随着信息产业的不断发展,数据挖掘技术已逐步融入到农业领域,实现农业信息化智能化已成为现代农业未来的发展方向。我国是养猪大国,但是饲养的技术却远不如国外发达国家,将现代信息技术应用在养猪领域对于提高猪产量和质量具有直接的现实意义。在猪分阶段饲养过程中,选择猪在合适的时间出栏,对于提高养猪企业经济效益具有重要的意义。决定猪适时出栏的因素有很多,传统的出栏方法是请相关专家以他们对这些因素的权衡做出出栏判断,具有很强的主观性,如果对出栏指导不科学,容易造成出栏率低企业亏损等严重后果。为了使猪出栏结果更科学,论文运用改进的PSO-BP算法分析猪场指标数据,对待出栏猪进行分类决策,使出栏结果更加准确。另外,从养猪企业的利益出发,利用云平台提供第三方服务,企业无需购买设备只用上传数据就能得到推荐结果,快速高效,使出栏推荐服务更加具有推广性。论文主要研究的工作如下：①首先介绍课题的研究背景及意义,以及自动化养殖业的国内外研究现状,针对目前猪适时出栏存在的准确度不高的问题,提出一种猪适时出栏推荐模型,用智能化的方法取代传统的人工方法,从而为养猪户提供科学的指导。②针对BP神经网络处理多维问题时容易产生局部解和收敛速度慢而导致出栏推荐不准确的问题,论文利用改进的粒子群算法对其进行优化,对粒子群算法的改进有三点：改变参数、扰动极值和增加局部,将优化过后的算法应用在猪适时出栏推荐模型中,比较其与原始算法的性能,找出更适用于猪出栏推荐的算法。③考虑到猪场数据庞大,并从养殖者希望节省成本投入的角度出发,引入云平台作为第三方服务提供商,可将各大养猪场数据上传到云平台下并行处理,用户不需要再自己购买设备,也不用了解数据处理的过程,通过显示器就能直接查阅推荐结果,不仅节省时间,同时也节省了成本。通过实验证明改进的PSO-BP算法相较原始的BP算法在处理猪适时出栏问题上,具有更好的准确率和更快的运行速度。在处理各个猪场上传的共享指标数据上,云平台下的改进PSO-BP算法同单机状态下的算法相较,保持了原有的正确率并且具有更短的处理时间。