母猪精准养殖智能感知技术研究进展

母猪的生长状况、繁殖性能与健康状况是猪场管理的重要生产要素,直接关系到猪场的经济效益。我国母猪养殖还存在生产管理智能化水平低、健康管理效率低、生产力水平低等突出问题,制约了我国养殖业的高质量发展。本文从母猪生长信息感知技术、繁殖行为监测技术、健康状态感知技术等3个方面,总结了母猪精准养殖管理中生长、生理、健康监测的研究和发展现状,分析了母猪精准养殖技术的薄弱环节,对母猪养殖智慧管控系统的建设提出了建议,并对未来的发展趋势进行了展望,以期为我国养猪业绿色高效智能转型升级与智能养猪工厂的建设提供参考。

基于改进YOLO v5s和图像融合的笼养鸡死鸡检测方法研究

[目的]针对规模化养殖环境下死鸡巡检自动化程度低、人工巡检费时费力等问题,提出一种基于图像配准融合算法和改进YOLO v5s的死鸡检测方法。[方法]为提高死鸡目标特征的显著性,利用SURF算法结合RANSAC算法实现热红外与可见光图像的特征点匹配,采用仿射变换模型得到配准图像,使用小波变换实现图像的分解重构,从而得到最终的配准融合图像;为降低背景信息对死鸡目标检测的干扰,提升模型对鸡只遮挡情况的检测效果,以YOLO v5s目标检测算法为基础,通过加入SE注意力模块,将CIoU_Loss和DIoU_NMS运用于原模型,构成改进后的YOLO v5s-SE模型。[结果]配准融合后的图像与源图像的相关系数平均值达到0.86,体现了良好的配准融合效果;模型在融合图像上的检测准确率以及平均精度均值均高于可见光图像和红外图像,改进后的YOLO v5s-SE相较于原始YOLO v5s在融合数据集上的检测准确率提升了3.3%,达到97.7%。[结论]改进后的YOLO v5s-SE在保证应有检测速度的同时提升了目标检测的精度,可满足实际生产中死鸡实时检测的需求。

产蛋高峰期蛋鸡亚健康评价指标体系的构建

[目的]产蛋高峰期是蛋鸡养殖的关键时期,构建产蛋高峰期蛋鸡亚健康评价指标体系,不仅有利于准确评估鸡群健康并根据鸡群健康状况展开精准饲养与管理调整,也可为无损监测产蛋高峰期蛋鸡健康状况提供参考指标和科学依据。[方法]本文基于对蛋鸡场调研、资料收集和专家咨询,并从鸡群的健康状况、行为表现、生产性能和环境与鸡群信息4个方面初步构建了产蛋高峰期蛋鸡亚健康评价指标集,运用专家咨询法筛选指标确立评价指标体系,通过层次分析法确定指标权重。[结果]共邀请了14位专家进行咨询,专家咨询问卷有效回收为100%,专家权威系数为0.875,肯德尔协调系数为0.386,表明专家积极性、权威程度、意见协调程度均较好,最终确立的评价指标体系包括4个一级指标,27个二级指标。健康状况、行为表现、生产性能和鸡舍环境4个一级指标的权重分别为0.254、0.245、0.253、0.248。[结论]构建的产蛋高峰期蛋鸡亚健康评价指标体系,专家咨询可靠性较好,评价指标覆盖较全面。

基于加速度传感器的母猪产前行为特征采集与分析

针对目前大规模集约化养殖对母猪分娩时间判断主要靠饲养员对母猪产前行为连续观察,存在工作繁重,可能由于疏忽而造成仔猪死亡等问题,设计了一种基于三轴加速度传感器和无线传感网络的母猪产前行为特征实时监测系统。该系统利用无线加速度传感器节点采集母猪产前运动信息,根据不同行为的加速度曲线波动性不同,基于K均值聚类算法对行为特征进行识别分析,并进行实时显示和3G无线传输。试验表明:系统能够快速采集和传输母猪运动信息,正确检测出母猪躺卧、站立、吃料、筑窝等典型行为,正确率为87.93%,工作稳定。

基于机器视觉的母猪分娩检测方法研究

检测母猪分娩需对分娩限位栏内的仔猪进行目标识别，分析了母猪分娩视频图像特征，提出首先利用半圆匹配算法进行母猪目标分割，排除母猪运动干扰，基于改进的单高斯模型的背景减除法进行运动目标检测，根据运动区域的颜色和面积特征，对仔猪进行目标识别。试验表明：基于半圆匹配算法的母猪目标识别方法能够有效分割出母猪目标，基于改进单高斯模型的运动目标检测方法，对面积较大、运动缓慢的仔猪目标检测较为完整，适用于母猪分娩检测场景。

