智能化母猪饲养管理系统设计与研发

发布时间：2020-12-07 10:45

　　猪粮安天下,其中母猪生产和管理是整个生猪产业的重要一环。为提高母猪生产性能和科学管理水平,降低人工成本,提高猪场经济效益,国内外许多自动化母猪饲喂系统相继被研发,实现了对母猪的自动饲喂和规模化管理。然而,现有的成熟的母猪饲喂系统,一方面引进购买的成本较高,另一方面从功能上并不完全满足各地的实际具体需求,因此,在借鉴已有系统的成熟经验基础上,研发适宜当地具体情况的母猪饲喂系统很有必要。重庆位于我国西南地区,高温、丘陵、多雾是其明显特征,同时,重庆也是全国生猪生产的重要基地。为顺应全国生猪产业发展需求、技术发展需求以及重庆生猪产业需求,我校申报并获批了重庆市科委课题,决定自主研发“智能化母猪饲养管理系统”(Management System Of Intelligent Sow Feeding,MSOISF),着力研发适合重庆市当地养猪场使用的母猪饲喂系统。笔者作为项目组成员之一,主要负责软件开发模块。经过前期查阅文献,现场走访调研,发现主要存在以下两点问题:1)猪场管理人员的计算机操作水平普遍较低,以往复杂的人机交互界面在一定程度上限制了系统的推广和使用;2)已有系统的自动化多体现在工业... 

【文章来源】：西南大学重庆市 211工程院校 教育部直属院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

Gestal智能母猪饲养管理系统

西南大学硕士学位论文4上，结合数字化技术和智能化技术研发的母猪智能管理系统[24]，该系统由1台或多台饲喂站组成（见图1.2），每台饲喂站管理母猪50头左右。母猪从入口进入饲喂站后，射频读卡器读取母猪耳标信息，系统管理软件根据母猪耳标信息确定母猪身份，根据母猪的怀孕天数、体况、温度等信息自动计算母猪当天所需要的饲料量；当饲喂站的母猪正在采食时，为了使母猪饲喂不受干扰，此时饲喂站入口门是关闭的，别的母猪不能进入；系统管理软件对母猪身份、采食量、采食时间、采食次数等进行统计，猪场管理人员能方便地查看每头猪的信息，从而实现对猪群的精确饲喂和数据管理。通过猪场使用Velos系统十多年的运行数据表明，母猪平均年产胎次较常规饲喂方式增加了2.40胎，平均胎产活仔猪数可以达到12.32头，母猪年平均产仔猪数由常规饲喂方式的22头增加到了26.83头，平均返情率仅为7.4%，母猪利用年限平均提高了1.5年[25,26]。图1.2Velos系统饲喂站中国养猪业从数量上看是养猪大国，但是从效率上看不是养猪强国[27]。我国智能化和规模化养猪系统的研究比欧美部分发达国家晚一些，针对生猪的自动化饲喂设备进行开发的研究院所及企业较为少见，但也有部分公司对自动化饲喂设备的研发取得不错的成果。河南河顺自动化设备有限公司研制出中国第一个母猪智能化饲喂系统[28]，该系统以计算机软件作为控制中心，由感应传感器传送数据信息和发送警报信号，计算机接受传感器数据，并结合科学的饲喂公式计算（营养供给当日维持体增重需要、乳腺增长需要和胎儿增重需要等），发送指令让饲喂器输放合适的饲料量，以达到

西南大学硕士学位论文10后按照设置的公式计算出该头母猪进食量，并自动放出相应的饲料量于料槽中，待母猪进食完毕，饲喂站出口门自动打开让母猪出饲喂站，这样就完成了一次母猪进食。饲喂站内还安装了自动称重系统和摄像头，母猪每次进入饲喂站时就会为母猪自动称重，并实时将母猪体重信息和进食录像上传系统，有助于猪场管理员对母猪信息管理和进食情况的监控。系统总体架构如图2.2所示。图2.1饲喂站入口区域和出口区域被隔开图2.2系统总体架构

【参考文献】：
期刊论文
[1]基于LightGBM的车载激光点云电力线快速提取方法[J]. 蒋鑫吴,赵志远,方莉娜,沈贵熙.  测绘科学技术学报. 2019(05)
[2]基于GBDT算法的钻井机械钻速预测方法研究[J]. 苏兴华,孙俊明,高翔,王敏.  计算机应用与软件. 2019(12)
[3]基于Xgboost和LightGBM算法预测住房月租金的应用分析[J]. 谢勇,项薇,季孟忠,彭俊,黄益槐.  计算机应用与软件. 2019(09)
[4]Python数据挖掘在高校人才引进中的应用[J]. 陈镭,张凡龙.  中国教育信息化. 2019(15)
[5]深度学习常用优化算法研究[J]. 贾桐.  信息技术与网络安全. 2019(07)
[6]基于Jquery课程网站的设计[J]. 梅元昭.  无线互联科技. 2019(10)
[7]卷积神经网络的发展及其在计算机视觉领域中的应用综述[J]. 陈超,齐峰.  计算机科学. 2019(03)
[8]国内外猪场养猪新技术的应用[J]. 陈国宇.  北方牧业. 2018(18)
[9]中国猪肉消费现状和趋势分析[J]. 郭惠武.  今日养猪业. 2018(04)
[10]BP神经网络算法改进综述[J]. 尤晓东,苏崇宇,汪毓铎.  民营科技. 2018(04)

博士论文
[1]国家与市场的双重变奏：生猪养殖业中的范式转型[D]. 曾红萍.中国农业大学 2017
[2]深度学习模型的高效训练算法研究[D]. 陈凯.中国科学技术大学 2016

硕士论文
[1]基于卷积神经网络的车牌识别关键技术的研究与应用[D]. 高攀.北京邮电大学 2019
[2]基于JSON的数据库访问层研究与应用[D]. 高升.北方工业大学 2019
[3]通用件定制生产中的质量数据分析方法研究与应用[D]. 席永丰.电子科技大学 2019
[4]基于Spring Boot的校园轻博客系统的设计与实现[D]. 邓笑.华中科技大学 2018
[5]基于BP神经网络的心血管病预测系统的研究与实现[D]. 李小敏.宁夏大学 2018
[6]基于卷积神经网络的车牌识别技术研究[D]. 霍祥湖.电子科技大学 2017
[7]深度学习算法在车牌识别系统中的应用[D]. 刘峥强.电子科技大学 2016
[8]BP神经网络的改进研究及应用[D]. 马海志.东北农业大学 2015
[9]基于专家系统的智能化母猪饲喂系统设计与实现[D]. 张亮.南华大学 2015



本文编号：2903116