基于精准养殖提升肉羊生产效益及福利化水平研究进展

以内蒙古地区肉羊生产为例,综述基于精准养殖降低饲养员劳动强度、提升肉羊生产效益及福利化水平的相关研究。阐述精准养羊的概念,列举基于智能信息感知的羊只精准养殖中的身份识别、体质量监测、形态评价、行为分析、健康监测及环境监控方面的研究,讨论精准养羊对提升肉羊生产效益和福利化水平的优势,并总结内蒙古地区精准养羊中存在的问题及未来研究的方向。

生物质致密成型技术研究进展

从生物质原料成分、含水率、粒径、成型压力、温度以及辅助工艺(添加黏结剂、振动辅助压缩、超声波辅助制粒、蒸气爆破预处理和焙烧预处理)等方面,综述了国内外生物质致密成型技术的研究现状,并进行了相应分析。指出应从成型影响因素交互作用的角度出发,探索致密成型机理,进一步改进成型工艺,减小成型能耗,提高成型产品品质。结合国情,提出"因地制宜"发展各地区特色生物质成型技术;通过建立典型生物质原料组分和成型工艺参数数据库的方式加快研究进展和行业发展。

基于MatLab的颗粒饲料休止角试验研究

颗粒饲料休止角对饲料储料箱设计、自动化饲喂站、投料装置设计等工程实践有重要指导意义。为实现休止角的快速准确测量,探究颗粒饲料休止角与粒径、表面能之间的关系,利用物理试验与离散元仿真相结合的方法对颗粒饲料堆进行基于MatLab图像处理的休止角测定。由于传统休止角的测量存在系统误差和测量精度低的问题,本文提出一种基于MatLab图像处理方法的休止角测定,利用傅里叶级数对堆积图像进行轮廓拟合,利用拟合曲线的单边斜率求出休止角大小,操作便捷,可提高测量精度。基于这种方法,对颗粒饲料堆进行分析,探究了颗粒粒径对休止角的影响并进行仿真试验,利用EDEM以物理试验得到的休止角为目标值进行仿真试验,以休止角作为参照,标定接触模型JKR表面能。试验结果表明:6.5mm颗粒饲料实际休止角为34.992°,仿真休止角为34.9535°;5mm颗粒饲料实际休止角为36.9797°,仿真休止角为35.2603°;3.2mm颗粒饲料实际休止角为37.9186°,仿真休止角为36.092°。休止角仿真结果与实际试验结果较为接近,两者的绝对误差分别为:6.5mm对应0.11%,5mm对应4.65%,3.2mm对应4.82%,表明颗粒饲料的休止角随着粒径的增大而减小,根据颗粒饲料参数建立的离散元模型,3种粒径的颗粒饲料其对应表面能分别为:3.2mm对应0.15J/m^(2),5mm对应0.22J/m^(2),6.5mm对应0.22J/m^(2)。

基于三轴加速度传感器的放牧羊只牧食行为研究

内蒙古自治区草地资源丰富,养羊业为自治区的主要畜牧业,通过对放牧羊只牧食行为的识别并结合GPS监测其牧食路径,可为估测放牧区域采食量分布、放牧规划和草畜平衡的研究提供理论依据。本文采用三轴加速度传感器,设计了放牧羊只牧食行为数据无线采集系统,自动采集羊只牧食的三轴加速度数据,并建立羊只牧食行为识别的BP神经网络模型、全连接深度神经网络模型和卷积神经网络模型,实现对羊只采食、咀嚼、反刍3种牧食行为的分类识别。在内蒙古自治区四子王旗白音朝克图镇半荒漠化草场的试验结果表明,BP神经网络模型、全连接深度神经网络模型和卷积神经网络模型对羊只牧食行为的平均识别率分别为83.1%、89.4%和93.8%,其中卷积神经网络模型的识别精度最高,能够满足羊只牧食行为分类识别的要求。

