工厂化农业技术标准查询组件的开发

引言 工厂化农业技术标准不仅为生产者提供最基本的技术依托，避免了生产的盲目性，而且规范了从生产现场的选址到产品的包装出售整个生产过程，为实现产品的标准化提供了保证，为我国工厂化农业与国际接轨奠定了基础。但是随着我国工厂化农业的发展，新的技术标准体系正在形成并日渐丰富，如何将这些技术标准有效地组织起来，尤其是与各个生产环节相对应，以方便生产者加以选择利用，是技术标准能够充分发挥其指导作用的关键。网络技术的飞速发展为这一问题的解决提供了途径。工厂化农业技术标准组件的开发将标准查询与网络相结合，     

基于WEB技术的穴盘育苗生产工艺设备配套标准咨询软件的研制与开发

21 世纪是信息时代,随着市场经济的发展,国际经济一体化步伐的加快,信息日益成为社会经济生活的指南,信息的地位和重要性与日俱增。信息是资源,信息是财富,信息是生产力。随着国家“金农工程”的启动,我国各级农业信息化的步伐开始加快,今后我国农业发展的大趋势将是:从农业现代化走向农业信息化,从现代农业走向信息农业。面对瞬息万变的市场经济,走市场化农业是必由之路,但目前农村信息匮乏已经成为制约农村产业结构深化调整的重要障碍,所以,围绕国家“三农”问题,我们必须千方百计推进农业信息化建设。“信息化”是二十一世纪人类进步的标…     

基于LabVIEW平台的蛋鸡舍环境舒适度实时监测系统设计与实现

蛋鸡的环境舒适度是多种因素相互作用的结果,其状况的好坏难以用数值来描述。该研究以蛋鸡为主体,通过文献资料确定影响蛋鸡舍舒适度的各环境因素的阈值,利用模糊数学理论对各环境因素数据进行融合,得到蛋鸡环境舒适评价结果,采用LabVIEW搭建蛋鸡舍环境舒适度实时监测系统,输出实时的环境舒适度评价结果,利用舒适度时间占比法对饲养周期内的数据进行分析。在实验室畜禽物联网平台的基础上,选取黄山德青源种禽有限公司试验鸡舍和中国农业大学上庄实验站试验鸡舍作为系统环境数据获取节点,对系统进行验证。结果显示:采用层次分析法得到冬季鸡舍环境因素(温度、湿度、风速、二氧化碳浓度和氨气浓度)的权重集W冬={0.4286,0.1511,0.0495,0.2828,0.0879},夏季为W夏={0.4326,0.2418,0.1029,0.0813,0.1414};与采用单一环境因素对舍内环境进行评价相比,系统能较全面的反映出舍内的舒适程度;冬季黄山德青源种禽有限公司试验鸡舍环境舒适度要好于中国农业大学上庄实验站试验鸡舍。该研究为蛋鸡舍内综合环境评价提供了一种新的方法,同时也为畜禽物联网实时监测数据的应用提供了一种新的思路。     

计算机视觉技术在工厂化农业中的应用

近年来我国工厂化农民发展迅速，但自动化程度不高，因此将计算机视觉技术引入设施农业对于提高温室的智能化控制水平具有重要意义。从利用计算机视觉对植物生长监控控制和开发农业生产机器人2个方面综述了国内外的研究进展，根据目前国内外研究现状及存在问题对未来发展方向进行了预测，认为今后的研究方向主要在图像处理硬件的开发、神经网络技术的应用和图像处理新方法的研究等3个方面。     

复杂环境中蛋鸡识别及粘连分离方法研究

提出基于Lab颜色模型的蛋鸡与背景自动分割方法和基于极限腐蚀和凹点搜寻的粘连蛋鸡分离与计数算法.实验前期将通过计算机视觉系统获取的RGB图像转换成Lab图像,每张图像中均选取蛋鸡及最接近蛋鸡颜色的背景2个小样本区域,分别计算这两类区域在a、b分量的数学期望作为分割阈值.随后将采集的图像像素聚类于与a、b分割阈值的欧氏距离最小的区域,从而实现蛋鸡与背景区域的自动分割.针对经常出现的蛋鸡群聚造成蛋鸡个体之间相互粘连的情况,研究利用改进的极限腐蚀及凹点搜寻处理算法分离出独立的蛋鸡并正确计数.108幅蛋鸡图像识别结果表明,该算法能将蛋鸡个体从复杂背景中有效提取、计数和粘连分离,蛋鸡计数正确率为93.5％,综合分离正确率为89.8％.     