基于FPGA的农田图像采集与3G无线传输系统设计

针对目前农田图像采集装置功耗大、成本高、图像无线传输速度慢的问题,设计了一套基于FPGA和3G无线通信技术的农田图像采集传输系统。该系统由农田图像采集终端和远程服务器组成,服务器与终端通过3G无线网络进行图像传输。研究了基于FPGA的JPEG压缩算法,实现了3G模块的驱动与远程数据通信。试验表明,系统能够快速采集图像并进行无线传输,传输一幅图像所需的时间约为5.42 s,无丢帧现象。

基于EfficientDet的围产期母猪姿态识别

围产期母猪母性行为直接影响仔猪的成活率,母猪姿态是其母性行为和筑巢行为的重要表现。针对目前对围产期母猪姿态转换主要依靠人工巡检,费时耗力且主观性强等问题,采集了24头母猪的视频数据并对数据进行预处理,利用EfficientDet网络对产床内母猪图像进行深层次特征提取,实现了母猪站、坐、胸卧、侧卧姿态及其侧卧方向(乳房面向仔猪保温箱、乳房背对仔猪保温箱)的准确识别。结果表明:该模型识别平均精度均值(mAP)达93.97%,对图像的检测速度达26.2 f/s,对视频的检测速度达10.66 f/s。通过对母猪产前及产后24 h的姿态进行分析,母猪产前表现出显著的筑巢行为,姿态转换频率显著提高(P<0.001);母猪产后侧卧时间显著增加,母猪侧卧时长与仔猪窝均质量呈正相关关系;根据母猪侧卧方向的偏好性进行分组比较,母猪偏向于将乳房面向保温箱侧卧的小组,仔猪断奶成活率更高。

母猪运动监测低功耗耳标设备研究

[目的]行为是评价动物健康和福利状况的重要指标之一。针对动物穿戴设备的低功耗和体积小等功能需求,研究一种用于监测围产期母猪运动的低功耗无线加速度采集设备,并将其与RFID标签集成为一个耳标设备以方便佩戴。[方法]将耳标设备的工作模式与母猪行为类型相关联。首先测量耳标设备在1个数据采集周期中休眠、读加速度和无线发送3种工作状态的电流消耗,确定无线发送是最耗电能的阶段;然后分析母猪休息、活动和采食3种类型行为的加速度数据波动特征,提出当数据波动小于阈值(0.088 g)时,使耳标设备处于深度休眠状态,反之,则采集20组数据后进行一次性传输的方法;最后利用8头母猪进行加速度数据采集试验,计算耳标设备的功耗。[结果]研究了一种体积小功耗低的耳标设备及方法,该设备的平均电流功耗为0.014 5 m A,利用1个电压为3 V容量230 m A·h的纽扣电池供电可连续工作663 d。[结论]该方法相比传统的固定周期性采集方法降低了95%的功耗,能够长期稳定地采集母猪加速度数据。

基于ArcEngine的林火视频监测定位系统

为了提高林火视频监控系统的智能化水平,辅助森林防火扑救指挥决策,基于ArcEngine和数据库技术,结合数字云台实时回传的摄像机观测角度,设计林火视频监测定位系统。摄像机水平角和旋转角的准确性是影响系统定位精度的关键因素,研究摄像机水平角和旋转角的校正方法,以减少摄像机的角度误差。以内蒙古白狼林区为例,进行林火视频监测定位系统的单点定位试验。系统对林火识别定位准确,运行稳定可靠。

温室无线传感器网络系统实时数据融合算法

针对温室无线传感器网络(WSN)系统的数据融合要求,提出一种多传感器实时数据融合算法。首先在节点上对各传感器数据序列进行一致性检测和三次指数平滑,然后将平滑后的数据发送到路由器或网关,基于文中提出的无需指数运算的新型支持度函数进行幂均方融合。在江苏农博园现代农业馆玻璃温室中进行了实地试验测试,结果表明:三次指数平滑能够明显减少数据波动;新型支持度函数的幂均方融合精度与高斯型支持度函数相比无显著差异,算法运算时间缩短83.6%,并且融合效果优于算术平均法。

