基于半监督模糊聚类算法的奶牛行为判别系统

以实时判别奶牛行为，提升精细养殖技术水平为目标，本试验以系统功耗低、检测灵敏度高、运行稳定性强为原则设计无线传感节点，研发了一种基于半监督模糊聚类算法的奶牛行为实时判别系统。为获取最佳通信距离及最优节点固定高度，对无线传感节点分别进行固定高度-通讯距离与丢包率关系测试、固定高度-数据波动关系测试，通信距离分别取10、20、30 m，固定高度分别取10、20、30 cm；并将半监督模糊聚类判别算法、K-means算法及BP神经网络算法在奶牛行为识别方面的准确度、精度及敏感度进行比较。结果显示，集成三轴加速度传感器ADXL345、处理器MSP430-F149、无线收发器CC1101等芯片设计的无线传感节点可精确采集奶牛运动加速度数据，满足长期可靠传输数据等工作要求。固定高度-通讯距离与丢包率、固定高度-数据波动关系测试结果显示，最优传输距离为10 m，最佳节点固定高度为30 cm。半监督模糊聚类算法性能最高，平均准确度达到95.4%，平均精度为53.0%，平均敏感度为60.6%。K-means算法的平均准确度达到90.3%，平均精度仅有39.9%，平均敏感度为45.6%。BP神经网络算法平均准确度达到93.7%，平均精度为45.5%，平均敏感度为47.0%。半监督模糊聚类算法具有准确性高、学习复杂度低、运行速度快的特点，具有良好的寻优能力，效率较高。     

基于无线传感器网络的奶牛运动行为实时监测系统

针对我国中小型奶牛养殖场所面临的管理方法落后、疾病监测自动化程度低、实时判定奶牛突发行为困难等问题,开发了一种基于无线传感器网络的奶牛运动行为实时监测系统。系统设计采用3层架构模式,实现奶牛基础信息与运动信息的采集、存储、管理、展示功能,其中奶牛行为判别采用一种改进的模糊聚类算法。试验表明,系统稳定性较强,可对数据进行有效的组织管理;判别算法能够可靠的将试验数据分为进食、平躺、站立、平躺动作、站立动作、快走、慢走7类运动行为,平均准确度达到83.82%,相较于K-means聚类算法,判别的精密度与精细度方面均有显著提升,该系统在奶牛运动行为实时监测领域具有广阔的应用前景。     

嵌入式无线养殖场监控系统的研究与设计

对养殖场环境数据进行无线监测是实现养殖场环境参数调整自动化、智能化的趋势。文章设计的养殖场监控系统以多传感器技术为支撑,底层采用Zigbee无线传感网络采集并发送环境数据,同时利用无线Wi Fi传输底层数据,实现了对养殖场环境信息检测和实时视频传输。为解决养殖场中多传感器监测数据的融合精度低的问题,文章提出了一种改进型的分批估计融合算法,算法首先对单个传感节点一段时间内所采集的数据采用模糊集理论根据容许函数的阈值剔除误差较大的传感器数据,然后对该传感器的数据进行分批估计得出该节点某一段时间内的最优估计值,以此得到该区域所有传感节点最优估计值。文中简述养殖场监控系统设计的总体思路和架构,主要讨论数据传输和融合算法的改进。     

四川黄牛血液蛋白多态性与其它牛种的遗传关系

本研究采用聚丙烯酰胺凝胶电泳的方法,对四川黄牛、雷琼牛、辛地红牛、西门达尔牛、黑白花奶牛5个类群的血清运铁蛋白(Tf)、血红蛋白(Hb)进行了类群间遗传关系的研究。通过凝胶电泳测定出Tf、Hb各等位基因的频率。分别进行适合性检验。计算出各类群间的标准遗传距离,并进行模糊聚类分析,最后作出各类群间的聚类图。四川黄牛和雷琼牛具有瘤牛特点,都含有Hbc基因和TfF基因。从聚类图看,当λ=0.98时,黑白花奶牛与西门达尔牛首先聚成一类。当λ=0.94时,雷琼牛与辛地红牛聚为一类。当λ=0.91时,四川黄牛与雷琼牛、辛地红牛聚为一类。     

