等环境因子参数分布,对比和分析不同楼层间以及同一楼层内不同位置间热环境和有害气体分布的差异性。以每楼层动物所需通风率为基准,将通风情况划分为欠通风、合适通风和过通风3种水平,结果显示中间层(保育猪1960头,10.8±1.9 kg)欠通风造成温湿度指标THI(temperature and humidity index)平均值达27.9,接近舒适区上限28.06。受顶层辐射和底层保温影响,顶层(生长猪940头,51±4.4 kg)温度最大值比底层(生长猪955头,40±3.6 kg)高2.8℃,顶层昼夜温度最大差值达11.6℃。底层湿度高,相对湿度达85.7%。夏季通风条件下,各楼层内的CO2和NH3浓度远低于最高浓度限值,欠通风猪舍CO2和NH3分布不均,且较难排出,其中NH3浓度受猪舍内尿液排出方式影响。各楼层温热和有害气体环境差异性显著,同一层猪舍不同位置环境存在差异。该研究为优化楼房养猪机械通风设计,提高楼房养猪环境控制水平提供理论依据。     

基于深度学习的群猪图像实例分割方法

群养饲喂模式下猪群有聚集在一起的习性,特别是躺卧时,当使用机器视觉跟踪监测猪只时,图像中存在猪体粘连,导致分割困难,成为实现群猪视觉追踪和监测的瓶颈。根据实例分割原理,把猪群中的猪只看作一个实例,在深度卷积神经网络基础上建立Pig Net网络,对群猪图像尤其是对粘连猪体进行实例分割,实现独立猪体的分辨和定位。Pig Net网络采用44层卷积层作为主干网络,经区域候选网络(Region proposal networks,RPN)提取感兴趣区域(ROI),并和主干网络前向传播的特征图共享给感兴趣区域对齐层(Region of interest align,ROIAlign),分支通过双线性插值计算目标空间,三分支并行输出ROI目标的类别、回归框和掩模。Mask分支采用平均二值交叉熵损失函数计算独立猪体的目标掩模损失。连续28 d采集6头9. 6 kg左右大白仔猪图像,抽取前7 d内各不同时段、不同行为模式群养猪图像2 500幅作为训练集和验证集,训练集和验证集的比例为4∶1。结果表明,Pig Net网络模型在训练集上总分割准确率达86. 15%,在验证集上准确率达85. 40%。本文算法对不同形态、粘连严重的群猪图像能够准确分割出独立的猪个体目标。将本文算法与Mask R-CNN模型及其改进模型进行对比,准确率比Mask RCNN模型高11. 40个百分点,单幅图像处理时间为2. 12 s,比Mask R-CNN模型短30 ms。