放牧家畜牧食信息监测的研究进展

放牧家畜牧食信息包括位置、运动状态、牧食行为、采食量及采食时空分布等信息。牧食信息的自动监测,对草畜平衡、精准畜牧生产、动物科学和草地科学研究、福利化养殖和减少牧民经济损失都具有重要意义。本文围绕自动监测家畜的牧食行为、采食量和采食量时空分布,依据所用信号或方法的不同,分别详细阐述相关研究进展。在此基础上,着重介绍基于声学方法监测家畜牧食行为和估测采食量的研究进展,旨在为深入研究自动监测家畜牧食信息提供参考。

放牧羊群牧食行为的研究进展

放牧养羊是我国西部地区的重要畜牧业形式,主要采用天然草场放牧为主补饲为辅的方式,羊群牧食行为受植物组成、草地质量、牧草高度和放牧压等的影响。合理而科学的羊群放牧管理策略对维护草原生态系统平衡和肉羊养殖业的可持续发展起着重要作用。文章综述了放牧羊群在不同放牧压、环境、地形条件以及不同月份的牧食行为特征,总结了三轴加速度传感器、北斗/GPS卫星、压电传感器和音视频等智能化监测技术在羊群牧食行为监测方面的应用,并展望了羊群牧食行为监测技术的发展方向。

基于遥感技术的植被生物量反演研究进展

植被生物量是生态系统健康评价和碳汇研究的重要指标,利用先进技术实现植被生物量大范围的精准估测,对生态系统的保护与管理具有重要意义。近年来,遥感技术的快速发展为植被生物量反演提供了新的手段,再结合人工智能算法构建的植被生物量反演模型,可实现大范围、高效率的植被生物量精准估测。本文以遥感技术在植被生物量反演的研究与应用为主线,探寻了植被特征和环境因子两类因素在植被生物量反演的应用,深入分析了光谱遥感和雷达遥感数据分别在植被生物量反演研究的现状和发展前景,通过对植被生物量反演的回归模型、机器学习模型和混合模型优缺点的分析,进一步揭示了不同遥感方法和生物量模型对植被生物量反演精度的影响。本文旨在探讨遥感定量反演技术在植被生物量估测中的应用潜力,为生态系统的保护提供理论支持。

太阳能-热泵干燥技术及其在秸秆类物料应用的研究进展

秸秆类农作物资源,对其干燥处理可以阻碍微生物的生长和繁殖,实现长期保存的目标,且经过干燥处理后,重量下降,体积减小,不仅节省储存空间和运输成本,还提高了农产品的经济效益。传统的干燥技术存在干燥周期长、品质差、能耗高等问题,太阳能辅助热泵干燥作为一种新型干燥方法,已在农产品干燥领域得到实际应用。现阶段的太阳能辅助热泵干燥技术在系统能效提升、稳定性和可靠性增强、智能化水平提高等方面仍有改进潜力,因此本文对农业干燥领域的太阳能辅助热泵干燥技术的发展和应用进行探讨,指出了提高太阳能-热泵系统性能的3种途径:改善光伏热能系统、优化太阳能集热器、开发多热源热泵系统。针对太阳能-热泵干燥技术在秸秆类物料的应用,总结了其干燥性能、控制系统和预测模型等方面的研究现状。本文对太阳能-热泵系统的未来发展重点和研究方向进行了展望,并探讨了具有余热二次回收的干燥方案,以提升其在农业干燥领域的应用水平。

