基于SpringBoot框架的群养母猪饲喂站管理系统设计与试验

母猪的群体养殖是一种能保证动物福利，提高母猪生产性能的重要养殖管理模式。为实现母猪群养过程的数字化及智能化，基于自主研发的群养母猪饲喂站硬件平台，采用B/S模式设计一个群养母猪饲喂站管理系统。系统后端使用基于Java语言的SpringBoot框架作为系统组件管理和运行的主要框架；设计后端数据库中的数据结构，优化后台系统中持久层数据的操作访问；使用Netty实现饲喂站及客户端与后台间的实时通信；基于Spring事务管理，封装可复用的业务逻辑，设计母猪信息管理、饲喂计划专家系统、饲喂站实时监控等系统功能模块。系统前端采用渐进式Vue框架实现用户与各个功能模块的人机交互。试验表明：本系统能实现对群养母猪饲喂站的控制和状态监测，并根据母猪特性和专家知识库动态生成每天的饲喂计划；在基础实验条件下，系统的饲喂站并发量可超过120台，理论最大母猪容纳量超过5 400 头，能够满足大规模母猪饲喂的需求。     

怀孕母猪精准饲喂单体采食站的设计研究

为满足群养状态下怀孕母猪的整个怀孕期的精准饲喂需求,研制了一款群养状态下怀孕母猪独立封闭状态采食的精准饲喂单体采食站及其配套控制系统,可针对不同母猪进行个性化的饲喂曲线、水料配比等参数设置。设计带触碰式自锁机构的进门装置,实现母猪不受打扰而安静地采食。采用螺旋输送的精准下料机构,通过控制螺旋的旋转圈数和角度,精准地控制采食站的每次下料量。     

基于PLC的妊娠母猪饲喂控制系统研究

为解决妊娠母猪智能饲喂问题,设计一种可群养的妊娠母猪饲喂控制系统。系统采用无线射频技术、RS485传输技术和PLC、触摸屏、远程电脑的软硬件共同集成。根据妊娠母猪一般性喂食规律和操作员操作习惯,设计妊娠母猪饲喂信息表和猪只信息表管理妊娠母猪饲喂和生产信息。并根据猪只进站进食习惯,设计入口门控制、食槽门控制、分选门控制方案。依据动物福利养殖规程,将同网饲喂站间饲喂信息共享,实现大群饲养。饲喂结束后,定时将猪只体重、饲喂信息传给远程电脑,并生成统计报表。该文为中、小型养殖场妊娠母猪智能饲喂系统设计方面提供参考。     

哺乳母猪智能饲喂系统设计与试验

为实现哺乳母猪智能饲喂、人机交互友好和易检修,设计一套包括智能饲喂器、手持终端PDA、中央控制器和CAN-Bus总线的哺乳母猪智能精准饲喂系统,可在现场方便进行猪只出入栏管理、猪只状态动态监测、异常情况实时报警功能。在云南省某规模化母猪场安装280台哺乳母猪智能饲喂器,与配置传统饲喂的生产线进行生产性能对比试验。试验结果表明,智能饲喂实现人机交互友好、触碰下料、智能湿拌、无接触操作和易检修的特点。智能饲喂较传统饲喂相比,可提高母猪平均日采食量0.673 kg,日饲料浪费量减少0.345 kg,智能饲喂和传统饲喂不同日龄的平均日采食量和日饲料浪费量存在极显著差异(P<0.01);月产健仔数提高10.44%,窝均健仔数增加0.69头,21天断奶仔猪均重增加0.370 kg;哺乳母猪背膘损失降低34.43%,7天断配率提高4%。对系统进行投资回报率分析,智能饲喂能有效减少饲料浪费,提高生产成绩,投资回报率高,可有效助力规模化猪场降本增效。该研究对母猪智能饲喂系统的开发和应用提供参考。     

物联网对母猪智能化管理技术应用的研究

本文结合TEAM（TotalElectronicAnimalManagement）母猪电子群养系统妊娠舍工作站中的母猪电子饲喂管理系统（ESFS）与海门市鹏翔循环生态农业园的数据反馈，从成本、管理等方面对比说明物联网技术在母猪养殖方面的具体优势。     

种猪场群体母猪精细饲养管理系统的研究与应用

针对我国养猪业整体水平落后于欧美国家、先进饲养设备和饲养技术应用较少及大部分养猪场采用传统的限位栏模式的现状,提出了群体母猪精细饲养系统,并对系统整体架构和各部分进行了详尽阐述。利用射频识别(RFID)技术、计算机技术、通信技术、智能控制技术等完成系统构建,包括自动上料站和精细饲喂站的搭建,并自行研发了一套用于母猪精细饲养的母猪管理系统软件。     

