蛋鸡产业的升级之路及蛋鸡企业的转型之道

任何事情想要做成功，首先得有超前的思想和理念，所谓思想是行为之母。蛋鸡业转型升级最根本的正是观念转变；其次是技术引领未来，只有应用和掌握了国际先进技术，包括先进设备，才能领跑行业；再次，执行力是最大、最难的问题，确定了方向，需要执行到位才能收获最终成效。     

笼内产蛋窝布置方式对蛋种鸡行为生理及死淘率的影响

现行蛋种鸡本交笼虽具备较大活动空间并能满足鸡只自然交配行为,但其饲养环境依然相对贫瘠,缺乏环境富集装置,存在啄羽啄肛等行为问题。该文探究了蛋种鸡本交笼中3种不同类型产蛋窝的使用效果及其对啄羽啄肛行为及生理应激反应的影响。结果表明,3种产蛋窝Nest1(长?宽?高)(90 cm?40 cm?60 cm)、Nest2(45 cm?40 cm?60 cm)、Nest3(70cm?52cm?60cm)在32周龄时窝内蛋比例分别为80.5%?7.8%、67.4%?8.1%、87.3%?7.6%,Nest1与Nest3窝内蛋比例、探窝次数及趴卧次数显著高于Nest2(P0.05),Nest1、Nest2、Nest3产蛋鸡只探窝时间无显著差异,设置产蛋窝后鸡只发出的攻击性啄、严重啄羽、轻度啄羽频次显著低于对照组(P0.05)。3种产蛋窝血浆皮质酮浓度无显著差异,但显著低于对照组(P0.05),对照组及Nest2总死淘率显著高于Nest1与Nest3(P0.05),对照组因啄死淘率显著高于Nest1、Nest2、Nest3(P0.05)。产蛋窝的设置可以满足鸡的行为需求,降低啄羽啄肛行为的发生、生理应激及因啄死淘发生风险。     

分析形势 交流信息 谋求发展——河北省家禽生产形势研讨会专题报告集锦

河北省是全国第一养鸡大省，鸡蛋常年产量占全国的近1／4，家禽业是河北省农民增收、农业增效的支柱产业。如何克服禽流感、饲料涨价等不利因素的影响，积极拓展思路发展家禽业，已成为当地政府、行业协会、企业以及养殖户“休戚相关”的头等大事。2004年5月10日，河北省家禽业协会组织召开了河北省家禽生产形势研讨会。会上，一些业内精英、高层企管人员就目前养禽业所面临的严峻形势、养禽生产中的常见问题及发展前景作了丰富、翔实的专题报告。     

复杂环境下蛋鸡个体识别与自动计数系统研究

鸡群计数是鸡场资产评估中一项非常重要的工作。目前鸡场采用的人工计数方法,存在效率低下且计数准确度不稳定的问题。针对此问题,本文提出了一种基于改进YOLO v5s的蛋鸡个体识别与计数的方法。该方法为了消除真实复杂环境下产蛋箱、食槽等设施对蛋鸡个体识别带来的干扰,在YOLO v5s模型的Neck部分引入了SimAM注意力机制;为了扩大模型感受野,解决蛋鸡个体较小、识别困难的问题,将YOLO v5s模型的SPPF(空间金字塔池化模块)改为了SPPCSPC模块;为了尽可能多地提取蛋鸡有效特征,通过在YOLO v5s的Neck结构添加自适应特征融合模块ASFF,将不同尺度的蛋鸡成像特征信息进行融合的方法,进一步提升了模型的检测精度。在此基础上,通过调用模型检测接口,在接口内部添加计数函数、统计目标数量的方法,实现了蛋鸡个体的计数和鸡舍饲养密度的计算。将改进后的模型通过PyQt工具包进行封装、打包,开发了蛋鸡个体识别与自动计数系统。实验结果表明,改进的YOLO v5s模型的精准率、召回率、平均精度均值分别为89.91%、79.24%、87.53%,较YOLO v5s模型分别提高2.37、2.55、...     

河北省蛋鸡养殖规模化发展现状调研

按照国家蛋鸡产业技术体系的总体部署，从2013年7月中旬至8月下旬历时一个多月，对河北省蛋鸡主产区的石家庄市（辛集市、藁城市、平山县）、邯郸市（馆陶县、永年县、临漳县）蛋鸡养殖场的养殖现状进行了调查，为评估蛋鸡养殖规模化现状提供依据。     

基于SEEC-YOLO v5s的散养蛋鸡日常行为识别与统计系统

针对鸡只个体较小、个体间存在遮挡，对蛋鸡日常行为识别造成干扰的问题，提出了一种基于SEEC-YOLO v5s的蛋鸡日常行为识别方法。通过在YOLO v5s模型输出部分添加SEAM注意力模块、在特征融合部分引入显式视觉中心模块(EVCBlock),扩大了模型的感受野，提高了模型对小个体遮挡情况下的目标识别能力，提升了模型对蛋鸡站立、采食、饮水、探索、啄羽和梳羽6种行为的识别精度。提出了一种基于视频帧数与视频帧率比值计算蛋鸡日常行为持续时间的统计方法，并对蛋鸡群体一天之中不同时间段及全天各行为变化规律进行了分析。将改进后的模型进行封装、打包，设计了蛋鸡日常行为智能识别与统计系统。试验结果表明，SEEC-YOLO v5s模型对6种行为识别的平均精度均值为84.65%,比YOLO v5s模型高2.34个百分点，对比Faster R-CNN、YOLO X-s、YOLO v4-tiny和YOLO v7-tiny模型，平均精度均值分别提高4.30、3.06、7.11、2.99个百分点。本文方法对蛋鸡的日常行为监测及健康状况分析提供了有效的支持，为智慧养殖提供了借鉴。