基于功率谱和共振峰的母羊发声信号识别

内蒙古及周边西部地区正在发展规模化种草设施圈养,这种养殖模式要求较高的福利化饲养水平。母羊在不同的应激行为下会发出不同的声信号,可以通过识别母羊发声信号去评价其健康状况和福利化养殖水平。该研究以成年小尾寒羊为例,通过无线语音数据采集卡,平均采集80只母羊在寻羔、饥饿和惊吓3种应激行为下的发声,用Audacity软件共分割成1 200句叫声信号,并用带通滤波和小波消噪进行预处理。每种应激行为下再随机选取200句发声信号,共计600句进行AR（auto-regressive）功率谱估计和共振峰分析,提取第1、2和3共振峰频率和6个代表性的功率谱估计频域参数：功率谱密度的平均值、几何平均值、中值、切尾平均值、平均绝对偏差值和四位分极差,同时也提取叫声信号的最大值、持续时间和间隔时间时域参数,这些特征参数用于训练BP（back propagation）神经网络母羊发声信号识别模型,剩余的600句发声信号用于测试模型的识别效果。结果表明：母羊在不同应激行为下的发声信号具有明显差异的特征参数,采用共振峰参数训练的BP网络,其对母羊发声信号的正确识别率为85.3%,高于利用AR功率谱估计参数的81.0%,当2种参数进行组合训练BP网络后,其正确识别率可达93.8%,表明这种方法的识别效果更好,由于在同一种应激行为下,不同年龄和体质量的母羊发声信号具有一定的差异性,使得系统的误识别率达到6.2%。     

机器视觉识别单只蛋鸡行为的方法

动物行为是一个重要的动物福利评价指标。为了实现对蛋鸡行为的自动监控,该文提出了利用计算机视觉技术对单幅蛋鸡图像进行行为识别的方法,可自动识别单只蛋鸡的运动、饮水、采食、修饰、抖动、休息、拍翅膀、探索、举翅膀的行为,并可长时间追踪蛋鸡的活动情况及运动轨迹。运动、采食和饮水通过追踪蛋鸡的位移和位置直接识别;拍翅膀、修饰、休息、探索、抖动、举翅膀则使用贝叶斯分类法基于10个特征量进行识别,所引入的蛋鸡上下轮廓到最小二乘拟合椭圆长轴距离的相关系数可有效追踪蛋鸡头部,从而提高了修饰和探索的识别率。对9219幅图像进行蛋鸡行为识别的识别率分别为:运动99.4%、饮水80.7%、采食87.3%、修饰81.6%、抖动69.8%、休息86.2%、拍翅膀100%、探索(包括啄食)54.0%、举翅膀64.6%。     

基于LabVIEW平台的蛋鸡栖架分布监测系统设计与实现

蛋鸡栖架系统是一种用于提高蛋鸡福利水平的新型立体散养系统,其中系统中栖架设置的位置、数量及栖杆尺寸是否符合蛋鸡需求,仍需要进一步观察。研究中发现,目前还没有好的实时统计栖杆上蛋鸡数量的方法,而常用的人工统计不仅效率低,而且易造成蛋鸡应激。为此,该文基于实时采集蛋鸡在饲养过程中上栖架的频次、所处位置等数据的需求,利用LabVIEW平台开发了一套蛋鸡栖架分布实时监测系统。针对该系统平台结构设计、系统校准原理与方法、栖杆分布数据采集与分析等问题进行了相关研究。结果表明:系统运行稳定,系统提供的蛋鸡分布数据与人工识别现场蛋鸡分布的数据相比,平均准确率为99%,可为新型栖架离地立体散养系统设计中的蛋鸡栖架布置形式、栖架优化等提供数据支持。     

基于规模与区域差异的蛋鸡养殖机械化对劳动力替代关系

在畜禽养殖规模化的大背景下,机械化成为蛋鸡产业提质增效、转型升级的关键,研究蛋鸡养殖机械化对劳动力的替代关系对于产业规模化发展及政策制定具有重要意义。该研究利用超越对数生产函数测算不同规模（存栏量300～1 000、>1 000～10 000和10 000只以上3种规模）及不同区域（东部、中部、西部和东北4个区域）蛋鸡养殖机械化对劳动力的替代弹性,并从规模及区域差异的角度对蛋鸡养殖机械化对劳动力的替代弹性进行分析。结果表明：1）国内蛋鸡养殖呈现机械化替代劳动力的发展趋势,且存在规模及区域差异;2）小、中、大3种养殖规模机械化对劳动力替代弹性平均值分别为0.988 4、0.303 3和0.343 5,不同蛋鸡养殖规模机械化对劳动力替代弹性差异较大;3）蛋鸡养殖机械化对劳动力的替代存在区域差异：各区域机械化对劳动力均存在不同程度的替代,蛋鸡产业布局较为稳定,蛋鸡产业区域布局要在现有基础上继续发挥东部地区优势,并推动产业“南下西进”,优化产业区域布局。研究表明,蛋鸡养殖机械化与劳动力替代关系存在明显的规模与区域差异,要根据蛋鸡养殖机械化对劳动力替代的特点,因地制宜,强化政策聚焦。     