智能变电站工程调试中若干故障的分析与解决

基于深南瑞PRS7007 SCD配置工具及XML编辑器Altova XML Spy工具,重点阐述智能站典型间隔在调试过程中遇到或可能出现的一些影响装置SV采样、GOOSE通信及虚端子连线等缺陷,给出相应问题的解决方案,这其中涉及到智能站的ICD文件导入、IED文件配置、端口订阅、光纤连接等环节。此外,文章还详细分析了智能站二次设备光纤接口损坏和VLAN-ID划分错误后各种缺陷处理方法,包括Altova XML Spy工具进行重新配置新端口。     

温室物联网测控管理系统开发与数据同步研究

为实现温室环境信息高效监测,开发了物联网测控管理系统的通用平台,主要包括基于Android的智能网关以及基于Google Web Toolkit的远程Web服务器,并制定了系统的数据同步通信协议。根据数据采集单元配置信息和预先设定的界面显示风格,智能网关和Web服务器的应用程序能够自适应地生成温室环境监测界面,动态地解析监测传感器数据并实现数据库存储,以Http post网络传输机制实现数据采集单元配置信息、监测传感器数值等数据在二者间的同步。试验结果表明温室物联网系统在实际应用中具有较高的稳定性,有效地避免了由于传感器和数据采集单元节点变更导致Web服务器和智能网关应用程序的二次开发。     

联合收获机CAN总线架构设计与试验

针对国内外农机装备智能化发展及设备物联远程网控需求,基于ISO 11783系列标准,提出并设计了联合收获机智能CAN总线方案及其应用系统。根据联合收获机的作业特点和智能控制需求,建立了由动力CAN总线、设备管理CAN总线、专用设备CAN总线1和专用设备CAN总线2组成的模块化、可扩展的智能农机CAN总线网络结构。基于ISO 11783 CAN总线应用层协议标准,制定了智能化联合收获机远程网控通信协议。最后,进行了联合收获机CAN总线应用系统网络负载和实时性的通信试验及工程应用试验验证。试验结果表明,在500 kb/s波特率下,所有总线的负载率均小于30%,数据在3层CAN总线之间传输总延时小于1 ms,满足联合收获机智能远程网控CAN总线系统的设计要求。     

基于改进ByteTrack算法的群养生猪行为识别与跟踪技术

群养生猪行为的识别与跟踪是智能养殖中监测猪只健康的关键技术。为在猪只重叠与遮挡复杂场景中,实现群养生猪行为识别与稳定跟踪,提出了改进ByteTrack算法。首先,采用YOLOX-X目标检测器实现群养生猪检测,然后,提出改进ByteTrack多目标跟踪算法。该算法改进包括：设计并实现BYTE数据关联的轨迹插值后处理策略,降低遮挡造成的IDs错误变换,稳定跟踪性能;设计适合群养生猪的检测锚框,将YOLOX-X检测算法中的行为类别信息引入跟踪算法中,实现群养生猪行为跟踪。改进ByteTrack算法的MOTA为96.1%,IDF1为94.5%,IDs为9,MOTP为0.189;与ByteTrack、DeepSORT和JDE方法相比,在MOTA与IDF1上均具有显著提升,并有效减少了IDs。改进ByteTrack算法在群养环境下能实现稳定ID的猪只行为跟踪,能够为无接触式自动监测生猪提供技术支持。     

基于ZigBee技术的果蔬大棚土壤墒情管理系统

为进一步改善果蔬大棚的种植效率,以ZigBee通信传输技术为切入点,针对大棚土壤墒情管理系统展开研究。在果蔬大棚运行管理机理的基础上,以准确获取并有效辨识出果蔬大棚不同区块的土壤墒情状况为目标,建立ZigBee数据通信模型,进行数据采集处理与精准传输过程分析以及土壤墒情管理系统体系化设计,搭建平台进行土壤墒情管理系统作业状况监测。试验结果表明:基于ZigBee技术的土壤监测试验平台,土壤含水率监测值与实际仪器测得值之间的相对误差控制在5%以内,一致性较好;ZigBee技术应用后,系统的监测数据准确度可提高8.50%,土壤墒情的监测效率整体提高8.10%,满足土壤墒情监测要求,有利于农业大棚种植培养向精准化、智能化方向深度推进。     

