白羽肉鸡体重与养殖环境监测系统的设计与实现
这是一篇关于白羽肉鸡,图像分割,特征提取,体重估测,监测系统的论文, 主要内容为随着我国经济的发展,人民生活水平的显著提高,对肉类等生活必需品需求的增长,使得肉鸡养殖规模化、集约化成为现阶段主流的养殖模式。在集约化的饲养模式下,肉鸡体重是肉鸡养殖过程中所关注的重要指标之一,鸡舍内肉鸡体重分布不均、生长状况不一致,是影响肉鸡健康养殖的重要因素。目前,主要通过体重箱、电子秤或地磅等仪器估测肉鸡体重,这些方法不仅耗时费力、主观性强,并且容易引起肉鸡应激反应,对于长期处于鸡舍环境下的管理员身心健康也极为不利。本文以山东省新希望白羽肉鸡场平养肉鸡作为研究对象,应用深度相机(Kinect2.0)实时采集白羽肉鸡的红外图像和深度信息,采用Mask R-CNN、ABR、Springboot、Springcloud和HDFS等机器学习技术和大数据技术,研究和设计一套白羽肉鸡体重与养殖环境监测系统。管理员通过监测系统可以及时了解鸡舍内肉鸡体重的变化情况,同时,该系统可以对鸡舍内环境参数进行实时监测和控制,使肉鸡处于较为适宜的生长环境下,提高了肉鸡的福利养殖,确保肉鸡的安全生产。主要研究内容如下:(1)搭建肉鸡红外图像和深度信息采集系统:为了有效的获取实验肉鸡的红外图像、深度信息和真实体重,结合实验场地搭建一套肉鸡红外图像和深度信息采集系统,通过可伸缩架搭载肉鸡图像采集设备,设计深度相机图像采集算法,实现复杂环境下的肉鸡红外图像和深度信息的获取,同时将采集的数据通过无线网桥和网络交换机传输至云端服务器。(2)设计肉鸡舍环境参数采集和控制系统:为了使肉鸡处于适宜的生长环境下,提高肉鸡的福利养殖,本文设计并搭建一套肉鸡舍环境信息采集和控制系统。该系统由NB-Io T环境感知节点、PLC控制器和环控设备组成,NB-Io T环境感知节点将采集的环境数据通过基站传输至远程服务器,远程服务器上的中间件系统对接收的环境数据进行解析和存储,同时当鸡舍内的环境参数不满足肉鸡生长的需求时,中间件系统远程发送控制指令给PLC,实现肉鸡舍环境调控。(3)研究肉鸡图像识别和分割模型:基于Mask R-CNN深度学习算法对图像中的肉鸡区域(ROI区域)进行分析,研究结果表明,Mask R-CNN模型在实验数据集上的查全率(P)和平均分割精度(MAP)均在0.97以上,该模型能够较为准确地对肉鸡图像进行识别和分割。(4)研究肉鸡体重估测模型:通过Open CV构建肉鸡特征提取算法,提取肉鸡投影面积、投影周长、平均深度、最大深度和拟合椭圆短轴长轴比5个和肉鸡体重相关的特征。为了使肉鸡体重估测模型具有更好的动态性、容错性和鲁棒性,本研究采用回归树算法DTR(Decision tree regressor)、线性回归算法LR(Linear regressor)、支持向量回归算法SVR(Support vector regressor)、k近邻回归算法KNR(Kneighbors regressor)、随机森林回归算法RFR(Random forest regressor)、梯度提升回归算法GBR(Gradient boosting regressor)、Ada Boost回归算法ABR(Adaboost regressor)和BP(Back propagation)神经网络八种机器学习算法对提取的特征数据集进行分组训练,选择估测结果较好的ABR模型作为白羽肉鸡体重估测模型,在实验数据集上,该模型的决定系数R2为0.95,绝对误差为0.01～0.32 kg,为实际生产环境中肉鸡自动称重提供了技术支持。(5)研发肉鸡体重与养殖环境监测系统:基于D3.js、Springboot、Springcloud、Dubbo研发了一套白羽肉鸡体重与养殖环境监测系统(Web端),该系统采用Dubbo进行负载均衡,将数据和访问量均匀分散至各个中间件服务器进行处理,并将处理的体重信息和环境信息存储至My SQL关系型数据库中,为了使存储系统更加可靠和高效,采用HDFS存储肉鸡红外图像,通过网页终端向用户展示肉鸡体重估测信息、环境数据信息和肉鸡栋舍管理员信息,在保证系统稳定运行的同时,使白羽肉鸡体重估测、环控变的更加方便与高效。