基于二叉决策树分类模型的草原牛行为识别

为了解决人工监测草原放牧牛运动行为工作量大、监测精度低的问题,试验提出一种基于二叉决策树分类模型的草原牛行为识别方法,即选取草原牛颈部三轴加速度计采集数据的X轴、Y轴、Z轴方差、均方根、平均值及三轴总体的矢量幅度(signal vector magnitude, SVM)和幅度(singal magnitude area, SMA)共11种统计特征量来构建查准率-查全率曲线(P-R曲线),通过P-R曲线获取各统计特征量所对应的最优行为类别分组方式及最优阈值,利用信息增益作为选择标准来构建二叉决策树分类模型,运用此模型对草原牛的躺卧、反刍、采食及慢走四种运动行为进行分类识别,并与K-均值(K-means)聚类算法比对。结果表明：K-means聚类算法只能识别躺卧行为,难以区分反刍、采食及慢走三种运动行为,但二叉决策树分类模型能够有效地将躺卧和慢走行为从躺卧、反刍、采食及慢走四种行为中识别出来,查准率和查全率均达到0.760以上。说明二叉决策树分类模型较常用的K-means聚类算法可更有效地完成草原牛行为分类,并且准确率更高。     

毛乌素不同类型沙地油蒿种群遗传分化的ISSR分析

利用12对微卫星引物对毛乌素沙地油蒿种群的遗传分化、基因流进行分析,采用Nei’s指数和Shannon指数估算3个不同类型沙地种群的遗传多样性,计算种群相似系数和遗传距离,利用遗传距离构建系统树。结果表明:(1)种群遗传多样性分析显示,油蒿种群多态位点百分率为100%,说明油蒿种群基因组ISSR具有较高的多样性。(2)在遗传距离为6.0处可将184个样株大致分为三类,涵盖了135个样株,占采样总量的73.34%。结合样地定位记录,聚类结果与样株空间分布具有一致性,即可分为流动沙地、固定沙地、半固定沙地油蒿种群。(3)流动沙地与固定、半固定沙地油蒿种群间的基因流较小,分别为0.7929和0.6848,半固定与固定沙地油蒿种群间存在着较高的基因流,为6.2930。半固定与固定沙地种群间的遗传一致度较高,为93.77%;流动沙地种群Shannon指数低。     

5个黑山羊品种(群体)微卫星标记的遗传多样性研究

利用14个微卫星标记分析了攀枝花地方黑山羊、建昌黑山羊、云岭黑山羊、金堂黑山羊、乐至黑山羊5个品种(群体)的遗传多样性及亲缘关系。结果显示,14个微卫星座位多态信息含量(PIC)在0.5129~0.7646之间,均为高度多态位点;5个黑山羊品种(群体)的平均多态信息含量(PIC)为0.6405~0.6856,平均杂合度(H)在0.6985~0.7371之间,说明遗传多样性丰富;群体间平均遗传分化系数(Fst)为0.0296,说明群体间的变异仅为2.96%,群体间存在基因交流;攀枝花黑山羊和金堂黑山羊2个群体之间的Nei氏遗传距离最大(D=0.1286),金堂黑山羊和乐至黑山羊之间的遗传距离最小(D=0.0365);NJ聚类图中,攀枝花黑山羊、建昌黑山羊和云岭黑山羊聚为一类,金堂黑山羊和乐至黑山羊聚为一类,聚类结果与群体的地理分布较为一致。     

无线传感器网络定位技术浅析

无线传感器网络作为一种全新的信息获取和处理技术在目标跟踪、入侵检测及一些相关领域有着广泛的应用前景。然而,定位技术是无线传感网络的基础技术,对无线传感网络后续工作的开展及应用起着关键的支撑作用。首先,传感器节点必须明确自身位置才能详细说明"在什么位置发生了什么事件",从而实现对外部目标的定位和跟踪;其次了解传感器节点的位置分布状况可以提高网络的路由效率,从而实现网络的负载均衡及网络拓扑的自动配置,改善网络的覆盖质量。无线传感器网络定位是非常必要的。本文首先分析无线传感器定位的现状,分析其定位存在的问题和困难,然后对几种典型算法进行比较,比较其优缺点并提出改进方案。无线传感器网络定位最简单的方法是为每个节点装载全球卫星定位系统(GPS)接收器,用以确定节点位置。但由于经济因素、节点能量制约和GPS对于部署环境有一定要求等条件限制,导致方案的可行性较差。因此,一般只有少量的节点通过装载GPS或通过预先部署在特定的位置获取自身的坐标。     