基于LoRa物联网的配电台区即插即用智能采集终端的研制

针对配电台区因移动无线通信信号不稳定导致的低压采集终端冻结数据不稳定的情况,研制了基于LoRa(long range)物联网的配电台区即插即用智能采集终端,将功耗低、传输距离远、传输速率高的LoRa技术应用于智能采集终端的设计中,将低压出线开关的电压、电流采集处理之后,发送给智能配变终端（智能融合终端）。该终端在供电所进行了应用测试,其最终平均采集成功率为96.4%,能够保证低压电网供电质量,提高供电可靠性。     

沼气工程远程监控Socket通讯稳定可靠性及效率策略

建立远程监控系统已成为现代沼气工程发展的实际需要,网络通讯是远程监控系统中的关键环节,由于受地处偏远郊区的限制,网络不稳定性和通讯成本问题非常突出。如何结合沼气工程远程监控数据传输的自身特点,制定合适的网络通讯策略,直接关系到通讯的稳定可靠性和效率。本文通过数据通讯的短帧格式,沼气站点编号校验,以及中断重连机制等措施解决通讯的稳定性;通过命令字,数据帧长度,以及校验码设计等字节设置解决通讯的可靠性;通过通讯软件的定时器设计,多重连接防止机制,以及心跳信号机制等措施解决通讯的效率问题。这些策略,通过通讯协议设计,数据帧接受处理机制,以及客户端、服务器端软件架构设计来实现,经调试运行是可行的。     

群养奶牛体温实时监测系统设计与实现

将无线连接WiFi技术应用于群养奶牛体温实时监测系统,实现了奶牛体温的智能化监测,使奶牛的管理和监控更科学方便。利用DS18B20型数字温度传感器测量奶牛耳道边沿温度,外部通过单线接口与ESP-WROOM模组进行双向通信。ESP-WROOM模组在初次上电时,必须通过SmartConfig通信协议获得要接入的AP（Access point）参数并将参数写入程序存储器中,使之与AP建立连接。模组连接成功后,温度传感器采集奶牛体温并传输给微处理器,微处理器接到数据后打包相应参数通过TCP协议发送给数据服务器,MySQL数据库分类储存每头奶牛的数据。使用Java语言编写人机交互界面可以查看相应数据库,实现了奶牛体温变化的实时显示、温度补偿以及历史数据查询等功能。在群养奶牛中同时接收数量众多的体温数据时,可能出现数据并发现象,利用异步通信框架,解决了数据并发问题。采用序时平均数算法更精确地描绘出奶牛体温变化曲线,并且解决了个别数据异常导致曲线波动较大的问题。试验结果表明,系统最佳传输距离在80m左右时,网络丢包率为4.42%。该系统模块体积小、性能可靠、功耗低,能够快速完成温度监测,并且在30~50℃温度范围内测试精度能够达到±0.2℃。     

基于双流跨模态特征融合模型的群养生猪体质量测定

针对生猪体质量准确测定问题,提出了一种跨模态特征融合模型（Cross modality feature fusion ResNet,CFF-ResNet）,充分利用可见光图像的纹理轮廓信息与深度图像的空间结构信息的互补性,实现了群养环境中无接触的生猪体质量智能测定。首先,采集并配准俯视猪圈的可见光与深度图像,并通过EdgeFlow算法对每一只目标生猪个体进行由粗到细的像素级分割。然后,基于ResNet50网络构建双流架构模型,通过内部插入门控形成双向连接,有效地结合可见光流和深度流的特征,实现跨模态特征融合。最后,双流分别回归出生猪体质量预估值,通过均值合并得到最终的体质量测定值。在试验中,以某种公猪场群养生猪为数据采集对象,构建了拥有9842对配准可见光和深度图像的数据集,包括6909对训练数据和2933对测试数据。本研究所提出模型在测试集上的平均绝对误差为3.019kg,平均准确率为96.132%。与基于可见光和基于深度的单模态基准模型相比,该模型体质量测定精度更高,其在平均绝对误差上分别减少18.095%和12.569%。同时,该模型体质量测定精度优于其他现有生猪体质量测定方法：常规图像处理模型、改进EfficientNetV2模型、改进DenseNet201模型和BotNet+DBRB+PFC模型,在平均绝对误差上分别减少46.272%、14.403%、8.847%和11.414%。试验结果表明,该测定模型能够有效学习跨模态的特征,满足了生猪体质量测定的高精度要求,为群养环境中生猪体质量测定提供了技术支撑。     

