种猪性能测定信息管理系统开发与试验
这是一篇关于种猪,信息管理,采食性状,生长性能,达目标体重日龄预测的论文, 主要内容为种猪性能测定是获取种猪生长性能表型数据的必经途径,是开展种猪采食行为研究的物质基础,也是构建生猪良种繁育体系的关键环节。目前我国种猪性能测定站主要依赖国外进口,其配套的种猪性能测定信息管理系统分析功能较单一,存在安装、操作复杂等问题。在种猪测定性状中,达100 kg体重日龄则是衡量种猪生长速度的重要指标,在结测时通过分析计算获取这一性状,存在测定周期长等问题。种猪采食性状与生长性能密切相关,探究种猪采食性状与生长性状间规律,利用种猪早期采食性状对生长速度进行提前预测,有助于提高育种效率,降低育种经济和时间成本。本课题针对上述问题,基于杜洛克种猪生长性能测定数据分析了种猪采食性状与生长性状间的表型相关性,构建了种猪达目标体重日龄预测模型,利用通信技术、信息技术和web技术设计了一个集种猪生长性能测定性状计算、采食性状分析和设备远程监控为一体的种猪性能测定信息管理系统,主要工作如下:(1)分析了我国目前使用较为广泛的种猪性能测定信息管理系统,并分别从用户、测定站实时远程监控、种猪生长性能测定和采食性状分析4个方面对信息管理系统进行了详细的功能需求分析,结合农业农村部种猪质量监督检验中心(武汉)的实际使用需求,确定信息管理系统远程监控、性能指标计算和采食性状分析等功能。(2)以杜洛克种猪为研究对象,分析了种猪日增重、达100 kg体重日龄、饲料转化率和背膘等4个生长性状与日采食量、日采食次数、日采食时长、单次采食量和采食速率等5个采食性状的表型相关性;并基于种猪采食性状与生长速度的显著相关性,结合开测体重、开测日龄和30 kg体重日龄构建了种猪达100 kg体重日龄偏最小二乘(Partial Least Square,PLS)预测模型,5折交叉验证测试集平均决定系数R2为0.68,平均绝对误差MAE为3.2 d。(3)使用前后端分离的B/S(Browser/Server)架构,MVC设计模式进行种猪性能测定信息管理系统设计和开发。选用CAN总线完成信息管理系统与测定站之间数据的双向传输,并在UDP协议基础上加入“确认”、“校验”和“重发”机制,确保了测定数据的实时、高效、可靠传输;信息管理系统前端基于Reactjs技术栈、Ant Design组件库、Bizcharts图表库,服务器后端基于flask web框架,使用My SQL进行数据存储。系统功能大体上可分为用户模块、测定站实时监控模块、种猪生长性能测定模块和采食性状分析模块4个功能模块,实现了测定站的实时远程监控、种猪测定数据采集、统计和分析,以及采食性状分析等。(4)信息管理系统开发完成后,进行两次养殖试验,测试信息管理系统的数据传输可靠性和功能运行稳定性。第一次试验在华中农业大学试验猪场展开,试验结果表明,采食数据无丢失;第二次试验在湖北省某国家生猪核心育种场展开,试验结果表明,各功能模块运行稳定,满足预期设计要求。使用试验种猪测定数据对PLS预测模型进行测试,PLS预测日龄与实际达目标体重日龄MAE为5.3 d。
基于深度学习的种猪生长性能预测云平台的设计和应用
这是一篇关于种猪,物联网,云计算,深度学习,生长性能预测的论文, 主要内容为畜牧业的发展过程中,育种的研究一直都是对生产效率提高最重要的环节。而在以往的育种研究过程中,收集和分析饲养数据是一个长期且耗时的工作。如今,随着通讯基建的快速发展和信息技术的普及,从事育种工作的企业和研究机构,越发能够接受将信息技术应用到育种工作中。因此设计一款可以帮助育种机构提高收集效率,并且能够利用深度学习技术完成种猪生长性能预测的物联网云平台对种猪育种行业十分重要。本文设计实现了一个种猪生长性能预测云平台。该平台通过物联网收集种猪的测定数据,并在此数据的基础上,利用深度学习的技术实现种猪生长性能预测的功能。此平台设计成前后端分离的架构,以集群的方式部署。