部分地方鸡种微卫星DNA指纹分析

利用20个微卫星标记对我国19个地方鸡种保种群进行了遗传检测,计算各群体的等位基因频率、平均基因杂合度、平均多态信息含量及各群体间的遗传距离,并用类平均法进行聚类分析。研究结果表明:20个微卫星标记在19个地方鸡种保种群共检测到184个等位基因,平均为9.2个,基因频率分布在0.013-0.838之间。19个地方鸡种平均杂合度在0.5824-0.7432之间。其中藏鸡最高,白耳鸡最低。平均多态信息含量在0.5238-0.7023之间,均大于0.5,表现为高度多态性;19个鸡种聚为6类。各鸡种的遗传距离及聚类结果与所保存的地方鸡种的地理分布、现实状况是相吻合的,从而表明用该方法分析品种间的亲缘关系是可行的。     

应用微卫星标记对12个中国地方乌骨鸡品种遗传多样性的研究

利用27个微卫星DNA标记对12个地方乌骨鸡品种进行遗传多样性分析，通过计算等位基因频率、多态信息含量、杂合度、有效等位基因数和遗传距离，评估各品种内遗传变异和各品种间遗传相关，并根据遗传距离对12个鸡品种进行了聚类分析。结果表明，各乌骨鸡群体的遗传多样性较为丰富，并具有较高的选择潜力。平均杂合度最高的是竹乡鸡，为0．670；最低的是江山乌骨鸡，为0．581。27个微卫星标记中4个为中度多态座位，1个低度多态座位，22个为高度多态座位；LEI0234与LEI0192分别检测到了10．3与12．2个等位基因。以标准遗传距离为准，遗传距离最近的为沐川乌骨鸡与略阳鸡，为0．1002，而乌蒙乌骨鸡与略阳鸡最远，为0．2546。通过UPG—MA法聚类后，略阳鸡、沐川乌骨鸡、兴文乌骨鸡、盐津乌骨鸡、竹乡鸡首先聚为1类，江山乌骨鸡、郧阳白羽乌鸡、余干乌骨鸡聚为1类；金湖乌凤鸡、丝绒乌骨鸡和丝毛乌骨鸡聚为第3类；乌蒙乌骨鸡独为一类。     

青海贵德县天然草地类型的聚类分析与评价

本文利用植被覆盖度、株丛高度、经济类群产量数据,采用平方Euclidean距离和SPSS 22.0软件对青海省贵德县6个草地类21个天然草地类型进行聚类分析。结果表明,当平方Euclidean距离为10时,青海省贵德县21个天然草地类型可以重新聚类为5个草地类,聚类结果客观科学,说明聚类分析方法在天然草地分类工作中可以适度推广利用。     

遗传距离聚类法和模型聚类法在地方鸡种群体遗传结构分析中的比较

利用16个微卫星标记,计算品种间DA遗传距离和基因流（Nm）,并基于DA遗传距离运用NJ算法和基于Structure程序构建2类聚类图,比较分析10个地方鸡品种群体间的遗传结构和亲缘关系。结果表明：基于DA遗传距离运用NJ算法构建的聚类图将10个地方鸡品种总体上分为2大类：轻体型的鸡种（包括茶花鸡、藏鸡、仙居鸡、固始鸡和白耳鸡）和重体型的鸡种（包括狼山鸡、大骨鸡、北京油鸡、鹿苑鸡和萧山鸡）;在轻体型的类别中,茶花鸡和藏鸡、仙居鸡和固始鸡聚为一类;在重体型的类别中,鹿苑鸡和萧山鸡聚为一类,狼山鸡、大骨鸡和北京油鸡则表现为独立分支,聚类结果与品种问基因流动相一致。Structure程序在预先未标识个体品种来源的条件下,准确推断出10个地方鸡种群体所属类别,构建的聚类图与遗传距离聚类结果基本一致。Structure程序还根据个体基因组分数,指出了10个地方鸡种群体中迁移个体和具有复杂遗传基础个体的分布,这是遗传距离聚类法所不能揭示的。     