基于红外热成像技术的肉鸡腿部异常检测系统设计与实现
这是一篇关于白羽肉鸡,腿部疾病,红外热成像,KNN,随机森林,WEB平台的论文, 主要内容为随着我国肉鸡产业的快速发展,集约化、规模化养殖水平得到不断提高,而在生产过程中由于养殖密度过大、管理不当、疫情等因素导致肉鸡腿病多发,制约了肉鸡的日常行为活动和生产效益。目前,对于肉鸡腿病的早期诊断,以人眼观察为主,耗时耗力,且主观性强。采用现代化技术手段来实现肉鸡腿病的自动检测,有利于提高肉鸡福利化养殖水平,减少疾病导致的经济损失。本文根据肉鸡养殖生产需要,以白羽肉鸡为研究对象,利用红外热成像技术、传感器技术、神经网络模型等设计了一种肉鸡腿部异常识别预警系统,该系统集成的算法模型可用于数据挖掘,自动检测并存储肉鸡腿部异常信息,通过WEB平台实现数据可视化管理。主要研究内容如下:(1)肉鸡腿部异常检测硬件系统设计:选用海康威视TB-1217A-3/PA热成像摄像机采集红外热图像与温度数据,设计基于NB-Io T技术的鸡舍环境信息感知系统,以实现鸡舍内环境温度、相对湿度及光照强度的实时监测,并通过网关将数据上传至云服务器。(2)肉鸡腿部温度反演模型研究:利用YOLOv4目标检测算法识别肉鸡感兴趣区域(Region of Interest,ROI),通过提取ROI温度,并结合环境因子,建立肉鸡腿部温度反演模型,对比了多元线性回归和KNN回归两种模型,平均相对误差分别为0.71%和0.43%,最终选择KNN回归作为温度预测模型。(3)肉鸡腿部异常分类识别模型研究:采用OSTU自适应阈值分割算法对红外热图像进行二值化处理,通过提取姿态特征并结合温度特征,建立了基于随机森林(Random Forest,RF)的肉鸡腿部异常分类识别模型,模型在正常、轻微异常、中度异常三个分类等级的识别准确率依次为97%、91%和94%,总体准确率为96%,通过不同模型对比,RF模型表现最优。(4)肉鸡腿部异常检测应用端系统实现:根据系统功能需求,采用My SQL数据库统一存储和管理环境监测信息、肉鸡腿部异常信息及管理员信息,基于Java开发的中间件可对多个文件夹执行监听、读取、处理等任务,基于轻量级框架Spring Boot开发了WEB后台服务,利用Java Script、HTML等技术进行WEB前端设计,通过引入Highcharts、Echarts等图表插件实现了数据的多样化展示,测试结果表明该系统具有良好的承载能力,可在生产环境中稳定运行。
基于红外热成像技术的肉鸡腿部异常检测系统设计与实现
这是一篇关于白羽肉鸡,腿部疾病,红外热成像,KNN,随机森林,WEB平台的论文, 主要内容为随着我国肉鸡产业的快速发展,集约化、规模化养殖水平得到不断提高,而在生产过程中由于养殖密度过大、管理不当、疫情等因素导致肉鸡腿病多发,制约了肉鸡的日常行为活动和生产效益。目前,对于肉鸡腿病的早期诊断,以人眼观察为主,耗时耗力,且主观性强。采用现代化技术手段来实现肉鸡腿病的自动检测,有利于提高肉鸡福利化养殖水平,减少疾病导致的经济损失。本文根据肉鸡养殖生产需要,以白羽肉鸡为研究对象,利用红外热成像技术、传感器技术、神经网络模型等设计了一种肉鸡腿部异常识别预警系统,该系统集成的算法模型可用于数据挖掘,自动检测并存储肉鸡腿部异常信息,通过WEB平台实现数据可视化管理。主要研究内容如下:(1)肉鸡腿部异常检测硬件系统设计:选用海康威视TB-1217A-3/PA热成像摄像机采集红外热图像与温度数据,设计基于NB-Io T技术的鸡舍环境信息感知系统,以实现鸡舍内环境温度、相对湿度及光照强度的实时监测,并通过网关将数据上传至云服务器。