蛋鸡个体生产性能参数监测装置设计与试验

为了方便、准确记录不同环境下蛋鸡个体生产性能参数,解决手动测定误差大,对鸡造成应激等问题,设计了蛋鸡个体生产性能参数自动记录系统。通过传感器、光电传感器获取蛋鸡个体采食量、饮水量、排泄量、产蛋时间、蛋质量等生产性能参数,借助于C#程序进行数据处理,实现了蛋鸡个体生产性能参数的实时连续记录。试验结果表明:系统运行稳定,采食量相对误差为0.32%;饮水量相对误差为0.24%;排泄量相对误差为0.48%;蛋质量相对误差为0.17%,产蛋时间记录精度可以满足个体蛋鸡产蛋时间记录要求。该研究可为蛋鸡个体生产性能参数自动监测提供参考。     

不同季节蛋鸡饲料养分浓度的研究Ⅱ.高温期罗曼蛋鸡日粮的优化研究

在高温夏季（１９９３年７月１日～９月３０日,合肥地区,开放式鸡舍,舍温２７．９～３８．７℃,平均３２．３℃）,用６种不同配方的日粮饲喂处于相同生境的６组２３～３６周龄罗曼蛋鸡。按罗曼公司推荐的饲养标准配制第１组日粮;对第２～６组日粮养分浓度作适当调整。饲养结果表明：各组间罗曼蛋鸡产蛋率、饲料转化率和产蛋饲料成本有显著（Ｐ＜０．０５）或极显著（Ｐ＜０．０１）差异。其中,第５组鸡产蛋率（８３．９３％）和饲料转化率（４３．６４％）均为最高（Ｐ＜０．０１）,比第１组鸡产蛋率（７８．９１％）和饲料转化率（４１．２６％）分别提高６．３６％（Ｐ＜０．０５）和５．７７％（Ｐ＜０．０５）;第５组鸡产蛋饲料成本（２．５５元／ｋｇ）比第１组鸡产蛋饲料成本（２．９２元／ｋｇ）降低１４．５１％（Ｐ＜０．０１）。第５组日粮配方（％）为：玉米６１．０、小麦麸３．０、大豆粕１７．０、鱼粉４．０、菜籽饼４．３、蛋氨酸０．１４、赖氨酸０．０５、骨粉０．８、石粉８．５、磷酸氢钙０．８、食盐０．３１、禽用微量元素添加剂０．１２、罗曼多维素０．０１８。     

规模化蛋鸡场现代化生产管理系统的建立与应用

为建立一个我国规模化蛋鸡场适用的生产管理系统,综合运用了多媒体技术、网络化管理、人工智能和自动化监控技术方法。通过人工神经网络与专家系统有机结合,改进鸡疾病专家系统;创建免疫接种备忘系统。由生产统计、生产计划、饲料配方、饲料库存、免疫接种和鸡病诊断专家系统构建成网络化软件系统。各子系统在数据库级别上达到企业数据资源的共享和利用,也可根据用户应用需求单独使用其中的子系统。同时,利用传感器、工控机和摄像机对鸡舍环境实行全方位的温湿度监测、移动摄像和鸡舍设备自动控制,实现鸡场远程管理。结果表明：系统高度集成,运     

20万羽蛋鸡规模化生产管理网络信息系统的设计

针对我国规模化蛋鸡生产的总体水平现状以及对禽蛋需求的增加,设计基于数据库、专家系统和自动化监控技术的规模化蛋鸡场生产管理系统,探索建设养鸡生产网络信息系统的技术和方法。在已有系统基础上,将科学计算、数据分析、绘图处理、人工智能和自动化监控技术集成于一体,为提高我国规模化蛋鸡企业生产水平、科学饲养与鸡病防治,提供早期预测和专家咨询,为管理人员提供蛋鸡生产动态管理及科学决策提供依据。     

水冷式猪床冬季保温措施对妊娠母猪小群饲养的影响

为探讨在冬季低温条件下水冷式猪床保温措施对妊娠母猪小群饲养的影响,试验选用16头配种4周左右的母猪,随机分为对照组和试验组,每组各2圈栏,每圈栏4头。在试验组猪床单元两端设有门帘来提高猪床内环境温度,测试各组环境温度及观察母猪行为。结果表明:单个猪床单元内1头猪躺卧时,试验组单元内温度比对照组和舍内温度平均分别高3.2和6.9℃,当试验组和对照组舍内温度分别高于11和12℃,均未出现2头猪挤在1个单元内躺卧。试验组与对照组相比,母猪每天平均躺卧时间(18.6和17.8h)和饮水次数(18.5和23.3)差异显著(P<0.05),咬链次数(14.0和19.0)差异极显著(P<0.01)。对照组在猪床单元内排便和排尿分别占总次数的1.8%和12.1%,而试验组分别为0和3.2%。研究结果表明,猪床门帘可提高母猪躺卧区的局部温度和减少母猪的刻板行为。     