基于三轴加速度传感器的山羊行为特征分类与识别

为分类并识别山羊的典型日常行为特征,以半封闭圈养的波尔山羊为研究对象,利用三轴加速度传感器对山羊的三轴加速度数据进行采集,利用K-means聚类算法对采集的数据集进行反复叠加训练得到较为稳定的聚类中心,同时利用全程的视频监控结合动作发生的时间识别并验证山羊的4种典型日常行为。结果表明,将三轴加速度传感器部署在山羊羊角处基本无明显应激反应,并且此传感器可以连续不间断地记录山羊的行为特征参数,对山羊的躺卧、站立或慢走、采食、跨跳等典型日常行为识别的准确率达87.76%,为山羊福利及山羊疾病预测模型的建立奠定了基础。     

用5个微卫星标记分析四川7个地方山羊品种的遗传关系

选用5个微卫星标记对四川7个地方山羊品种(类群)进行了遗传关系分析。结果表明:5个微卫星标记检测到的等位基因数从1～7个不等,平均多态信息含量为0.537～0.716,其中ILSTS004、ILSTS030、McM038和OarFCB011这4个基因座位为高度多态性基因座,CSSM004为中度多态基因座,都能较好地用于山羊群体间的遗传多样性分析。7个山羊群体的平均多态信息含量为0.601～0.696,群体平均杂合度为0.530～0.655,群体间的遗传分化系数为0.1167,表明7个地方山羊群体的遗传多样性较为丰富。群体间的Nei氏遗传距离为0.0822～0.7240,以Nei氏遗传距离为基础构建的系统聚类树表明,藏山羊、建昌黑山羊、成都麻羊和北川白山羊聚为一大类,第2类为乐至黑山羊和金堂黑山羊,最后简阳大耳羊单独成一类。     

广东省四个家鹅群体的遗传变异研究

通过筛选31个多态性较好的微卫星标记检测了广东省狮头鹅、乌棕鹅、阳江鹅、马岗鹅4个家鹅的遗传变异。利用等位基因频率计算了各群体的遗传参数、群体间的Nei氏标准遗传距离DS和DA遗传距离,并采用邻近法(NJ)和类平均法(UMPGA)进行聚类。结果表明广东省4个家鹅群体的平均杂合度为0.652,遗传一致性较好,各品种间的遗传距离远近顺序在两种遗传距离DS和DA的结果中是完全一致的,以DA为基础得到的UPGMA和NJ的聚类结果都表明这4种鹅聚为两类,狮头鹅和乌棕鹅聚为一类,阳江鹅和马岗鹅聚为一类。同时表明以DA为基础得到的结果NJ的聚类结果更加准确。表明在应用微卫星标记分析品种的遗传多样性时,使用更多的微卫星位点,才可以获得更准确更具普遍性的结论。     

利用微卫星标记分析三个绵羊品种及杂交后代遗传多样性

利用微卫星标记技术,分析了无角陶赛特羊、滩羊、小尾寒羊及其杂交后代滩寒F1、陶滩寒F15个绵羊群体的遗传多样性,结果表明:7个微卫星位点均为高度多态位点,平均多态信息含量(PIC)达0.7077~0.8396;5个群体平均位点杂合度达0.7454~0.8665。以Nei氏遗传距离的UPGMA和NJ聚类结果表明,滩羊与滩寒F1具有较近的亲缘关系,小尾寒羊与陶滩寒F1具有较近的亲缘关系,可聚为一类;滩羊、小尾寒羊与陶赛特羊具有较远的亲缘关系。     