(2)肉鸡腿部温度反演模型研究:利用YOLOv4目标检测算法识别肉鸡感兴趣区域(Region of Interest,ROI),通过提取ROI温度,并结合环境因子,建立肉鸡腿部温度反演模型,对比了多元线性回归和KNN回归两种模型,平均相对误差分别为0.71%和0.43%,最终选择KNN回归作为温度预测模型。(3)肉鸡腿部异常分类识别模型研究:采用OSTU自适应阈值分割算法对红外热图像进行二值化处理,通过提取姿态特征并结合温度特征,建立了基于随机森林(Random Forest,RF)的肉鸡腿部异常分类识别模型,模型在正常、轻微异常、中度异常三个分类等级的识别准确率依次为97%、91%和94%,总体准确率为96%,通过不同模型对比,RF模型表现最优。(4)肉鸡腿部异常检测应用端系统实现:根据系统功能需求,采用My SQL数据库统一存储和管理环境监测信息、肉鸡腿部异常信息及管理员信息,基于Java开发的中间件可对多个文件夹执行监听、读取、处理等任务,基于轻量级框架Spring Boot开发了WEB后台服务,利用Java Script、HTML等技术进行WEB前端设计,通过引入Highcharts、Echarts等图表插件实现了数据的多样化展示,测试结果表明该系统具有良好的承载能力,可在生产环境中稳定运行。
肉鸡呼吸道异常声音监测系统的设计与实现
这是一篇关于白羽肉鸡,呼吸道疾病,异常声音,声音识别,HMM,WiFi的论文, 主要内容为随着肉鸡养殖业规模化、集约化的发展,肉鸡饲养密度过大、饲养环境差等问题也随之出现,使得肉鸡患新城疫、禽流感与传染性喉气管炎等呼吸道疾病几率增高。肉鸡在患有呼吸道疾病时会发出咳嗽、呼噜等异常声音,目前对于肉鸡呼吸道疾病的检测是依靠人工在夜晚听取鸡舍内的声音来进行判断。该方法不仅耗时耗力、实时性差而且主观性强,很容易因为饲养员的疏忽而造成没能及时发现并处理患病肉鸡的情况发生。因此,实时有效地监测肉鸡呼吸道异常声音,对于及早发现肉鸡病情、监测肉鸡健康状况同时提高肉鸡养殖生产力具有实际应用价值。本文结合肉鸡实际生产的需要,以白羽肉鸡为研究对象,设计了一套以声音识别技术为核心的肉鸡呼吸道异常声音监测系统,以实现对鸡舍内肉鸡声音的采集和肉鸡呼吸道异常声音的实时监测,为肉鸡呼吸道疾病的早期发现提供判断依据。主要研究内容如下:(1)肉鸡呼吸道异常声音实时采集系统设计。利用CC3200嵌入式微控制器,搭建基于WiFi的肉鸡呼吸道异常声音实时采集系统。系统以CC3200为主控芯片,TLV320AIC3254为音频的编解码器,使用UDP网络传输层协议将采集到的数字音频信号传输至PC或服务器端,以实现实时、稳定、全自动的获取肉鸡声音,从而为肉鸡呼吸道异常声音监测系统提供有效可靠的数据来源。(2)肉鸡呼吸道异常声音检测方法研究。将通过试验采集到的音频数据经过预处理后进行人工标记和分类,分为咳嗽声、呼噜声以及包括肉鸡叫声、环境噪声在内的干扰声三类。分析肉鸡呼吸道异常声音及主要干扰声的时域频域特性后,研究声音信号预处理的可行方法和声音特征提取方法。针对特征缺陷利用小波变换和特征加权分别从提取方式和排除冗余信息两种不同角度进行优化。深入研究HMM模型的原理和优势,建立肉鸡呼吸道异常声音识别模型。设计试验对比特征优化前后的模型识别率,发现两种优化方法均能有效提升模型识别率,模型综合识别率相比未优化时的最优识别率,分别提升4.6%和2.5%。随后将两种优化方法融合进行特征优化试验,结果显示,模型综合识别率为93.8%,提升11.2%,F1值平均可达94.2%,优化效果最佳。(3)肉鸡呼吸道异常声音监测软件系统设计。基于MySQL根据系统需求进行数据库设计。利用python语言开发中间件连接系统软硬件,接收和处理声音采集系统发送过来的音频数据,并储存处理结果。利用SSM框架进行Web客户端开发,将其作为数据显示的载体与养殖人员进行交互,从而使养殖人员能够及时有效的通过此系统获知肉鸡发出呼吸道异常声音的情况,以及时做出有效应对,提高肉鸡养殖生产力。
基于红外热成像技术的肉鸡腿部异常检测系统设计与实现
