基于改进YOLOv4模型的群养生猪姿态检测

为了提升猪舍环境下生猪姿态检测的速度和性能,在YOLOv4模型的基础上提出一种改进的Mini_YOLOv4模型。首先,该模型将YOLOv4的特征提取网络改为轻量级的MobileNetV3网络结构,以降低模型参数量;其次,在检测网络的CBL_block1、CBL_block2模块中使用深度可分离卷积代替传统卷积,避免了复杂模型导致的内存不足和高延迟问题;最后,将原YOLOv4网络每个尺度的最后一层3×3卷积改为Inception网络结构,以提高模型在生猪姿态检测上的准确率。应用上述模型,对生猪的站立、坐立、腹卧、趴卧和侧卧5类姿态进行识别。结果显示,Mini_YOLOv4模型较YOLOv4模型在检测精度上提升了4.01百分点,在检测速度上提升近1倍,在保证识别精度的同时提升了实时性,可为生猪行为识别提供技术参考。

大白猪MYOD1、AKT3基因启动子区多态性及生物信息学分析

为探究MYOD 1和AKT 3基因启动子区的多态性及其可能存在的影响基因表达的分子调控机制,试验采用PCR直接测序的方法对大白猪MYOD 1和AKT 3基因启动子区的多态性进行检测,同时利用生物信息学分析方法预测了大白猪MYOD 1和AKT 3基因的核心启动子区、CpG岛和转录因子结合域。结果显示,MYOD 1基因共预测到5个核心启动子区、1个CpG岛区域和10个转录因子结合域,且第5个核心启动子区位于CpG岛区域内;AKT 3基因共预测到6个核心启动子区,未发现CpG岛的存在。通过直接测序的方法检测到MYOD 1基因在G-361T处存在1个SNP突变,但在本试验群体中只发现1种基因型,同时该突变位点位于第1个核心启动子区内;AKT 3基因在启动子区T-1709C处存在1个SNP突变,包括TT、TC和CC 3种基因型,其中TT基因型为优势基因型,T为优势等位基因。遗传多态性分析提示,该突变位点多态信息含量(PIC)介于0.25~0.5之间,表现为中度多态。本研究初步探究了大白猪MYOD 1和AKT 3基因启动子区的多态性并预测了启动子区可能的调控因子和调控元件,为进一步研究MYOD 1、AKT 3基因对肌肉生长发育的调控机制及将突变位点作为遗传标记用于分子选育提供指导和依据。

基于Bi-LSTM的人机语音交互

人的语音具有一定的上下文相关性,传统语音识别模型对历史信息记忆能力不足,无法充分学习语音序列的相关性。根据人对机器人控制的语音特点,设计了一种基于双向长短时记忆(Bi-LSTM)网络的控制机器人的语音识别模型,并在自己制作的语音库中训练,优化了模型参数。实验结果表明:远端控制命令通过语音识别模型转化为控制命令,传送到机器人的人际交互系统,较好地完成了人对机器人发出的运动控制、状态反馈和环境监测的任务,控制机器人命令语音识别的准确率达到80%以上。

日粮添加竹酢粉对断奶仔猪肠道微生物区系的影响

为探究竹酢粉对断奶仔猪肠道微生物的影响,选6头30日龄杜洛克×长白×大约克三元杂交去势公猪,随机分为2组,分别为基础日粮组和竹酢粉组(基础日粮+0.5%竹酢粉),进行为期35d的试验。16S rDNA技术分析结果表明,竹酢粉组肠道微生物组成较基础日粮组更为丰富;与基础日粮组相比,竹酢粉可促进Treponema(密螺旋体属)、Sphaerochaeta(单丝壳属)、Phascolarctobacterium(考拉杆菌属)、Oscillospira(颤螺菌属)、Mogibacterium(艰难杆菌属)、Lachnospira(毛螺菌属)、Parabacteroides(副类杆菌属)的丰度,抑制Oribacterium(假丁酸弧菌属)、Faecalibacterium(栖粪杆菌属),Dialister(小杆菌属)、Mitsuokella(光岗菌属)的丰度。利用PICRUSt进行功能预测,竹酢粉在原发性免疫缺陷、脂类生物合成蛋白及细菌毒素等通路中发挥着重要功能。这一研究提示竹酢粉可通过调节仔猪肠道微生物组成,发挥促进生长、预防疾病及提高成活率等作用。