混合架构智能温室信息管理系统的设计

针对物联网型智能温室的信息管理要求,基于客户端/服务器(C/S)和服务器/客户端(B/S)混合架构设计了智能温室信息管理系统。系统由现场管理、数据库和远程管理等3个子系统组成。采用分布图法检测了温室传感器网络离异数据。结合铁皮石斛的耐湿特性,通过Mamdani推理实现了温室空气温度、湿度和光照强度等环境参数的模糊决策。基于异步JavaScript和XML(AJAX)技术构建了Web数据异步交互框架。运用服务器推技术实现了温室机构动作状态的实时同步。系统在江苏农博园现代农业馆智能温室部署运行,成功实现了温室信息局域网的采集、处理、存储、显示和决策,以及广域网的高效远程访问与管理。

畜禽养殖个体信息监测技术研究进展

畜禽养殖个体信息主要包括发情信息、分娩信息、行为信息、体重信息和健康信息。自动化、集约化养殖是养殖业的发展趋势,准确高效地监测动物个体信息有利于分析动物的生理、健康和福利状况,是实现自动化健康养殖和肉品溯源的基础。目前生产中主要依靠人工观测的方式监测动物个体信息,耗时费力且主观性强。本文阐述了畜禽养殖中发情监测、分娩监测、行为监测、体重监测和健康监测等技术的应用研究现状,展望了畜禽养殖个体监测技术后续研究方向。

哺乳母猪高危动作识别方法研究

哺乳母猪从站立、坐立转为趴卧的高危动作是导致断奶前仔猪死亡的主要原因,动作发生频率及变换方式决定了母猪的母性指数。以江苏省农林职业技术学院小梅山原种猪场饲养的小梅山母猪为研究对象,利用MPU6050传感器采集母猪哺乳期内10 d的三轴加速度数据,采用直方图统计法设置运动能量阈值,快速定位高危动作区间,以高危动作发生前后的身体姿态为特征,构建动作分类器,识别高危动作的类型。实验结果表明,对高危动作区间的标注准确率为77.4%,基于姿态的动作类型识别方法纠正了因仔猪碰撞节点产生的误标,识别准确率达到81.7%。利用2种俯卧姿态计算母猪的俯卧指数可为实现母性能力科学评价及育种提供数据依据。

待产梅山母猪咳嗽声识别算法的研究

[目的]目前对于母猪是否患有呼吸系统疾病的诊断主要依靠饲养员观察,存在由于疏忽未能及时发现并处理患病母猪而造成大量母猪死亡的情况。为解决这一问题,笔者以待产梅山母猪咳嗽声为对象,对其识别方法进行了研究,旨在将母猪咳嗽情况作为诊断早期呼吸系统疾病的依据,以达到自动监控的目的。[方法]基于无线多媒体传感器网络进行母猪声音数据的采集与传输,对采集到的声音信号进行滤波、分帧等预处理操作后,由于不同声音的功率谱密度曲线的波动性不同,依托曲线目标优化的思想提取声音功率谱密度特征,并以此特征作为聚类中心,运用改进的模糊C均值聚类算法对咳嗽声和尖叫声进行识别分类。[结果]训练出了母猪咳嗽声和尖叫声的功率谱密度特征,差异明显;忽略个体差异,咳嗽声和尖叫声的总体识别准确率分别约为83.4%和83.1%,识别算法是有效的。[结论]针对待产梅山母猪咳嗽声,创新性提出了一种声音识别算法,该方法简单,高效,识别率高,为母猪呼吸系统疾病的早期自动诊断提供了技术支持。

基于MPU6050传感器的哺乳期母猪姿态识别方法

哺乳期母猪姿态是其哺乳意愿的外在表现,母猪哺乳时身体侧卧,拒绝哺乳时身体立卧或倾卧,哺乳期母猪侧卧时间可作为母性行为评价的重要指标。选用集MPU6050和蓝牙传输模块为一体的行为数据采集模块,采集母猪哺乳期内(28 d)的行为数据,统计母猪采食时间段的姿态角,计算节点偏转角度,实现偏转行为数据校正;利用Haar小波提取特征系数重构加速度曲线的基本轮廓,结合各姿态的数值特征,利用支持向量机实现母猪立、侧、倾姿态分类,及其侧、倾姿左右方向的识别。以江苏省地方猪小梅山母猪为试验对象,分析母猪的哺乳姿态,试验结果表明:行为数据校正算法可降低节点偏转的影响,小波变换实现了数据归一化,去除了高能运动干扰,姿态分类器识别左、右侧姿的正确率分别为65.8%、90.1%,立姿的正确识别率为75.4%,侧姿总体正确识别率达到83.3%,姿态识别可以有效反映母猪的哺乳意愿。

