论文部分内容阅读
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控制和Web智能方面,如自动下料饲喂,自动预警和提醒等,但基于人工智能和机器学习的应用和功能尚存在很大研发空间。针对以上问题,本文分别开展了如下研究工作:(1)面对简单易操作界面的需求,设计实现了高交互性、易操作的前端界面。本文引入了高交互操作设计理念,从导航栏设计、多表格交替展示、交互响应等方面提高MSOISF界面的交互性和易操作性,实现让猪场管理人员更容易理解和接受并能快速掌握操作方法的前端界面。(2)引入标准化规模饲养的理念,对MSOISF项目各个模块(如饲喂计划、警报提醒和处理、生产计划等)进行需求分析和框架设计,并实现了系统核心功能模块——自动感应饲喂的饲喂计划设置模块。(3)基于LightGBM算法,实现了对母猪饲喂量的智能精准计算功能。首先通过建立模型,确定了影响饲喂量的影响因子;其次,将调研收集的数据集引入训练模型,通过不断调参从而得到最终模型;最后,将模型引入MSOISF,达到智能精准计算母猪饲喂量的效果,克服了传统人工手动输入母猪饲喂量的操作繁琐和料量不准的缺点。(4)基于BP神经网络算法,实现了对母猪患呼吸道综合症风险的自动评估。首先建立BP神经网络模型,通过调研和查阅资料确定影响因子;其次,利用调研收集到的数据对模型进行训练;最后,将训练好的网络引入MSOISF系统,实现对母猪患呼吸道综合症进行自动风险评估。通过该模块功能,为管理员和饲养员提供了母猪患病风险预判参考,有助于及时对母猪进行相关检查和提前采取预防救治措施,能有效降低猪场经济损失。研究结果表明,本文引入高交互操作设计理念,通过界面导航、多表格交替展示、交互响应等一系列设计,有效实现了MSOISF系统界面的高交互性和易操作性;通过LightGBM算法实现了对母猪饲喂量的智能精准计算,通过BP神经网络算法实现了对母猪患呼吸道综合症进行自动风险评估,这为人工智能和机器学习在母猪自动饲喂系统中的应用进行了很好的尝试,同时也为系统中其他智能模块的开发提供了很好的借鉴意义。