融合文本与知识图谱的蛋鸡疫病智能诊断模型

针对利用单一文本描述进行蛋鸡疫病诊断存在关联信息分析不够全面、未能提供完整蛋鸡疫病知识,进而导致在复杂蛋鸡疫病诊断中存在准确率不高等问题,该研究提出一种采用基于转换器的双向编码预训练模型（bidirectional encoder representation from transformers,BERT）融合蛋鸡典型疫病知识图谱和文本的方法,结合双向长短期记忆（bidirectional long short-term memory network,BiLSTM）神经网络构建了BERT-LHDKG（BERT-laying hens disease knowledge graph）诊断模型,实现对滑液囊支原体、新城疫、传染性鼻炎等38种蛋鸡典型疫病的智能诊断。模型通过引入表示知识图谱的三元组向量,使模型更全面地结合疫病文本和知识图谱数据对蛋鸡发病情况进行综合分析;通过增加BERT模型的Embedding结构,将文本特征向量与三元组向量在BERT模型内部相加形成融合向量,有助于模型提取更有用的特征进行疫病分析和诊断。性能对比试验结果显示,BERT-LHDKG诊断模型的宏准确率为94.27%,宏召回率为94.12%,宏F1为94.01%,与TextCNN、结合CNN（convolutional neural networks）的BERT模型、结合BiLSTM的ERNIE模型等深度学习模型相比,宏准确率分别提升了10.02、2.64、2.18个百分点,宏召回率分别提升了10.28、2.29、2.29个百分点,宏F1分别提升了10.66、2.51、2.19个百分点。对于蛋鸡养殖过程中容易发生的病毒性疫病、细菌性疫病、中毒性疫病和代谢性疫病,BERT-LHDKG诊断模型的宏F1分别为96.43%、95.57%、96.72%、98.24%,性能均优于其他对比模型。研究结果表明融入知识图谱可以使模型将疫病文本中的实体、关系链接到知识图谱中对应的实体,丰富文本的语义信息,提升模型全面理解文本内容的能力,进而提高模型进行疫病诊断的准确性和鲁棒性,为畜禽疫病智能诊断提供了新的思路;此外,基于BERT-LHDKG诊断模型开发的蛋鸡疫病诊断Web系统以人机对话的形式提高了养殖户远程诊断蛋鸡疫病的灵活性。     

蛋鸡生产参数自动监测系统设计与实现

为了在蛋鸡自然状态下,实现对其采食量、饮水量、排泄量、产蛋时间、蛋质量等生产参数的长期自动采集,克服人工采集工作量大,鸡应激反应造成误差大等问题,设计并实现了基于传感器网络的蛋鸡生产参数自动监测系统。该装置运用人机工程学的设计方法,将传统鸡笼与传感器有机结合,实现了对蛋鸡生产参数无干扰远程监测。该文重点分析了鸡笼的机械结构设计、传感器通信原理、数据采集与分析利用问题。试验结果表明,系统运行稳定,采食量、饮水量、排泄量、蛋质量平均相对误差均小于0.2%。该研究提高了监测数据的精确性,为蛋鸡养殖中科研数据收集、分析和利用提供了新方法和手段,为进一步研究蛋鸡生长过程中生产参数的无干扰自动采集技术提供了参考。     

含风机噪声的蛋鸡声音信号去噪方法比较

蛋鸡声音可用来评价蛋鸡本身的福利状况,然而蛋鸡舍中往往存在着低频风机噪声干扰蛋鸡声音信号的时频特征。为了优化含风机噪声的蛋鸡声音信号,以海兰褐蛋鸡为例,利用数字化声音采集平台,采集了不同的蛋鸡叫声和风机噪声。采用LabVIEW软件,分析了蛋鸡声音和风机噪声的时频特征,同时比较了滤波器和小波去噪方法在去除风机噪声方面的应用效果。结果表明,蛋鸡产蛋期间的声音频率范围为400~2 500 Hz,而风机噪声的频率在600 Hz以内。在信噪比为-20~10 dB蛋鸡声音环境中,无限脉冲响应滤波器滤波后的均方根误差要比有限脉冲响应滤波器滤波后的均方根误差小,说明无限脉冲响应滤波器具有更好的滤波效果,与其他小波阈值去噪方法相比,以史坦无偏似然估计为阈值的小波去噪方法在去噪后的均方根误差最小,表明这种方法的去噪效果更好。该研究可为蛋鸡舍中风机噪声环境下的蛋鸡声音识别提供参考。