苜蓿秸秆压缩仿真离散元模型参数标定

为了提高苜蓿秸秆压缩过程中离散元仿真研究所用参数的准确度,该研究采用物理试验和仿真优化设计相结合的方法对离散元仿真参数进行标定。首先,以接触参数物理试验结果为仿真参数选择依据,利用Plackett-Burman试验对初始参数进行显著性筛选,方差分析结果表明,苜蓿秸秆-苜蓿秸秆静摩擦系数、苜蓿秸秆-苜蓿秸秆滚动摩擦系数、苜蓿秸秆-45钢静摩擦系数对仿真休止角影响显著。进一步以休止角的相对误差值为评价指标,对3个显著性参数进行最陡爬坡试验,优化显著性参数取值范围,并基于Box-Behnken试验建立休止角与显著性参数的二阶回归模型,以物理试验得到的38.88°休止角为目标值,对显著性参数进行寻优,得到最优组合:苜蓿秸秆-苜蓿秸秆静摩擦系数为0.45、苜蓿秸秆-苜蓿秸秆滚动摩擦系数为0.08、苜蓿秸秆-45钢的静摩擦系数为0.54。最后利用T检验得到P>0.05,表明仿真休止角与物理试验值无显著性差异,验证了最优参数组合的可靠性。研究结果表明,应用上述各优化试验来标定离散元仿真参数是可行的,同时标定的参数可为苜蓿秸秆的其它仿真试验提供参考。

基于图像的肉羊生长参数实时无接触监测方法

针对基于体尺、体质量的肉羊实时生长监测中体尺、体质量需要人工测量的不足,论文提出基于结构化限位装置及机器视觉技术的无接触肉羊生长参数测量方法,并讨论无接触方法获取的体尺数据与羊只生长特性的关系。首先,基于自主研发的无应激形态参数采集系统实时采集60只小尾寒羊的俯视图和侧视图,应用图像处理技术对所得到的图像进行分析,提取体高、臀高、体长、胸深、胸宽、臀宽3类6种体尺参数;无接触生长参数采集系统同时记录对应羊只的体质量。对无接触方法获取的体尺、体质量数据相关关系进行研究,并分别利用单因素线性回归、单因素非线性回归、多元线性回归、偏最小二乘回归、RBF网络拟合、SVM回归方法建立体尺与体质量关系模型。试验表明:体高、臀高、体长、胸深、胸宽、臀宽的最大相对误差分别为4.73%、2.55%、2.50%、3.95%、3.80%和2.90%;无接触方法获取的体高、体长、胸宽与体质量相关性大于0.8;在基于单因素的生长监测中可选择体长参数;多体尺能够较全面地表达羊只的生长状态,其中胸深、胸宽、体长是重要的监测参数;多因素非线性模型可以更全面、精准的体现羊只生长特性。论文提出的无接触方法可有效提升工作效率,节约50%的人工投入。同时,也可减少羊只的应激反应,是长期、实时监测羊只生长的实用方法,对推动精准、福利化养羊具有重要意义。

规模化养殖场的羊只智能称重分栏系统设计

为提高规模化养羊场的生产效率和精细化管理水平,设计开发应用于大型养殖场的羊只体重快速测量及分栏管理智能装备。设计的羊只智能称重分栏系统以可编程控制器为核心,通过气力驱动的智能化机电设备系统,利用光电传感器检测羊只行走位置,可实时读取羊只无线电子耳标身份数据,快速获取羊只体重数据并进行羊只分栏。现场试验结果表明,系统工作稳定可靠,当系统对15只不同羊进行试验时,羊只体重数据的实际值和测量值差异不显著(P>0.05),系统的称重数据最大相对误差为1.2%、平均相对误差为0.71%、称重分栏效率为3只/min,该羊只智能称重分栏系统可示范应用于规模化养殖场。

基于深度学习的羊面部身份识别研究进展

随着人工智能技术的发展,基于深度学习技术的羊面部身份识别已得到深入研究,其在养殖场的应用可提高养羊业的智能化与精准化水平。该研究归纳了目前羊只身份识别的传统方法和生物特征方法,分析了利用羊脸生物特征实现羊只身份识别的潜力,通过构建不同的深度学习网络模型实现羊脸身份识别,探讨了识别模型精度和稳定性提高的机理。论述了羊脸身份识别模型的轻量化和迁移学习研究,旨在增强识别模型在便携式设备上的部署能力,梳理了羊脸身份识别技术在羊只表情、品种识别等领域的拓展应用。在此基础上展望了羊面部身份识别技术的发展,需要进一步完善规模化的羊脸数据库,设计多视角的羊脸图像采集系统,研发先进的羊脸身份识别模型,解决跨生长周期的羊脸身份识别问题。研究可为规模化养殖场的羊脸身份识别研究提供理论参考。

