排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
2.
研究了不同生产工艺的包膜酸对蛋鸡生产性能和消化道内环境的影响。选用产蛋率为90%、50周龄罗曼褐壳蛋鸡180羽,随机分为4组,每组3个重复,每个重复15羽鸡,第一组为对照组(基础饲粮),第二组为混合组(基础饲粮+0.1%混合包膜酸),第三组为冷喷1组(基础饲粮+0.1%冷喷包膜酸),第四组为冷喷2组(基础饲粮+0.05%冷喷包膜酸)。预试期3天,试验共进行4周,全程网上平养,每笼3只蛋鸡,自由采食和饮水。结果表明,产蛋率方面,包被酸化剂组较对照组有所上升;蛋重各组间差异不显著;料蛋比酸化剂组低于对照组,从平均值分析冷喷1组和冷喷2组稍好;从蛋均重上分析,冷喷1组蛋均重最大,冷喷2组虽然蛋均重小但产蛋量最大,料蛋比冷喷1、2组均小于对照组和混合组,在饲料中添加酸化剂后,蛋鸡消化道主要器官的内容物和粪样p H都比对照组显著降低,而且冷喷组比混合组降低的多。由于冷喷包被效果好,在小肠段由于小肠液的作用,消化道后段的p H均得到降低。冷喷酸化剂可以有效地改善蛋鸡胃肠道各段的p H。综合看来,以饲料中添加0.1%冷喷包膜酸效果最好。 相似文献
3.
基于迁移学习和Mask R-CNN的稻飞虱图像分类方法 总被引:4,自引:0,他引:4
针对当前稻飞虱图像识别研究中自动化程度较低、识别精度不高的问题,提出了一种基于迁移学习和Mask R-CNN的稻飞虱图像分类方法。首先,根据稻飞虱的生物特性,采用本团队自主研发的野外昆虫图像采集装置,自动获取稻田稻飞虱及其他昆虫图像;采用VIA为数据集制作标签,将数据集分为稻飞虱和非稻飞虱两类,并通过迁移学习在Res Net50框架上训练数据;最后,基于Mask R-CNN分别对稻飞虱、非稻飞虱、存在干扰以及存在黏连和重合的昆虫图像进行分类实验,并与传统图像分类算法(SVM、BP神经网络)和Faster R-CNN算法进行对比。实验结果表明,在相同样本条件下,基于迁移学习和Mask R-CNN的稻飞虱图像分类算法能够快速、有效识别稻飞虱与非稻飞虱,平均识别精度达到0. 923,本研究可为稻飞虱的防治预警提供信息支持。 相似文献
4.
基于K-SVD和正交匹配追踪稀疏表示的稻飞虱图像分类方法 总被引:1,自引:1,他引:0
针对当前稻飞虱图像分类研究中存在图像识别速度慢、分类精度低的不足,该文提出一种基于K-SVD和正交匹配追踪(orthogonal matching pursuit, OMP)稀疏表示的稻飞虱图像分类方法。首先,根据稻飞虱的趋光性特点,使用团队自主研发的野外昆虫图像采集装置自动获取稻田害虫图像;然后,利用K-SVD算法对稻飞虱图像特征的过完备字典进行更新构造,结合OMP算法对原始输入图像的特征信号进行稀疏表示;最后,通过求解输入图像的重构误差对昆虫图像进行分类。在相同的试验条件下,与传统的图像分类算法(SVM、BP神经网络)进行比较。实验结果表明,该文提出的基于K-SVD和OMP算法的稻飞虱图像稀疏表示分类方法可对稻飞虱与非稻飞虱进行快速准确的分类,分类速度达到6.0帧/s,平均分类精度达到93.7%。与SVM和BP神经网络相比,分类速度分别提高了5和5.5帧/s;分类精度分别提高了15.7和28.2个百分点,为稻飞虱的防治预警工作提供了信息与技术支持。 相似文献
5.
多糖又称聚糖,由10个以上单糖通过糖苷键连接而成的多聚糖,其具有免疫调节,抗氧化、抗病毒、抗炎等多种生物活性.研究者们发现多糖及多糖复合物参与和介导细胞各种生命现象的调节,对机体特异性免疫与非特异性免疫、细胞免疫与体液免疫均有重要影响,同时,王翠菊等(2011)研究发现黄芪多糖能够提高正常生产状态蛋鸡的机体抗氧化水平,有效防止机体及鸡蛋脂质过氧化.本文通过对黄芪多糖在家禽免疫功能和抗氧化功能上的作用作一综述,为黄芪多糖在家禽中的研究与应用提供一些依据和思路. 相似文献
6.
基于特征优化的稻飞虱图像分类 总被引:1,自引:0,他引:1
[目的]为了进一步提高稻飞虱图像分类的效率,本文提出一种基于特征优化的稻飞虱图像分类算法。[方法]对采集到的原始昆虫图像进行阈值分割、形态学滤波以及边缘跟踪来获取完整的昆虫彩色背部图像,同时基于该图像集提取昆虫的形态、颜色以及纹理特征66个,结合F-score特征评价方法,筛选出10个特征参数作为最优特征子集,并将其作为BP神经网络的输入特征值。[结果]当采用全部66个特征作为输入特征值时,稻飞虱图像的分类准确率达到96.19%;当采用最优特征子集作为输入特征值时,稻飞虱图像的分类准确率也为96.19%。[结论]以该方法获得的最优特征子集作为稻飞虱图像的特征参数不仅降低特征维度,提高稻飞虱图像分类效率,而且保证分类性能,为实现水稻虫害实时监测预警系统提供了技术支持。 相似文献
7.
8.
9.
基于字典学习与SSD的不完整昆虫图像稻飞虱识别分类 总被引:1,自引:0,他引:1
为了解决图像采集过程中由于昆虫图像获取不完整而导致整体稻飞虱识别精度低、速度慢的问题,提出了一种基于字典学习和SSD的不完整稻飞虱图像分类方法。首先,使用自主研发的野外昆虫图像采集装置采集稻飞虱图像,构建小型图像集。然后,将采集的稻田昆虫图像进行阈值分割,得到单一稻田昆虫图像;对单一昆虫图像进行分块处理,得到带有背景信息和特征信息的混合子图像块集;使用子图像块作为字典原子来构建过完备字典,并对其进行初始化和优化更新;将更新后的过完备字典作为训练集输入SSD算法中进行训练,得到训练模型。最后,将采集的包含不完整稻田昆虫的图像在训练集模型上进行测试,并将测试结果与BPNN(Back propagation neural network)、SVM (Support vector machines)、稀疏表示等方法进行对比。试验结果表明,所提出的基于字典学习和SSD的稻飞虱识别与分类方法可以对不完整的昆虫图像进行准确快速的识别分类,其中,分类速度可达22f/s,识别精度可达89.3%,对稻飞虱的监督、预警和防治提供了有效的信息与技术支持。 相似文献
1