基于神经网络和机器学习的白羽肉鸡体重估测算法

针对规模化肉鸡养殖生产中,传统肉鸡称重方法易造成应激问题,设计一种基于神经网络和机器视觉技术的非接触式肉鸡体重估测方法。应用深度相机采集白羽肉鸡的红外图像和深度信息,以目标识别算法YOLOv3和卷积网络分割算法FCN(Fully convolutional networks)为基础构建肉鸡区域提取模型,YOLOv3和FCN模型的查准率分别为98.1%和97.8%,查全率100%;结合肉鸡的深度信息,提取肉鸡投影面积等相关特征,构建多种回归算法,训练并调整优化肉鸡体重估测模型,ABR(Adaboost regressor)模型在测试集上达到最优的估测效果,该模型的决定系数R2为0.95,绝对误差为0.01～0.32kg。本研究的非接触式的肉鸡体重估测模型能较好的预测肉鸡体重,为实际生产环境中肉鸡自动称重提供了技术支持。     

育肥猪生长过程中脸部变化对识别模型准确率的影响

为探究猪脸识别模型对育肥猪猪脸生长变化的识别效果,采用深度卷积网络,对大白育肥猪生长过程中脸部变化与识别模型准确率之间的关系进行研究。结果表明:1)在预训练的DenseNet201、MobileNetV3_small、SeNet154和Xception 4种模型中,SeNet154模型猪脸识别效果最好,对验证集的识别准确率可达98.80%,选其为猪脸识别模型;2)分别用试验期间第1～2、1～3、1～4和1～5天采集的猪脸图像数据训练该模型,并分别使用第3～8、4～9、5～10和6～11天的数据逐天测试模型的猪脸识别效果发现,使用第1～4与1～5天数据训练的模型猪脸识别效果相当且优于使用第1～2与1～3天数据训练的模型。使用第1～4天数据训练的模型对第5天数据的识别准确率最高,为96.74%,其后5天的识别准确率逐天下降,到第10天为84.17%。分析认为,造成识别准确率下降的原因是猪脸生长、光照变化以及污渍附着。3)使用第(n-4)～(n-1)天(5≤n≤10)的数据重新训练动态模型后,对第n天猪脸数据的识别准确率均在95.82%以上。深度卷积网络模型在猪脸识别方面有较高的识别准确率,可以用于育肥猪的脸部识别;建议在育肥猪的猪脸识别系统中每天都使用至少前4天,且≥10 800组图像数据重新更新猪脸识别模型。     

水稻叶片几何参数无损测量方法研究

【目的】提出实现自然生长状态下的水稻叶片几何形态参数视觉无损测量,为实时监控水稻的生长状况提供准确的数据,也为农学研究者提供新的技术手段。【方法】类似曲线长度细线测量方法,在叶脉上通过手势交互绘制确定一组控制点,插值生成过控制点的3次B样条曲线,调整控制点使得B样条曲线逼近叶脉方式实现水稻叶片长度测量。在叶片最大叶宽处绘制1次B样条曲线实现水稻叶片最大叶宽测量。采用基于4个方向模板运算的距离变换算法对茎叶夹角图像进行骨架信息提取,并利用Hough变换对提取的骨架信息进行直线检测实现茎叶夹角计算。应用BP神经网络、支持向量机回归和随机森林回归算法对样本数据进行训练,以水稻叶片长度、叶片最大宽度作为输入变量对水稻叶面积进行估测。【结果】B样条曲线逼近方式计算的水稻叶长的平均绝对误差和平均相对误差分别为0.523 3 cm和2.33%,叶宽的平均绝对误差和平均相对误差分别为0.055 2 cm和6.66%。Hough变换计算的茎叶夹角平均绝对误差和平均相对误差分别为1.27°和2.46%;通过对金优458和中早35两个不同品种结果对比,相较于其他模型,发现BP神经网络模型对叶面积估测结果的均方根误差、平均绝对误差和平均相对误差分均为最低,其中JY458品种的均方根误差、平均绝对误差及平均相对误差分别为1.189 2 cm2、1.061 cm2和4.95%,ZZ35品种的均方根误差、平均绝对误差及平均相对误差分别为1.143 1 cm2、0.959 5 cm2和4.85%。【结论】从图像采集到测量操作过程都不与被测叶片器官进行接触,真正意义上实现了对水稻叶片几何形态参数的无损测量,且操作便捷,测量精度高,误差小,完全能够满足农学研究的需求,为其他植物器官的几何形态参数无损测量提供了一种新的普适方法。     