苜蓿振动压缩成型过程中的力链演变

为分析生物质在压缩过程中的力学行为,揭示振动压缩成型机理,基于离散元仿真分析方法对揉碎苜蓿振动压缩过程中应力传递,力链结构及演变过程进行研究。参照实际压缩成型试验,建立了揉碎苜蓿压缩系统的离散元仿真模型,利用物理试验对模型有效性进行了验证。基于建立的离散元仿真模型,进行了压缩过程中力链结构及演变的仿真分析,研究结果表明揉碎苜蓿无振动与振动压缩时力链分布及演变过程有所不同,无振动压缩轴向力链从上至下传递,强力链分布密度亦从上到下逐层递减;振动压缩在压缩初期轴向力链由下向上传递,后期则是上下同时向中间传递,压缩结束时成型块内强力链分布较为均匀。径向方向随着压缩行程的增加,强力链出现在心部周围,并且逐渐增强向外传递;在相同时刻,振动压缩时物料内产生强力链的分布密度及强度均小于无振动压缩时产生的强力链。对压缩行程末期的孔隙率研究发现,无振动压缩时上、下层物料孔隙率较小,中下层孔隙率较大,疏密两层孔隙率差值为3.65个百分点;振动压缩时模具内各层物料的孔隙率基本保持由上向下的递减趋势,疏密两层孔隙率差值为2.71个百分点,说明振动有利于均化物料的成型密度。该研究从细观尺度分析了生物质在振动压缩过程中的力学特性,可为探究振动压缩成型机理提供一种新途径。

分流气体对冲消声器内流场及再生噪声分析

对新型分流气体对冲排气消声器进行内流场分析,发现隔板以及弯头部件区域存在压力损失较大的问题,通过增加导流环、加大弯头半径等方法,减小消声器的排气压力损失,并利用FW-H声学比拟法对改进前后的消声器进行再生噪声分析。结果表明,通过对消声器内部结构的合理改进,在入口流速为40 m/s时,改进后的消声器压力损失降低35%,出口噪声降低1.5 dB左右。通过试验验证了数值计算的正确性,研究结果对新型消声器的设计具有一定的指导意义。

羊只动态称重及分群系统的设计与试验

为实现羊只日常体重的无应激快速精确检测,提高羊只福利化水平和羊场智能化程度,结合经验模态分解(EMD)和平均值处理动态称重算法,设计出一套羊只动态称重分群系统且对两种算法进行试验对比。结果表明:在相同平均用时8.4 s时,EMD算法平均误差1.1%,平均值算法平均误差2.7%,前者优于后者。同时本系统在10 s内,可顺利完成羊只无应激称重分群工作,具有一定应用价值。

基于MATLAB GUI的奶牛早期跛行识别数据处理系统的设计

为处理奶牛早期跛行识别测量中产生的大量数据,设计了基于MATLAB GUI为平台的数据处理系统,以美国Tekscan公司生产的压力测量步道系统为数据采集系统,对步态特征参数进行提取和步态图形、压力曲线显示。结果表明:该数据处理系统稳定性高,处理速度快,且具有良好的人机交互界面,在奶牛早期跛行识别的数据处理中是可行的。