基于LoRa技术的农田智能灌溉系统设计

为使农作物在适宜含水率条件下生长,实现农田的精准灌溉,设计一种基于LoRa通信技术的农田智能灌溉系统。该系统主要包括作物信息采集单元、LoRa无线通信单元、智能决策单元和灌溉输出模块。系统采用MSP430处理器与WH-101-L型LoRa模块实现低功耗、网络化终端节点设计,通过集中器网关将农田作物信息传输到云服务器,并构建云管理决策软件。系统应用试验测试数据结果表明,采用同步唤醒技术的无线作物感知网络,数据传输稳定,平均丢包率为0.3%,并具备较强的扩展性;通过智能决策单元依据实时作物信息和数据库计算出灌溉量和灌溉时间,远程控制灌溉输出模块,精确控制作物在不同生长期的土壤含水率,在蓝莓试验田和玉米试验田试验测试得到含水率均方差分别为1.80和4.83,均比传统灌溉方式低。     

基于临场感增强的果园机器人遥操作可视化系统研究

针对果园作业机器人使用单目相机进行遥操作时，仅用二维视频获取环境信息缺乏临场感的问题，设计了一套基于临场感增强的果园环境信息可视化系统，用于果园机器人遥操作。系统由计算服务器、云服务器、网络摄像头、激光雷达、嵌入式开发平台等组成。计算服务器采用T7920工作站，并在其上部署Tensorflow计算框架和Open3D点云算法库，计算服务器在接收到云服务器转发来的环境图像和点云数据后，分别对图像进行导航信息增强，对点云进行曲面重建；嵌入式开发平台可以收集来自于网络摄像头和激光雷达的原始数据，并上传至云服务器；在云服务器部署了以ZeroMQ为基础的消息中转程序和HTML5后台服务，提供跨互联网的消息通信服务和可移动的遥操作环境信息可视化服务。测试结果表明，部署在计算服务器的导航信息提取模型平均提取导航线时间86 ms,提取导航线平均精度16°,均优于对比模型结果。点云重建算法可以有效建立场景轮廓，平均精度4.9 cm,平均重建时间24 ms。压缩图像传输及增强处理时延不超过230 ms,点云的传输时延不超过400 ms。各项参数可以满足遥操作机器人进行果园作业的基本要求，相比仅有单目相机的遥...     

基于Android系统的蔬菜智能耕作装置设计与试验

为了提高蔬菜生产智能化水平,针对蔬菜生产集约化程度不高、自动化水平低及耕作耗时耗力等问题,集机械设计、压力传感、无线传输、互联网通信及Android手机终端控制等技术,设计了蔬菜智能耕作装置。该装置包括耕作机械部件与以STM32单片机为核心的控制系统,并基于Android系统开发了移动客户端软件,可实现耕作信息远程查看及操控功能。根据Android客户端的耕作指令,选择不同功能的末端执行器以完成相应的动作:通过电容式土壤水分检测功能,实现土壤水分信息监测;通过播种部件以及龙门架定位,完成定位定量播种;通过液态物料投放部件以及设置在液路管道接口处的PVDF压力传感器,实现液态物料投放堵塞及流量监测,完成液态物料精量投放;通过CCD摄像头获取作物图像信息,并基于BP神经网络开发了杂草识别算法,实现杂草识别。试验结果表明:该智能耕作装置可实现定位定量播种功能,株距平均合格率可达95.13%,平均误播率为4.86%;液态物料投放功能较为稳定,且均匀性较好,最大投放误差不超过5.4 g。     

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。     

履带式不停机打捆收割一体机设计与试验

本文研制了一款履带式不停机打捆收割一体机,研究设计了履带式液压变量行走底盘、不停机圆捆打捆装置等关键部件,集成应用了双圆盘锯割台装置、多辊喂入装置、组合式切碎滚筒装置、负荷喂入与作业速度自动匹配的自适应调控系统,研发了由缓冲箱、输送连爬机构、喂入辊和控制系统等组成的不停机打捆系统。整机具有适应柠条、沙柳、杂交构树等木本植物的连续收割、多级输送、切碎抛送、链爬输送喂入和不停机打捆成型等功能。性能试验表明,研制的履带行走底盘能适应8t载重行走和20°爬坡要求,整机行走、切割、输送、链爬输送喂入、打捆作业流程通畅,圆捆成型的捆包尺寸为Φ900mm×1000mm,捆型规整,平均捆重约220kg/捆(柠条鲜重),成捆率约98.2%,损失率约5.5%,平均作业速度为3-4km/h,最高作业速度可达5.9km/h,作业后平均割茬高度＜8cm,作业生产效率0.66ha/h，可实现收割、输送、连续不停机一体化作业。