基于NDVI的水稻产量遥感估测

以云南省寻甸回族彝族自治县水稻为研究对象,提出一种基于时间序列归一化植被指数(NDVI)的水稻估产模型。利用2000—2013年各月NDVI影像数据和寻甸回族彝族自治县水田分布区域,分析研究区NDVI年月变化特征;然后,通过对比不同月份NDVI组合均值与水稻平均产量的皮尔逊积矩相关系数(Pearson)显著性,确定进行估产所使用的NDVI影像数据;最后,根据水稻年平均产量与NDVI均值建立不同估产模型,通过对比决定系数(R~2)、绝对及相对误差、平均偏差(ME)、均方根误差(RMSE)、纳什(Nash-Sutcliffe)效率系数(NSE)和符合指数(IA),分析各模型估产精度,最终确定最佳估产模型。结果表明,研究区水田NDVI大致从6—8月处于增长阶段,之后到次年5月处于下降阶段。每年6、7、8月的NDVI均值与水稻产量的相关系数为0.690,显著性最高,为0.006。多项式估产模型的绝对误差、相对误差平均值仅为210.431 kg/hm~2、3.602%;平均偏差、均方根误差计算结果中,多项式的值最小,Nash-Sutcliffe效率系数、符合指数最接近1的模型为多项式函数模型,其中符合指数高达0.921,预测结果较准确。基于时间序列NDVI的多项式估产模型预测产量精度最高,能够实现对水稻产量的遥感估测。     

基于深度图像的大菱鲆体重估测模型研究

为了对大菱鲆体重进行无损估测,提出了一种基于深度图像的大菱鲆体重估测模型。该方法首先对大菱鲆深度图像进行图像预处理,提取出深度信息与生长数据进行映射建模,拟合出目标特征,并结合网格搜索优化支持向量回归(GS-SVR)算法,实现大菱鲆体重估测。估测结果与实际测量结果进行对比,两者的决定系数(R2)达到0.990 1,均方根误差(RMSE)为0.029 7。该模型具有简单灵活、估测精度高和易于实现等特点,同时具有很好的应用前景。     

基于星载高光谱数据的南京新济洲湿地土壤有机质估测研究

在高光谱数据预处理、土壤有机质高光谱敏感波段提取基础上, 建立多元线性回归、最邻近法、装袋算法、多元感知器、随机森林5种遥感估测模型。用10折交叉验证方法, 借助相关系数、绝对误差、均方根误差、相对误差、相对均方根误差5个指标, 对遥感估测模型结果进行精度评价, 选择精度最高的模型进行湿地土壤有机质遥感估测和空间分析。结果表明:土壤有机质高光谱敏感波段主要集中在925、1 144、1 477、1 780 nm 4个波段; 在预测土壤有机质的5种模型中, 多元线性回归模型预测精度最高, 随机森林次之; 土壤有机质空间分布呈现由洲滩中间向四周逐渐增加的带状分布格局; 新济洲沼泽地土壤有机质含量最高, 为2.22%;靠近沼泽的林地次之; 植被覆盖度较低的农地和裸地的土壤有机质最低, 为0.43%;这种土壤有机质空间分布格局与研究区土壤类型的带状分布存在密切联系。     

基于轻量化网络与注意力机制的育肥猪采食行为识别方法研究

[目的]针对育肥猪采食行为识别误差大、检测速度慢等问题，提出一种具有轻量化结构的育肥猪采食行为检测模型，实现对育肥猪采食行为的快速检测与采食时长统计。[方法]以YOLO v5L目标检测算法为基础，构建侧视视角下的猪只采食行为检测模型。对比更换不同轻量化主干网络后对模型检测效果的影响，选取性能最优的模型；改进ShuffleNet V2网络结构基本单元，采用Mish激活函数提高模型泛化能力与推理速度，引入SE注意力机制给予目标特征更高的权重以提高目标识别精度；对比分析模型增加非营养性访问行为检测前、后的采食行为识别准确率。[结果]优化后的育肥猪采食行为检测模型大小为38.2 MB,计算量为37.8 GFLOPs,视频检测平均帧耗时7.6 ms。与非营养性访问行为进行区分识别后，猪只采食行为检测识别准确率为96.4%,召回率为92.5%。模型检测采食时长与人工统计采食时长相对误差为6.1%。[结论]改进的YOLO v5L-ShuffleNet网络模型检测速度和模型大小均能满足实际生产需求，可在复杂养殖环境中全天候识别育肥猪采食行为。     

