共查询到19条相似文献,搜索用时 171 毫秒
1.
2.
3.
4.
一、渔用投饵机在水产养殖中的作用1.投饵机应用有利于促进全价配合饲料的推广投饵机和全价配合饲料的应用均属于科学养鱼的范畴。配合饲料的一个最重要优势是针对养殖品种的营养需要,把各种单一饲料配合起来组成营养全面、经济的混合饲料,避免了单一饲料中营养成分失衡现象。现已有部分养殖户了解到配合饲料对科学养鱼的重要性,但是有些养殖户虽然选用了配合饲料,却不用投饵机,仍传统地把配合饲料一堆儿放入水底下喂鱼,由于摄食面小、水溶度高等因素,相对投饵机投喂会多损失饲料15%~20%。好的饲料得不到正确的使用,从而使养殖效益得不到体… 相似文献
5.
6.
7.
TEJ500水产养殖自动投饵机 总被引:5,自引:1,他引:5
介绍了TEJ500水产养殖自动投饵机的工作原理、结构特点和丰要技术参数;论述了影响投料机工作质量的关键因素;阐明了该机的适用范围和使用效果;展望了市场前景。 相似文献
8.
饵料、药剂、微生物等精准投喂是水产健康养殖重要环节,智能投饵船因具备自动避障定位、多点精准投放、支持水质和视频监测集成等功能而逐渐受到关注。从投饵机构、路径控制、投饵策略3方面总结国内外智能投饵船研究现状,重点介绍现有下料机构及抛料机构、路径控制方式、航向控制算法、投饵路径策略和智能投饵技术,并针对当前研究不足,总结未来研发趋势:进一步改善抛饵破碎率及抛洒均匀性、融合5G通信和RTK视觉识别的高精度导航定位系统、开发计算简易的航向高精度控制算法、开发基于机器视觉与声学信息分析的智能投饵管控算法、实现智能投饵船的多功能化发展、构建数字孪生的智能投饵船远程监控系统。 相似文献
9.
【目的】现有投饵机械主要集中于水上自动化投饵,但根据经验判断投饵量以及饵料的不定向移动容易造成资源浪费和环境污染,需对饵料投喂技术进行智能化改进。【方法】课题组基于物联网背景下的水产养殖,设计了一款立体监控智能化水下投饵机器人,该产品搭载定位器、传感器、水质监测装置和饵料投放装置。采用FAST分析法分析了淡水养殖户的用户需求,构建了投饵机器人的功能系统;以鲤鱼为试验对象,利用BP神经网络建立了智能化投喂模型,该网络经过43轮重复训练后选取了7组测试样本送入模型测试,分析了投喂模型定量投喂的真实程度;通过人机协同试验,系统性地研究了人机协同方式。【结果】该设计可以完成航行器自主避障巡航、水质监测和饵料定量投喂等任务,可以实时反馈水质监测信息和航行器行进路线。【结论】1)基于FAST的智能化水下投饵机器人可以达到科学养殖、健康养殖的目的,有助于减少养殖人员的工作任务、有效节约资源并改善环境,对智能化水下养殖机械和环境友好型水产养殖行业具有一定的研究价值;2)该产品目前仅适用于雾化饵料投喂,在普及方面还存在一定的局限。 相似文献
10.
根据单片机的自动控制节水技术的发展现状.在结合本专业知识的基础上,以单片机和PC机构成的控制部分为核心,研制了一种基于单片机的节水灌溉自动控制节水系统.其创新点在于系统体积小,安装方便,抗干扰性强、运行可靠,性价比高,更易形成产品,便于推广应用. 相似文献
11.
12.
13.
14.
15.
针对打捆机捡拾喂入系统在捡拾喂入牧草时,由于牧草缠绕、堆积导致捡拾喂入系统堵塞,机器无法正常打捆作业的问题,运用TRIZ理论中裁剪原理和技术矛盾分析,提出了两种改善方案可以有效防止牧草缠绕及堆积,避免系统堵塞,进而改善打捆机捡拾喂入效率。通过对比分析,择优选择空心螺旋输送器方案。对打捆机样机改进设计后进行田间试验验证,结果表明防止捡拾喂入系统堵塞效果明显,充分证明了TRIZ理论运用于改善打捆机捡拾喂入系统的合理性和可行性。 相似文献
16.
17.
苜蓿草压扁试验台设计与试验 总被引:1,自引:0,他引:1
进行苜蓿草压扁试验台的研制,以获取苜蓿草最佳压扁效果参数。结合苜蓿草压扁效果的影响因素:压料间隙、苜蓿草田间长势、刈割压扁机作业行驶速度、压料辊转速以及预紧机构初始预紧力,进行了压扁装置、驱动装置、间隙调节机构及数据采集系统的设计。利用试验台改变压料间隙、苜蓿草喂入量、喂入速度及压料辊转速等,可对苜蓿草的压扁效果进行多因素正交试验。试验结果表明:压料辊压力变化具有一定规律,试验台可以有效模拟真机工况。各影响因素中,喂入量对压扁后粗蛋白质质量分数的影响最大,其次分别为压料间隙、喂入速度和压料辊转速。 相似文献
18.
在水产养殖中,鱼类的摄食强度可以反映其食欲,准确客观地评估鱼类的摄食强度对指导投喂和生产实践具有重要意义。针对当前鱼类摄食强度评估过程中存在的人工观测效率低、客观性不强的问题,本研究以实现鱼类食欲的自动客观分析为目的,提出了一种基于近红外机器视觉的游泳型鱼类摄食强度的评估方法。首先,利用近红外工业相机搭建了近红外图像采集系统,采集了鱼类摄食过程中的图像。经过一系列图像处理步骤后,利用灰度共生矩阵提取摄食图像的纹理特征变量信息,包括对比度、能量、相关性、逆差距和熵等。之后,将这5个特征变量作为输入向量构建了模型的数据集,并训练了支持向量机分类器。为了提高模型分类的准确率,利用网格搜索法选取支持向量机分类器的最优惩罚系数c和核函数参数g。最后利用训练好的模型将鱼类的摄食强度分为弱、一般、中和强4类,最终实现了鱼类摄食强度的评估。试验结果表明,图像纹理可以较好地描述鱼类摄食过程中的行为变化,正确识别4类摄食强度的准确率达到87.78%,且不需要考虑水花等对成像质量的影响,具有较强的适应性。本方法可用于鱼类食欲的自动客观评估,为后续投喂决策提供理论依据和方法支持。 相似文献