智能家禽养殖系统（畜禽水产智能养殖）

1 赵一广, 杨 亮, 郑姗姗, 熊本海. 家畜智能养殖设备和饲喂技术应用研究现状与发展趋势[J]. 智慧农业, 2019, 1(1): 20-31.

ZHAO Yiguang, YANG Liang, ZHENG Shanshan, XIONG Benhai. Advances in the development and applications of intelligent equipment and feeding technology for livestock production[J]. Smart Agriculture, 2019, 1(1): 20-31. (in Chinese with English abstract)

摘要：家畜智能养殖设备是智能农机装备的组成部分之一，是国际农业装备产业技术竞争的焦点。本文重点围绕家畜智能养殖设备与饲喂技术在实践中的应用，系统地进行了性能特点分析。目前家畜智能养殖设备的开发对象主要针对猪和奶牛，主要研发的系统包括妊娠母猪电子饲喂站、哺乳母猪精准饲喂系统、奶牛精准饲喂系统和挤奶机器人等。家畜智能养殖设备的工业化应用必须与养殖模式、畜舍结构布局结合起来，才能发挥设备的使用效率，同时从满足动物的福利出发，与动物生理、生长及行为结合起来，形成设备与动物的互作和相互适应。本文最后指出了智能设备的研究必须与畜牧业生产的理论、目标产品的功能驱动及养殖方式的创新协调一致，要不断地更新换代，才能助推畜牧业的转型升级。

关键词：家畜；智能养殖设备；精准饲喂系统；电子饲喂站；养殖机器人；动物福利

点击获取中国知网全文

2 滕光辉. 畜禽设施精细养殖中信息感知与环境调控综述[J]. 智慧农业, 2019, 1(3): 1-12.

TENG Guanghui. Information sensing and environment control of precision facility livestock and poultry farming[J]. Smart Agriculture, 2019, 1(3): 1-12. (in Chinese with English abstract)

摘要：畜禽设施精细养殖是现代畜牧业的前沿领域，其核心在于物联网与传统设施养殖的深度融合。近年来，随着传统家庭式养殖模式逐渐退出，中国畜禽养殖场的管理方式已逐步迈向集约化、规模化和设施化，基于养殖动物个体管理和质量保障且满足动物福利要求的畜禽设施精细化养殖已成为畜禽养殖业的最新发展趋势。本文在阐述畜禽设施精细养殖信息感知与环境调控的重要性的基础上，介绍了信息感知与环境调控相关前沿技术，分析了面临的问题与挑战，指出智能传感器技术将成为推动畜禽设施精细养殖进步的底层驱动技术，兼顾畜禽福利和生产性能的动物拟人化智能调控技术和策略等是畜禽设施精细养殖面临的重要挑战。最后，就中国畜禽设施精细养殖关键技术如何落地提出了相关建议，旨在为中国畜禽设施养殖业的转型升级和可持续发展提供理论参考和技术支撑。

关键词：设施精细养殖；信息感知；环境调控；精细畜牧业；智能传感器

点击获取中国知网全文

3

周 超, 徐大明, 吝 凯, 陈 澜, 张 松, 孙传恒, 杨信廷. 基于近红外机器视觉的鱼类摄食强度评估方法研究[J]. 智慧农业, 2019, 1(1): 76-84.

ZHOU Chao, XU Daming, LIN Kai, CHEN Lan, ZHANG Song, SUN Chuanheng, YANG Xinting. Evaluation of fish feeding intensity in aquaculture based on near-infrared machine vision[J]. Smart Agriculture, 2019, 1(1): 76-84. (in Chinese with English abstract)