小麦麦穗几何表型测量的精准分割方法研究

[目的]小麦麦穗表型获取涉及麦穗到籽粒不同几何尺度的参数精确测量,本文针对麦穗籽粒图像分割粘连现象,研究达到像素级别的精准分割算法,并基于该方法给出籽粒的基本几何参数。[方法]田间随机采集小麦麦穗,对采集的麦穗标本获取表型信息并采集图像,进行数据增广和标注,构建1个包括深度残差网络(deep residual network,Res Net)、区域建议网络(region proposal networks,RPN)和全卷积网络(fully convolutional networks,FCN)的实例分割算法Mask R-CNN,对训练集图片进行迭代训练获得模型。[结果]测试集测量结果表明,在测试麦粒上获得的籽粒像素测量平均精度(averageprecision,AP)值为0.85,F_1(F_1-measure)值为0. 830,对麦穗长度测量穗长的平均绝对误差为3. 30 mm,平均相对误差为3.40%,宽度测量的平均绝对误差为0.72 mm,平均相对误差为4.10%,综合测量误差为3.75%,试验结果显著优于最大类间方差法(OTSU)以及全卷积网络。通过对特征提取网络层数的修改在处理速度上达到4.26 FPS(frames per second),对比FCN处理速度提升了8.5倍。[结论]利用Mask R-CNN分割方法得到1个对整株麦穗和单个籽粒进行目标定位、目标检测和实例分割为一体的端到端、像素级的分割模型,可以对麦穗及部分籽粒进行精确的几何表型测量。     

基于Android平台的荒漠柽柳地上生物量无损快速估测方法

荒漠灌木生物量估测是研究荒漠生态系统结构与功能的重要指标。为了实现荒漠灌木地上生物量的野外实时、无损、快速估测,应用机械设计与制造技术和方法,研制了一种荒漠灌木地上生物量的野外测量装置,综合应用数字图像处理算法,基于Android平台开发了测量装置上运行的荒漠灌木地上生物量无损快速估测软件。以新疆古尔班通古特沙漠南缘的150株柽柳为试验对象,验证荒漠灌木地上生物量无损快速估测方法的有效性。结果表明,以柽柳图像俯视面积(S)为自变量建立生物量模型B=15.215+369.44S-42.03S~2+1.668S~3最优,决定系数(R~2)最大,与人工实际测量结果相比,该系统估测的平均绝对误差为79.12g,平均系统误差为1.73%,平均绝对百分误差为18.59%,估测值和实测值相关系数为0.939 1,能有效测量生物量,为无损快速估测荒漠柽柳地上生物量提高了工作效率。     

二元杂种育肥猪体重估测公式的建立

猪的体长、胸围是家畜育种经常度量和研究的数量性状.它既可以反映猪的生长发育状况,又可以反映猪的体重和外貌,并与某些重要的经济性状有一定的相关.但采用体长和胸围估算猪的体重公式,即猪体重(kg)=体长×胸围/142或156或162(营养良好为142,营养中等为156,营养不良为162),估测误差很大.为此,我们利用本市江安区食品站收购二元杂种肥猪过程中实际测得的体长、胸围及体重数据,以建立较为理想的用于估测二元杂种猪的体重估算公式.     

微生物发酵床大栏猪舍育肥猪群管理隔离栏结构设计(英文)

[目的]微生物发酵床育肥猪大栏养殖系统单栏同期养殖育肥猪1 500头,由于猪群过大,管理难度很大,取食、饮水、运动、睡卧、争斗等行为难以观察,无法分类管理,造成小猪更弱,弱猪更不健康,病猪漏治,造成猪群体管理缺位,亟需进行改善。[方法]作者设计了微生物发酵床大栏猪舍育肥猪群管理隔离栏结构,提出猪群渐进分栏管理方法,将微生物发酵床大栏猪舍猪群管理隔离栏分成8个区域,其中位于微生物发酵床的两侧4栏作为隔离栏,主要功能是用于隔离病、弱、小、差的猪。主体栏分割为4个渐进隔栏,分别隔离不同大小的育肥猪。在管理上,利用渐进隔栏对不同类型的猪进行分类管理,将大小相同的猪归到同一栏,将病、弱、小、差的猪归到隔离栏,动态地管理不同类型的猪。等到育肥猪长到75 kg左右,猪群的健康状态稳定,可以打开所有的栏门,让各栏贯通,猪群有更大的运动空间。[结果]利用这一方法,提高了病猪的治疗能力,促进了弱猪的康复能力,提升了同期猪群的管理水平,为微生物发酵床育肥猪大栏养殖系统健康运行提供了基础。[结论]发酵床养殖模式可显著改善猪舍环境和猪的福利状况,并改善生产性能和猪肉品质,其安全性和经济性优势明显,应用前景广阔。     