基于优化的长短时记忆神经网络牧群采食量估测模型

为了能够较为精准的估测牧群的采食量信息,提出一种基于遗传算法(genetic algorithm,GA)和长短时记忆神经网络(long short-term memory,LSTM)的牧群采食量估测模型。首先通过皮尔森系数法分析得出影响牧群的采食量的主要影响因子,以减少输入维度并解决信息冗余问题。在此基础上,构建基于LSTM神经网络算法的牧群采食量估测模型,并引入遗传算法来优化LSTM神经网络模型参数来增加模型的可靠性。最后,利用该模型对牧群采食量进行估测。试验结果表明:该采食量估测模型各评价指标平均绝对误差(mean absolute error,MAE)、平均绝对百分比误差(mean absolute percentage error,MAPE)、以及均方根误差(root mean square error,RMSE)分别为2.982、9.85%和6.108。与单一的LSTM神经网络以及GRU神经网络模型相比,均优于其他模型;且该模型具有较好的估测性能和较强的泛化能力,能够为合理轮牧提供科学指导,对草地保护有一定的应用价值。

基于牧草压缩特性的凸轮式牧草压捆机设计

牧草是发展畜牧业的基础,但由于其地理分布和自身松散的特性,导致牧草储运成本过高,通常需要对牧草进行压缩打捆处理。牧草压缩过程中预压缩阶段位移大压力小,致密阶段位移小压力大,压缩过程中牧草的压缩特性不断变化。为此,设计了一凸轮式牧草压捆机,利用凸轮能够实现复杂运动的特点,使牧草在压缩过程中进行变速压缩,符合压缩特性曲线的变化规律。通过Pro/E软件对整机进行干涉检测以及运动学仿真模拟,结果表明:该机构可以实现快速进行预压缩、慢速进行压紧阶段的压缩,进而提高牧草压缩效率并达到降低能耗的目的。

基于LoFTR特征匹配算法的羊只身份识别

在现代农牧业生产中,自动化家畜身份识别是提高育种选择和行为研究效率的关键环节。为了解决传统羊只身份识别方法耗时、成本高和准确性不足的问题,近年来学者们开始运用深度学习技术对羊只脸部生物特征进行学习,进一步实现身份识别。然而,基于羊脸图像的识别方法存在稳定性不足、识别性能波动等问题。因此,本研究开发了一种基于特征点匹配的羊只身份识别方法,即搭建LoFTR算法对羊脸特征点进行学习和匹配,该模型通过学习羊只面部的生物特征,实现了通过特征点匹配来识别个体身份的技术。针对以往研究中羊脸图像采集角度单一、识别效果不稳定的局限,本研究采集了89只小尾寒羊的多角度面部图像以提取更高质量的羊脸特征,并进一步构建了一个羊脸数据集用于模型的训练和识别。通过与经典的特征点匹配模型进行性能比较,试验结果表明LoFTR羊脸特征点匹配模型展现出更高的识别精度和效率。该模型在羊脸图像数据集上达到93.53%的平均识别准确率,而且平均匹配速率也达到了2.39 s。这一方法的应用有助于提高羊场的管理效率,推动羊场管理向现代化迈进。此外,提高羊只面部身份识别的准确性和效率,可以有效提高育种选择和行为研究的精度和速度,为农牧业生产提供更好的技术支持,促进行业的可持续发展。

基于加速度传感器的种公羊运动行为识别

为解决种公羊运动行为的识别依赖饲养员观察耗时耗力的问题,本研究设计了一种基于加速度传感器的种公羊运动行为识别系统。该系统利用无线加速度传感器节点采集种公羊的运动行为信息,对行为信息进行实时采集和无线传输,分析传感器4种部署方案下(背部、颈部、前腿、后腿)采集到的羊行为数据,并利用K均值聚类法和区间阈值分类法进行分类。试验表明传感器的4种部署方案中将传感器部署在种公羊的背部靠近前腿处得到的加速度数据最稳定。但K均值聚类法平均识别率为77.05%,识别效果差,因此又提出了区间阈值分类法,通过对加速度数据识别测试获得区间阈值,对静立、行走、奔跑行为的识别率分别达到95.96%、95.78%和96.89%,3种行为的平均识别率达到96.21%。本研究所获得的运动行为数据可应用于种公羊的运动量补充和健康状况监测。