摘要：在水产养殖中，鱼类的摄食强度可以反映其食欲，准确客观地评估鱼类的摄食强度对指导投喂和生产实践具有重要意义。针对当前鱼类摄食强度评估过程中存在的人工观测效率低、客观性不强的问题，本研究以实现鱼类食欲的自动客观分析为目的，提出了一种基于近红外机器视觉的游泳型鱼类摄食强度的评估方法。首先，利用近红外工业相机搭建了近红外图像采集系统，采集了鱼类摄食过程中的图像。经过一系列图像处理步骤后，利用灰度共生矩阵提取摄食图像的纹理特征变量信息，包括对比度、能量、相关性、逆差距和熵等。之后，将这5个特征变量作为输入向量构建了模型的数据集，并训练了支持向量机分类器。为了提高模型分类的准确率，利用网格搜索法选取支持向量机分类器的最优惩罚系数c和核函数参数g。最后利用训练好的模型将鱼类的摄食强度分为弱、一般、中和强4类，最终实现了鱼类摄食强度的评估。试验结果表明，图像纹理可以较好地描述鱼类摄食过程中的行为变化，正确识别4类摄食强度的准确率达到87.78%，且不需要考虑水花等对成像质量的影响，具有较强的适应性。本方法可用于鱼类食欲的自动客观评估，为后续投喂决策提供理论依据和方法支持。

关键词：水产养殖；近红外机器视觉；鱼类摄食强度评估；支持向量机；投喂决策

点击获取中国知网全文

4

朱南阳, 吴 昊, 尹达恒, 王志强, 蒋永年, 郭 亚. 基于长短时记忆网络（LSTM）的蟹塘溶解氧估算优化方法[J]. 智慧农业, 2019, 1(3): 67-76.

ZHU Nanyang, WU Hao, YIN Daheng, WANG Zhiqiang, JIANG Yongnian, GUO Ya. An improved method for estimating dissolved oxygen in crab ponds based on Long Short-Term Memory[J]. Smart Agriculture, 2019, 1(3): 67-76. (in Chinese with English abstract)

摘要：水中溶解氧含量低会影响螃蟹的成活率，保证溶解氧含量的精准预测非常重要。目前，溶解氧传感器价格昂贵且易遭受腐蚀，因此通过相关变量来间接估计溶解氧浓度有重要的意义。本研究在长短时记忆网络（LSTM）模型的基础上，优化LSTM反向传播时的损失函数，提出了提高低溶解氧含量估算精度的溶解氧预测模型（LDO-LSTM）。LDO-LSTM的损失函数是在平均绝对百分比误差（MAPE）基础上，根据溶解氧值的变化趋势和溶解氧浓度大小，分别赋予不同权值的权重函数，并通过均方根误差（RMSE）和MAPE来评估LDO-LSTM和LSTM在不同范围的溶解氧估算能力。对模型的测试试验结果表明：在溶解氧高于6mg/L时，LDO-LSTM和LSTM的RMSE、MAPE差值稳定在0.1左右；在溶解氧低于6mg/L时，LDO-LSTM的RMSE值和MAPE值分别比LSTM低0.25和0.139，说明了LDO-LSTM网络不但可以保证整体溶氧预测精度，而且能够提高较低溶解氧值的估算精度。本研究将对降低水产养殖成本、提高溶解氧估算精度有参考的作用。

关键词：溶解氧；长短时记忆网络；损失函数；平均绝对百分比误差MAPE

点击获取中国知网全文

温馨提示：如果您不在中国知网服务范围内，可进入期刊官方网站：

http://www.smartag.net.cn

免费下载。

推荐阅读

微信交流服务群

为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。

入群方法：加小编微信331760296，备注：姓名、单位、研究方向，小编拉您进群，机构营销广告人员勿扰。

信息发布

科研团队介绍及招聘信息、学术会议及相关活动的宣传推广

《智慧农业（中英文）》

《智慧农业（中英文）》（季刊）是由中华人民共和国农业农村部主管，中国农业科学院农业信息研究所主办，《智慧农业（中英文）》编辑委员会学术指导，《智慧农业（中英文）》编辑部编辑出版的国内外公开发行的农业科学类学术期刊。期刊聚焦农业信息技术发展前沿与热点，刊载和传播国内外最新研究成果，通过搭建高水平学术交流平台，引领学术研究方向，服务行业科学决策，培养高水平创新人才，促进学科发展。