利用二维数字图像估算种猪体重

为解决生产过程中种猪体重称量困难,难以对其生长进行实时监测的问题,提出利用二维数字图像对种猪体重进行估算的方法。利用数码摄像机获取种猪样本图像,采用域值分割法对图像进行分割,根据投影区域与参考系的比例关系估算得到种猪真实投影面积和体高,并建立了其与体重的回归方程。实验结果表明:用该方程估算得到的种猪体重与实际称量体重的平均相对误差为3.2%,精度较高,验证了本方法估算种猪体重的可行性。本方法可以避免传统称量方法可能导致的猪的应激反应给生产带来的损失,降低种猪生产成本,可用于种猪生长过程的监测和研究,为种猪的现代化饲养管理提供了一种有效的监测手段。     

季节性短期冷刺激对育肥猪血液生化指标的影响

旨在研究季节性短期冷刺激对育肥猪血液生化指标、免疫因子水平以及抗氧化指标的影响。选取60头体质量为(116±5)kg的育肥猪,随机分为5组,每组12头。试验期间大幅降温,对猪群造成冷刺激。试验第9、13和25天每头猪前腔静脉采集血液,测定生化、免疫和抗氧化指标。结果表明,冷刺激导致育肥猪血清中胰岛素含量显著降低,谷丙转氨酶、谷草转氨酶、血清葡萄糖、生长激素、三碘甲状腺原氨酸、甲状腺素含量显著升高;冷刺激导致育肥猪血清中IgA、IgG、IgM和白细胞介素2(IL-2)含量显著降低,一氧化氮含量显著升高,并造成育肥猪免疫力下降;冷刺激导致育肥猪血液中谷胱甘肽过氧化酶、超氧化物歧化酶含量显著降低,皮质醇含量升高,并造成育肥猪抗氧化能力降低。表明季节性短期冷刺激能通过改变育肥猪部分血清生化指标导致猪只免疫力和抗氧化能力降低。     

不同能量和蛋白质水平对桂科猪生产性能的影响

为研究饲料中粗蛋白质及能量水平对桂科猪生产性能的影响,试验分为两个阶段,即生长期(30~60 kg)和肥育期(60~90 kg),以不同营养水平的饲料进行饲喂。结果表明,在30~60 kg阶段,采用蛋白质水平15.5%和能量3 200 kcal/kg的饲料饲喂桂科商品猪,可获得最佳的生产性能;在60~90 kg阶段,采用消化能为3 200 kcal/kg的饲料饲喂桂科商品猪,可获得最佳的生产性能。     

淮南猪生长发育与肥育性能的研究

对淮南猪5 4头公猪和30 8头母猪的生长发育进行了测定,并对82头育肥猪进行了屠宰测定和胴体分析。结果表明,淮南猪的体重、体高、体长、胸围等指标在3月龄以前公母猪无明显差异,4月龄以后母猪的体重和体尺逐渐大于公猪。后备猪6月龄体重,公猪(4 1.2 8±3.2 3)kg ,母猪(4 5 0 8±3.86 )kg ;体长,公猪(88.37±4 .2 )cm ,母猪(90 .6 9±4 .36 )cm ;体高,公猪(5 1.73±3.94 )cm ,母猪(5 3.0 4±4 .4 2 )cm。胴体组织的早熟顺位为骨、皮、肉、脂,体躯各段的早熟顺位是蹄、头、腰、腿臀、颈胸。其体型大小在我国地方猪种中居中等。育肥期日增重(375 .182±4 0 .2 6 )g ,屠宰率为70 738% ,瘦肉率为4 9.0 75 % ,眼肌面积(2 3.32 8±3.75 2 )cm2 ,含脂率为33.5 % ,与多数地方猪种含脂率相当。育肥猪适宜屠宰体重90kg左右,适宜屠宰期8月龄,饲料转化率3.84∶1。淮南猪肉质优良,肉色3.5 ,为正常鲜红色,大理石纹3.5 ,肌肉脂肪分布为理想分布,pH值6 .3～6 .5 ,属正常范围,无PSE肉     

日粮中搭配发酵鸡粪饲喂肥育猪的效果

本试验选60头6月龄肥育猪随机分为四组,在基础日粮中用不同比例的发酵鸡粪(10%、20%、30%)代替等量的混合料,并设立对照组,试验期21天。结果表明,各试验组与对照组的平均日增重无显著差异(P>0.05)。其中以30%的发酵鸡粪代替等量混合料,每公斤增重可节省混合料26.48％,可降低饲料成本15.98％。我们认为,在猪日粮中以适当比例发酵鸡粪代替部分混合料不明显影响增重,具有降低成本,提高经济效益的优点,在生产中是可行的。     