无线传感器网络在农业中的应用研究现状与展望

无线传感器网络结合了传感器、微处理器和无线通信接口,是一门日益引起人们研究兴趣的技术。作者结合农业的实际特点,综述了无线传感器网络在农业中的研究现状及涉及的关键技术,最后分析了无限传感器网络在农业中的应用前景,为无线传感器网络在农业中的深入应用拓宽思路。

基于无线传感器网络的母猪体温实时监测节点研制

为建立母猪健康模型和分析母猪分娩、发情等过程体温变化规律提供数据支撑,研制了一种基于MLX90614和CC2430的母猪体温实时监测节点,远程、实时监测母猪体温。节点硬件选用CC2430单片机为主控制器,MLX90614红外温度传感器为温度测量传感器,CC2430单片机通过SMbus协议与MLX90614通信,对读取的温度数据补偿并发送到网关节点。试验过程中,选择母猪臀部为最佳测量部位,并研究母猪臀部温度与直肠温度的相关性,利用分布图法剔除异常数据,对温度测量结果进行补偿。试验结果显示:在实际猪舍中传感器网络节点的有效通信距离为30 m,系统测量误差为0.21℃,满足养殖行业对猪体温测量误差的要求。提出了一种非接触式准确实时测量母猪体温方法,为母猪养殖的科学化、规模化提供技术支撑。

基于动态多特征变量的黄羽肉鸡跛行状态定量评价方法

肉鸡步态是肉鸡健康状态的重要表征,为实现黄羽肉鸡跛行步态的无损自动化快速分类识别,提出了一种基于多特征变量的肉鸡跛行定量评价方法。该方法从步态视频中提取肉鸡的速度、步幅、步幅差、步频、投影面积参数,拟合得出速度、步幅与投影面积具有相关性(决定系数分别为0.805 1、0.793 5),据此定义肉鸡动态理想参数与异常指数,基于C4.5决策树模型,以速度异常指数、步幅异常指数、步幅差异常指数为分类特征,根据鸟类步态评分标准将肉鸡分为GS0~GS4五类,实现对肉鸡跛行状态进行预警和判别。实验结果表明:该模型针对GS0~GS4分类准确率依次为:66%、71%、74%、98%、95%,整体准确率为78%。该模型可作为早期跛行的检测工具,为养殖自动化的实现和动物福利产业的升级提供支持。

基于红外热成像的白羽肉鸡体温检测方法

为了快速、准确地检测肉鸡体温,提出了一种红外热成像技术和深度学习相结合的肉鸡体温检测方法。以卷积神经网络为基础,建立肉鸡头部和腿部的感兴趣区域(Region of interest,ROI)识别模型,提取肉鸡头部和腿部的最高温度,结合环境温度、相对湿度和光照强度,分别构建了基于多元线性回归和基于BP神经网络的肉鸡翅下体温反演模型。试验结果表明,基于深度卷积神经网络(Convolutional neural networks,CNNs)的感兴趣区域识别模型在测试集上的查准率和查全率分别为96. 77%和100%,基于多元线性回归和BP(Back propagation)神经网络的反演模型平均相对误差分别为0. 33%和0. 29%。基于BP神经网络的肉鸡翅下温度反演模型具有更高的准确性,可准确检测肉鸡体温。

穿戴式猪用心电监测系统设计

[目的]针对畜牧业对猪心电信号实时连续监测的需求,研制出一种穿戴式猪用心电监测系统。[方法]基于心电传感器BMD101及无线射频模块CC2430研制了一款适合猪躯体结构特点的穿戴式猪用心电监测系统。系统中的心电监测传感器节点采用So C芯片CC2430作为控制器,CC2430通过UART串行接口与BMD101通信,节点将采集到的心电数据实时发送到网关节点,网关节点转发心电数据到服务器。服务器端采用Mallat快速分解与重构算法对心电信号进行滤波,降低各类噪声对心电信号的干扰。基于滤波后的心电信号,服务器端可计算获得猪的心率(HR)值。[结果]研制的系统在猪场实地测试结果表明:系统能够自动、快速采集和传输猪的心电信号,根据测试试验采集的猪心电信号计算得到猪的心率也介于已有文献研究提出的健康猪心率范围。[结论]研制出一种穿戴式猪用心电监测系统,对猪的科学化饲养提供心电技术支撑。