后台使用JAVA语言,以JAVA生态下的Spring Boot作为开发框架,完成后端的通信及业务功能的开发。前端使用Vue.js生态下的技术作为前端开发框架。物联网通信端使用MQTT实现设备和后台之间的通信。数据存储阶段使用Redis+Mysql实现缓存和数据持久化存储。数据分析阶段,首先使用箱型图做数据预处理,然后使用GRU,LSTM和线性回归模型对处理后的数据进行训练,最后得到种猪生长预测模型。本文主要完成以下内容:(1)搭建物联网数据采集平台、设计云模式的物联网通信架构、采用网关+MQTT实现种猪生长数据自动采集。(2)利用云计算技术构建分布式Saas服务应用,为种猪生长测定数据提供集中的数据存储,分析和应用。(3)使用GRU、LSTM神经网络和线性回归模型对测定的生长数据进行测试分析。分析采集数据中对种猪生长性能有影响的特征,选取其中影响因子较大的特征进行数据预处理,然后加入模型中训练。实验结果表明三个模型对种猪生长性能的预测效果都有较高精度,其中GRU和LSTM预测精度接近,且两者均比线性回归的预测精度更高。
基于深度学习的种猪生长性能预测云平台的设计和应用
这是一篇关于种猪,物联网,云计算,深度学习,生长性能预测的论文, 主要内容为畜牧业的发展过程中,育种的研究一直都是对生产效率提高最重要的环节。而在以往的育种研究过程中,收集和分析饲养数据是一个长期且耗时的工作。如今,随着通讯基建的快速发展和信息技术的普及,从事育种工作的企业和研究机构,越发能够接受将信息技术应用到育种工作中。因此设计一款可以帮助育种机构提高收集效率,并且能够利用深度学习技术完成种猪生长性能预测的物联网云平台对种猪育种行业十分重要。本文设计实现了一个种猪生长性能预测云平台。该平台通过物联网收集种猪的测定数据,并在此数据的基础上,利用深度学习的技术实现种猪生长性能预测的功能。此平台设计成前后端分离的架构,以集群的方式部署。后台使用JAVA语言,以JAVA生态下的Spring Boot作为开发框架,完成后端的通信及业务功能的开发。前端使用Vue.js生态下的技术作为前端开发框架。物联网通信端使用MQTT实现设备和后台之间的通信。数据存储阶段使用Redis+Mysql实现缓存和数据持久化存储。数据分析阶段,首先使用箱型图做数据预处理,然后使用GRU,LSTM和线性回归模型对处理后的数据进行训练,最后得到种猪生长预测模型。本文主要完成以下内容:(1)搭建物联网数据采集平台、设计云模式的物联网通信架构、采用网关+MQTT实现种猪生长数据自动采集。(2)利用云计算技术构建分布式Saas服务应用,为种猪生长测定数据提供集中的数据存储,分析和应用。(3)使用GRU、LSTM神经网络和线性回归模型对测定的生长数据进行测试分析。分析采集数据中对种猪生长性能有影响的特征,选取其中影响因子较大的特征进行数据预处理,然后加入模型中训练。实验结果表明三个模型对种猪生长性能的预测效果都有较高精度,其中GRU和LSTM预测精度接近,且两者均比线性回归的预测精度更高。
基于Springboot的种猪管理系统开发与应用研究
这是一篇关于Springboot框架,种猪,管理信息系统,Spring的论文, 主要内容为近年来猪流感疫情肆虐,虽然政府支持猪场养殖场大力发展,但一般猪场管理缺乏信息化。为发现和改善猪场生产过程中的问题,提高生产效率,本文首先对过乐山市恒升种猪生产专业合作社冯湾养猪场种猪养殖基地进行深入调研,利用Springboot框架、My SQL数据库、Spring Data JAP、SOA架构以及Lay UI前端技术,实现种猪管理系统,用以设计和解决猪场种猪养殖管理的程化问题并以方便便捷地利用B/S模式,方便猪场管理者使用和报表分析对比。