这是一篇关于白羽肉鸡,腿部疾病,红外热成像,KNN,随机森林,WEB平台的论文, 主要内容为随着我国肉鸡产业的快速发展,集约化、规模化养殖水平得到不断提高,而在生产过程中由于养殖密度过大、管理不当、疫情等因素导致肉鸡腿病多发,制约了肉鸡的日常行为活动和生产效益。目前,对于肉鸡腿病的早期诊断,以人眼观察为主,耗时耗力,且主观性强。采用现代化技术手段来实现肉鸡腿病的自动检测,有利于提高肉鸡福利化养殖水平,减少疾病导致的经济损失。本文根据肉鸡养殖生产需要,以白羽肉鸡为研究对象,利用红外热成像技术、传感器技术、神经网络模型等设计了一种肉鸡腿部异常识别预警系统,该系统集成的算法模型可用于数据挖掘,自动检测并存储肉鸡腿部异常信息,通过WEB平台实现数据可视化管理。主要研究内容如下:(1)肉鸡腿部异常检测硬件系统设计:选用海康威视TB-1217A-3/PA热成像摄像机采集红外热图像与温度数据,设计基于NB-Io T技术的鸡舍环境信息感知系统,以实现鸡舍内环境温度、相对湿度及光照强度的实时监测,并通过网关将数据上传至云服务器。(2)肉鸡腿部温度反演模型研究:利用YOLOv4目标检测算法识别肉鸡感兴趣区域(Region of Interest,ROI),通过提取ROI温度,并结合环境因子,建立肉鸡腿部温度反演模型,对比了多元线性回归和KNN回归两种模型,平均相对误差分别为0.71%和0.43%,最终选择KNN回归作为温度预测模型。(3)肉鸡腿部异常分类识别模型研究:采用OSTU自适应阈值分割算法对红外热图像进行二值化处理,通过提取姿态特征并结合温度特征,建立了基于随机森林(Random Forest,RF)的肉鸡腿部异常分类识别模型,模型在正常、轻微异常、中度异常三个分类等级的识别准确率依次为97%、91%和94%,总体准确率为96%,通过不同模型对比,RF模型表现最优。(4)肉鸡腿部异常检测应用端系统实现:根据系统功能需求,采用My SQL数据库统一存储和管理环境监测信息、肉鸡腿部异常信息及管理员信息,基于Java开发的中间件可对多个文件夹执行监听、读取、处理等任务,基于轻量级框架Spring Boot开发了WEB后台服务,利用Java Script、HTML等技术进行WEB前端设计,通过引入Highcharts、Echarts等图表插件实现了数据的多样化展示,测试结果表明该系统具有良好的承载能力,可在生产环境中稳定运行。
肉鸡呼吸道异常声音监测系统的设计与实现
这是一篇关于白羽肉鸡,呼吸道疾病,异常声音,声音识别,HMM,WiFi的论文, 主要内容为随着肉鸡养殖业规模化、集约化的发展,肉鸡饲养密度过大、饲养环境差等问题也随之出现,使得肉鸡患新城疫、禽流感与传染性喉气管炎等呼吸道疾病几率增高。肉鸡在患有呼吸道疾病时会发出咳嗽、呼噜等异常声音,目前对于肉鸡呼吸道疾病的检测是依靠人工在夜晚听取鸡舍内的声音来进行判断。该方法不仅耗时耗力、实时性差而且主观性强,很容易因为饲养员的疏忽而造成没能及时发现并处理患病肉鸡的情况发生。因此,实时有效地监测肉鸡呼吸道异常声音,对于及早发现肉鸡病情、监测肉鸡健康状况同时提高肉鸡养殖生产力具有实际应用价值。本文结合肉鸡实际生产的需要,以白羽肉鸡为研究对象,设计了一套以声音识别技术为核心的肉鸡呼吸道异常声音监测系统,以实现对鸡舍内肉鸡声音的采集和肉鸡呼吸道异常声音的实时监测,为肉鸡呼吸道疾病的早期发现提供判断依据。主要研究内容如下:(1)肉鸡呼吸道异常声音实时采集系统设计。利用CC3200嵌入式微控制器,搭建基于WiFi的肉鸡呼吸道异常声音实时采集系统。系统以CC3200为主控芯片,TLV320AIC3254为音频的编解码器,使用UDP网络传输层协议将采集到的数字音频信号传输至PC或服务器端,以实现实时、稳定、全自动的获取肉鸡声音,从而为肉鸡呼吸道异常声音监测系统提供有效可靠的数据来源。(2)肉鸡呼吸道异常声音检测方法研究。将通过试验采集到的音频数据经过预处理后进行人工标记和分类,分为咳嗽声、呼噜声以及包括肉鸡叫声、环境噪声在内的干扰声三类。