北京地区中国荷斯坦牛长寿性及其影响因素分析

本研究对北京地区中国荷斯坦牛群不同淘汰原因进行归类并对奶牛长寿性的影响因素进行分析,旨在为奶业实践中提高奶牛长寿性提供依据。试验收集了北京地区1996—2014年的奶牛离群记录(51 361条),将淘汰原因归为11大类。针对在群时间(从出生至淘汰的总天数),使用SAS MIXED过程,以场、出生年和月、淘汰类型作为固定效应,父亲、场年互作、年月互作为随机效应,分析各因素的影响。结果表明:繁殖障碍与消化类疾病是造成奶牛淘汰的最主要因素,约占40%;奶牛平均在群时间不足5年,平均胎次2.86胎;场、出生年、出生月、淘汰类型均对在群时间有显著影响,父亲效应方差组分约占总方差的1%。北京地区中国荷斯坦牛使用年限较短,被动淘汰比例高,其长寿性受遗传与环境因素共同影响。本研究结果可为中国荷斯坦牛群生产寿命遗传评估建模及实施平衡育种奠定基础。     

玳瑁遗传多样性的RAPD分析

应用RAPD技术分析了玳瑁的遗传多样性。用20个随机引物对中国南海海域玳瑁7个个体的基因组DNA进行了PCR扩增,共扩增出1 351条DNA片段,平均每个个体扩增出193条条带。在检测到的193条条带中,多态性条带为69条,多态性条带百分比为35.8%,条带大小在200 bp～3 000 bp之间,7个个体间遗传距离为0.082 9～0.1813,平均遗传距离为0.132 7±0.029 9,表明中国南海海域玳瑁的遗传多样性水平较低,应加强该区域玳瑁种质资源的保护。采用类平均聚类法（NJTREE）构建了7个个体相互关系的分子聚类图,表明该7个玳瑁个体没有形成种群的分化。     

北疆地区某规模化牛场奶牛子宫内膜炎发病规律调查分析

为了解北疆地区某规模化牛场奶牛子宫内膜炎发病规律,试验统计了该场2016—2020年各月份、胎次、产奶量、不同分娩情况、不同发病原因奶牛子宫内膜炎的发病率,同时对子宫内膜炎的发病率与胎次、产奶量、分娩情况和发病原因进行相关性分析。结果表明：7—9月份(夏季)和1—2月份(冬季)是奶牛子宫内膜炎高发月份;3胎奶牛子宫内膜炎的平均发病率最高,为49.86%;产奶量>7 000 kg奶牛子宫内膜炎的平均发病率最高,为44.05%,产奶量越高,发病率越高;早产奶牛的子宫内膜炎平均发病率最高,为47.66%;病原微生物是引起奶牛子宫内膜炎的主要原因。不同产奶量、不同分娩情况与奶牛子宫内膜炎的发病率分别呈极强正相关、强正相关,而不同胎次、不同发病原因与奶牛子宫内膜炎的发病率均呈弱负相关,其中夏冬季、3胎、高产奶牛和病原微生物是引起奶牛发生子宫内膜炎的主要原因。说明在生产中应加强产犊时间调控、高产奶牛产后能量供应、早产奶牛产后护理及消毒,减少奶牛子宫内膜炎的发病率。     

基于YOLOv5模型的仔猪社交识别方法研究

精准识别仔猪间社交关系对了解仔猪内部社交和预警异常仔猪具有重要意义。针对传统方法在仔猪社交识别时存在的人工依赖多、劳动强度大、观测效率低等问题,本研究借助机器视觉与深度学习技术,提出了一种基于改进的YOLOv5模型的仔猪社交识别研究方法。该研究以9头30～35日龄群养的长白二元杂交仔猪为研究对象,从顶部视角连续采集视频数据,经图像截取与数据增强共获得13 389张图像作为数据集。首先,选取Faster R-CNN、SSD、YOLOv4和YOLOv5这4种典型目标检测算法对数据集进行训练,通过对比分析,确定用于仔猪个体身份识别最优模型;然后依据K-means聚类算法确定仔猪社交中心,通过计算仔猪与社交中心的欧氏距离量化仔猪社交值,利用位置信息构建仔猪社交网络,绘制仔猪运动轨迹,获得社交正常与社交异常仔猪的识别阈值;最后,利用该阈值对仔猪进行分类,识别社交异常仔猪个体并实现预警。经测试,改进的YOLOv5对群养仔猪个体身份识别的平均精度均值达99.29%,模型大小为13.71 MB,满足仔猪身份识别需求,与YOLOv5、YOLOv4、SSD和Faster R-CNN模型相比,改进的YOLO...