本文首先对研究意义和发展、国内外现状等进行了阐述;再对UML统一建模、Springboot框架等相关技术进行了概述;再根据对乐山市恒升种猪生产专业合作社冯湾养猪场种猪养殖基地实地走访调研的结果,对种猪生产流程等进行需求分析和整理,结合UML建模语言对功能性需求进行规划,对性能、安全性等非功能性需求进行设计;根据需求分析,进行整体设计、详细结构设计以及对数据库概念模型和逻辑数据库的结构设计;利用Springboot框架、SOA架构,根据“高内聚、低耦合”设计理念进行了开发实现;最后对种猪管理系统进行模型测试,利用Jmeter压力测试工具对实现的系统进行压力测试,保证能满足用户使用的性能。在PSY预测时采用BP神经网络算法、决策树M5算法、遗传算法对比实验分析。本文研究的种猪管理系统具有模块化特点,为未来功能拓展带来便捷;“高内聚、低耦合”设计理念让系统变得更轻。
种猪性能测定信息管理系统开发与试验
这是一篇关于种猪,信息管理,采食性状,生长性能,达目标体重日龄预测的论文, 主要内容为种猪性能测定是获取种猪生长性能表型数据的必经途径,是开展种猪采食行为研究的物质基础,也是构建生猪良种繁育体系的关键环节。目前我国种猪性能测定站主要依赖国外进口,其配套的种猪性能测定信息管理系统分析功能较单一,存在安装、操作复杂等问题。在种猪测定性状中,达100 kg体重日龄则是衡量种猪生长速度的重要指标,在结测时通过分析计算获取这一性状,存在测定周期长等问题。种猪采食性状与生长性能密切相关,探究种猪采食性状与生长性状间规律,利用种猪早期采食性状对生长速度进行提前预测,有助于提高育种效率,降低育种经济和时间成本。本课题针对上述问题,基于杜洛克种猪生长性能测定数据分析了种猪采食性状与生长性状间的表型相关性,构建了种猪达目标体重日龄预测模型,利用通信技术、信息技术和web技术设计了一个集种猪生长性能测定性状计算、采食性状分析和设备远程监控为一体的种猪性能测定信息管理系统,主要工作如下:(1)分析了我国目前使用较为广泛的种猪性能测定信息管理系统,并分别从用户、测定站实时远程监控、种猪生长性能测定和采食性状分析4个方面对信息管理系统进行了详细的功能需求分析,结合农业农村部种猪质量监督检验中心(武汉)的实际使用需求,确定信息管理系统远程监控、性能指标计算和采食性状分析等功能。(2)以杜洛克种猪为研究对象,分析了种猪日增重、达100 kg体重日龄、饲料转化率和背膘等4个生长性状与日采食量、日采食次数、日采食时长、单次采食量和采食速率等5个采食性状的表型相关性;并基于种猪采食性状与生长速度的显著相关性,结合开测体重、开测日龄和30 kg体重日龄构建了种猪达100 kg体重日龄偏最小二乘(Partial Least Square,PLS)预测模型,5折交叉验证测试集平均决定系数R2为0.68,平均绝对误差MAE为3.2 d。(3)使用前后端分离的B/S(Browser/Server)架构,MVC设计模式进行种猪性能测定信息管理系统设计和开发。选用CAN总线完成信息管理系统与测定站之间数据的双向传输,并在UDP协议基础上加入“确认”、“校验”和“重发”机制,确保了测定数据的实时、高效、可靠传输;信息管理系统前端基于Reactjs技术栈、Ant Design组件库、Bizcharts图表库,服务器后端基于flask web框架,使用My SQL进行数据存储。系统功能大体上可分为用户模块、测定站实时监控模块、种猪生长性能测定模块和采食性状分析模块4个功能模块,实现了测定站的实时远程监控、种猪测定数据采集、统计和分析,以及采食性状分析等。(4)信息管理系统开发完成后,进行两次养殖试验,测试信息管理系统的数据传输可靠性和功能运行稳定性。第一次试验在华中农业大学试验猪场展开,试验结果表明,采食数据无丢失;第二次试验在湖北省某国家生猪核心育种场展开,试验结果表明,各功能模块运行稳定,满足预期设计要求。使用试验种猪测定数据对PLS预测模型进行测试,PLS预测日龄与实际达目标体重日龄MAE为5.3 d。
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：毕设海岸 ，原文地址：https://bishedaima.com/lunwen/49912.html