Studies on Feeding Animals with Straw of Grain-Straw-Dual-Use-Rice 201

The straw of Grain-Straw-Dual-Use-Rice (GSDUR) variety 201 of which the grain quality and yield were equivalent to that of common rice variety (the grain yield approximately 7.5 t ha-1 ), but straw protein content was 9.31% (common rice straw i.e. CK was approximately 4.0%), and other eight fodder indexes were better than CK to some extent, was employed to feed animals. 15 N tracing result suggested that the protein in 201 straw could be effectively transformed into fish body protein and white mouse body protein. The digestibility of fodder, the 15N recovery rate of animal body and the absorption of fodder protein were 13.8,9.6, 24. 49 % and 16.5, 6.0, 47.2 % higher than those of common rice straw respectively when feeding grass carp and white mice with 201 rice straw, whereas the 1s N recovery rates of animal manure were 3.25, 6.5 %lower than those of common rice straw, respectively. The results of feeding animals with 201 straw were as carp, fish weight gain per kg fresh rice straw were increased by 60.0, 16.8 and 37.0% respectively when 201fresh straw was used to feed grass carp compared to feeding CK, and fish yield could be increased by 297.5 kg creased by 33.9 and 26.8% respectively when 201 rice straw was used as the main raw material of the compound fodder to feed white geese compared to feeding CK, and geese weight could be increased by 2 358.0 kg powder substituting for wheat bran which made up of 5 % compound fodder to feed cross bred pigs compared to CK, but 0. 11 kg fine fodder could be saved when 1 kg cross bred pig weight was increased.     

安徽省部分地区猪圆环病毒2型感染情况调查

[目的]了解猪群猪圆环病毒2型(PCV2)的感染情况,为安徽省猪圆环病毒病的防控提供科学数据。[方法]调查了安徽省8个县(区)的17个健康猪群,采集439份生猪扁桃体样品,采用荧光定量PCR方法对其进行检测。[结果]猪群PCV2平均感染率为23.0%,9个场点PCV2呈阳性,占53%;种猪场、商品猪场及屠宰场PCV2感染率分别为45.0%、11.8%和43.0%,商品猪场PCV2感染率极显著低于种猪场和屠宰场(P0.01);淮河以北地区和江淮之间地区PCV2感染率分别为13.0%和25.5%,差异显著(P0.05);大型商品猪场、中型商品猪场和小型商品猪场PCV2感染率分别为8.0%、0和26.0%,中型商品猪场PCV2感染率极显著低于大型商品猪场和小型商品猪场(P0.01);生产母猪、后备母猪、保育猪及育肥猪PCV2感染率分别为12.0%、16.0%、0和17.0%,其中保育猪PCV2感染率极显著低于生产母猪、后备母猪及育肥猪(P0.01)。[结论]安徽省部分地区超过50%猪群存在PCV2感染,应引起足够重视。     

Diludin促猪生长作用及对甲状腺素、皮质醇分泌影响的研究

本试验研究了Ｄｉｌｕｄｉｎ对２０头２０ｋｇ体重迪卡生长猪和２４头６０ｋｇ体重迪卡育肥猪生长的影响,并研究了对甲状腺素中三碘甲腺原氨酸（Ｔ３）、四碘甲腺原氨酸（Ｔ４）以及皮质醇含量的影响,以阐明其促生长作用机理。结果表明：（１）添加３７５ｍｇ／ｋｇＤｉｌｕｄｉｎ可以提高生长猪日增重和饲料报酬,但对日增重的影响前期大于后期,前期日增重（３５１５０ｇ）比对照组（３２７５０ｇ）提高７３３％,而后期日增重（８０９１０ｇ）比对照组（７９２５０ｇ）只提高２０９％。全期饲料报酬试验组（２０９６）比对照组（２２１９）提高５５４％。（２）添加２５ｍｇ／ｋｇＤｉｌｕｄｉｎ可使育肥猪日增重和饲料报酬（９０８９ｇ,３７７）分别比对照组（７６０９ｇ,３８６）提高１９４５％,２３３％;添加５０ｍｇ／ｋｇ可使育肥猪日增重和饲料报酬（９３５７ｇ,３７２）分别比对照组（７６０９ｇ,３８６）提高２２９７％,３６３％。（３）５０ｍｇ／ｋｇ组猪膘厚（１１９±００３）ｃｍ与对照组（１２８±０２６）ｃｍ相比下降７０３％,提高了瘦肉率。（４）血清Ｔ３质量比为２５ｍｇ／ｋｇ组（０４６６±０２０２）ｎ?