分析肉鸡呼吸道异常声音及主要干扰声的时域频域特性后,研究声音信号预处理的可行方法和声音特征提取方法。针对特征缺陷利用小波变换和特征加权分别从提取方式和排除冗余信息两种不同角度进行优化。深入研究HMM模型的原理和优势,建立肉鸡呼吸道异常声音识别模型。设计试验对比特征优化前后的模型识别率,发现两种优化方法均能有效提升模型识别率,模型综合识别率相比未优化时的最优识别率,分别提升4.6%和2.5%。随后将两种优化方法融合进行特征优化试验,结果显示,模型综合识别率为93.8%,提升11.2%,F1值平均可达94.2%,优化效果最佳。(3)肉鸡呼吸道异常声音监测软件系统设计。基于MySQL根据系统需求进行数据库设计。利用python语言开发中间件连接系统软硬件,接收和处理声音采集系统发送过来的音频数据,并储存处理结果。利用SSM框架进行Web客户端开发,将其作为数据显示的载体与养殖人员进行交互,从而使养殖人员能够及时有效的通过此系统获知肉鸡发出呼吸道异常声音的情况,以及时做出有效应对,提高肉鸡养殖生产力。
肉鸡呼吸道异常声音监测系统的设计与实现
这是一篇关于白羽肉鸡,呼吸道疾病,异常声音,声音识别,HMM,WiFi的论文, 主要内容为随着肉鸡养殖业规模化、集约化的发展,肉鸡饲养密度过大、饲养环境差等问题也随之出现,使得肉鸡患新城疫、禽流感与传染性喉气管炎等呼吸道疾病几率增高。肉鸡在患有呼吸道疾病时会发出咳嗽、呼噜等异常声音,目前对于肉鸡呼吸道疾病的检测是依靠人工在夜晚听取鸡舍内的声音来进行判断。该方法不仅耗时耗力、实时性差而且主观性强,很容易因为饲养员的疏忽而造成没能及时发现并处理患病肉鸡的情况发生。因此,实时有效地监测肉鸡呼吸道异常声音,对于及早发现肉鸡病情、监测肉鸡健康状况同时提高肉鸡养殖生产力具有实际应用价值。本文结合肉鸡实际生产的需要,以白羽肉鸡为研究对象,设计了一套以声音识别技术为核心的肉鸡呼吸道异常声音监测系统,以实现对鸡舍内肉鸡声音的采集和肉鸡呼吸道异常声音的实时监测,为肉鸡呼吸道疾病的早期发现提供判断依据。主要研究内容如下:(1)肉鸡呼吸道异常声音实时采集系统设计。利用CC3200嵌入式微控制器,搭建基于WiFi的肉鸡呼吸道异常声音实时采集系统。系统以CC3200为主控芯片,TLV320AIC3254为音频的编解码器,使用UDP网络传输层协议将采集到的数字音频信号传输至PC或服务器端,以实现实时、稳定、全自动的获取肉鸡声音,从而为肉鸡呼吸道异常声音监测系统提供有效可靠的数据来源。(2)肉鸡呼吸道异常声音检测方法研究。将通过试验采集到的音频数据经过预处理后进行人工标记和分类,分为咳嗽声、呼噜声以及包括肉鸡叫声、环境噪声在内的干扰声三类。分析肉鸡呼吸道异常声音及主要干扰声的时域频域特性后,研究声音信号预处理的可行方法和声音特征提取方法。针对特征缺陷利用小波变换和特征加权分别从提取方式和排除冗余信息两种不同角度进行优化。深入研究HMM模型的原理和优势,建立肉鸡呼吸道异常声音识别模型。设计试验对比特征优化前后的模型识别率,发现两种优化方法均能有效提升模型识别率,模型综合识别率相比未优化时的最优识别率,分别提升4.6%和2.5%。随后将两种优化方法融合进行特征优化试验,结果显示,模型综合识别率为93.8%,提升11.2%,F1值平均可达94.2%,优化效果最佳。(3)肉鸡呼吸道异常声音监测软件系统设计。基于MySQL根据系统需求进行数据库设计。利用python语言开发中间件连接系统软硬件,接收和处理声音采集系统发送过来的音频数据,并储存处理结果。利用SSM框架进行Web客户端开发,将其作为数据显示的载体与养殖人员进行交互,从而使养殖人员能够及时有效的通过此系统获知肉鸡发出呼吸道异常声音的情况,以及时做出有效应对,提高肉鸡养殖生产力。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码客栈网 ，原文地址：https://m.bishedaima.com/lunwen/50068.html