栖架养殖模式下蛋鸡发声分类识别

针对栖架养殖模式下蛋鸡的发声,采用频谱分析技术,运用音频分析软件Sound Analysis Pro提取不同行为状态下的发声图谱,采集其声学参数作为特征向量,应用J48决策树算法、朴素贝叶斯理论和支持向量机模型分别构建蛋鸡发声分类识别器,利用开源的数据挖掘平台Weka 3.6进行实验。结果表明,栖架养殖模式下,7:00~8:00的蛋鸡发声中,产蛋叫声、愉悦叫声分别占全部发声的42.2%、21.6%,相比于传统的笼养模式,有效地表达了蛋鸡生长过程中的自然行为和生理活动;基于J48决策树算法的蛋鸡发声分类模型识别率最高,达到88.3%,具有较好的识别效果,可运用于蛋鸡发声的实时监测和不同情感的分类识别。     

基于图像规则推理的玉米病虫草害诊断系统的设计

为解决因植保人员短缺而使玉米病虫草害不能及时得到诊断与防治,导致玉米生产减产乃至绝产的问题,本研究基于不同发病部位的病症及虫害、草害的图像知识和文本知识,采用二叉树检索算法,设计开发了玉米病虫害诊断专家系统。实际应用结果表明:系统可实现对病虫草害图像、文本和图像推理规则等知识的管理及病虫草害智能推理诊断等功能;可实现对虫害草害实现指认式诊断、解释推理过程和推理结论。通过该系统推出的玉米病虫害诊断结论,农户可针对病虫草害种类及危害程度及时防治病虫害,减少玉米生产损失。     

基于深度图像的蛋鸡行为识别方法

基于深度图像分析技术研究了一种针对蛋鸡群体行为(分布指数、水平活跃度和垂直活跃度)和群体中个体行为(采食、躺、站和坐)经济简单的自动识别方法。系统由1台3D照相机同步采集数字和深度图像数据,并开发软件进行蛋鸡行为的自动识别,系统5 s采集1次图像数据,共进行10 d的数据采集。描述了行为识别算法并进行了行为识别结果分析。算法对蛋鸡的采食、躺、站和坐的识别准确率分别为90.3%、91.5%、87.5%和56.2%。坐行为识别率较低的原因主要是有时蛋鸡站着探索地面会被误判为坐,这可能与两者之间的分割阈值不够精确有关。     

基于深度图像的猪体尺检测系统

为实现生猪饲养过程中体尺无接触检测,设计了一套基于双目视觉原理的猪体尺检测系统。针对色彩图像提取猪体轮廓易受污物和光照干扰的问题,提出基于深度图像的猪体轮廓提取算法。使用双目视觉系统获得猪体深度图像,利用帧差法提取猪只高度信息,并基于高度信息二值化图像,获得猪体轮廓;结合优化的基于凹陷结构的拐点提取算法,筛选体尺检测关键点,计算体长、体宽、体高、臀宽、臀高5个体尺,编写了基于以上算法的猪体尺检测程序。双目视觉系统三维检测的实验室验证表明:在2 m物距范围内,系统三维检测相对误差均小于1%;系统在实际猪场对32组猪体尺检测结果表明:与手工测量猪体尺相比,本系统检测的体尺平均相对误差在2%左右,平均误差小于2 cm。试验证明基于深度图像的猪体尺检测系统不容易受到脏污和光照干扰,能够实现生猪饲养过程中猪体尺的无接触检测。     

基于Labview的光照环境控制器智能监控系统

随着人们生活水平的提高,阳台农业受到越来越多的关注,为此设计了一种针对家庭使用的LED全人工光型密闭式光照环境控制器,既能提供作物生长的环境条件,又能实现作物生长信息的远程监控和管理;该系统基于Labview平台开发,不仅可以实时监测和显示种植空间的环境参数,根据作物生长需要对光照环境控制器内的温度、湿度、CO_2浓度及光照时间进行分时段的独立设置,还可以利用3G+VPN技术通过Web浏览器实现远程监控。以叶用莴苣为试验作物,对该远程监控系统运行的稳定性进行测试,结果表明该远程监控系统运行稳定可靠,具有应用前景。