输精持续时间对后备母猪受胎率及产仔数的影响

1试验背景和目的 1．1实验背景自1948年人类首次使用猪人工授精技术以来，已有60多年。我国猪人工授精技术始于20世纪50年代，但各地人工授精技术发展不均衡。猪人工授精具有提高良种利用率、减少疾病传播、节省人力、物力、财力，提高经济效益等优势。但人工授精也有缺点，如：猪场本身生产水平不高、技术不过关、使用人工授精很可能会造成母猪子宫炎增多、受胎率降低和产仔数减少等情况。

基于SSM的水质在线监测与数据分析

以巢湖水质为研究对象,设计和开发了基于SSM的轻量级水质在线监测系统,对巢湖水中的总磷、氨氮等9种成分数据进行采集、传输和预测分析。在监测系统中,智能传感器通过现场总线协议Modbus将采集的数据发到监测站,监测站再将数据通过TCP/IP协议传送到系统主机,基于Vue的系统主机对数据进行分析处理后,在网页上实时展示。基于SSM框架构建水质监测系统降低了开发难度,系统稳定可靠,实现了设计目标。

PVC管雨污分流技术在猪场的应用与效果观察

PVC管雨污分流技术能有效解决猪场污道难以密封、雨污不易分流等技术难题,减少猪场污染。经济实用,宜于推广。

沼液农用风险研究进展

概述沼液作为肥料和饲料添加剂的农用现状及其对作物、土壤的影响,系统总结沼液农用中氮磷养分、重金属、兽药抗生素、激素和病原菌污染等潜在风险,就现有的沼液合理农用技术和未来趋势进行讨论,以期为建立系统化、规范化的沼液农用技术体系提供理论依据。

沼液浓缩配方肥在小白菜生产中的应用研究

为探明沼液浓缩液的农用效果,探讨沼液浓缩配方肥对小白菜产量、养分累积、品质指标的影响。结果表明,沼液浓缩配方肥对于小白菜具有增产提质效果,该结果对于沼液的农用推广具有一定实际意义。

沼液配施对砂姜黑土团聚体稳定性的影响研究

以沼液配施三年的砂姜黑土为研究对象,探讨配施沼液对砂浆黑土团聚体机械稳定性、水稳定性的影响,从而为养殖粪污在砂姜黑土区合理施用提供理论依据。

基于深度神经网络及隐马尔科夫模型的生猪状态音频识别

针对传统音频识别方法在生猪音频信号识别中识别率较低的问题,将深度神经网络及隐马尔可夫模型理论作为生猪音频信号识别依据,以长白猪的吃饭声、发情声、嚎叫声、哼叫声和生病长白猪的喘气声为识别对象,利用卡尔曼滤波和改进的EMD-TEO倒谱距离端点检测算法对生猪音频信号进行预处理,把提取的39维的梅尔频率倒谱系数(Mel-frequency cepstral coefficient,MFCC)作为网络学习和识别的数据集,构建基于深度神经网络及隐马尔科夫模型的生猪状态音频识别模型。试验结果表明:1)隐马尔可夫隐状态数设置为5,深度神经网络隐藏层设置为3层,每层128个节点的深度神经网络-隐马尔可夫模型(Deep neural network-hidden Markov model,DNN-HMM),对5种生猪状态音频,即吃饭声、嚎叫声、哼叫声、发情声和病猪喘气声的识别率为70%、95%、75%、80%和95%,总体识别率83%;2)相较于传统的高斯混合模型-隐马尔可夫模型(Gaussian mixture model-hidden Markov model,GMM-HMM),DNN-HMM对相应音频的识别率分别提高了5%、5%、15%、30%、30%,总体识别率提高了17%;3)DNN-HMM模型对于5种不同类型的生猪音频信号均呈现出较好的识别效果。基于DNNHMM生猪音频识别模型,对生猪不同状态下音频的识别具有较高正确率,且更为可靠。