CN109220882A - 一种规模化商品猪场数字化监测信息应用方法及系统 - Google Patents
一种规模化商品猪场数字化监测信息应用方法及系统 Download PDFInfo
- Publication number
- CN109220882A CN109220882A CN201811313929.4A CN201811313929A CN109220882A CN 109220882 A CN109220882 A CN 109220882A CN 201811313929 A CN201811313929 A CN 201811313929A CN 109220882 A CN109220882 A CN 109220882A
- Authority
- CN
- China
- Prior art keywords
- pig
- data
- data target
- information
- commodity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 230000002159 abnormal effect Effects 0.000 claims abstract description 23
- 238000009395 breeding Methods 0.000 claims abstract description 22
- 238000010835 comparative analysis Methods 0.000 claims abstract description 12
- 230000005856 abnormality Effects 0.000 claims abstract description 6
- 238000012360 testing method Methods 0.000 claims description 14
- 201000010099 disease Diseases 0.000 claims description 13
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 13
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000002474 experimental method Methods 0.000 claims description 7
- 230000003862 health status Effects 0.000 claims description 7
- 230000006399 behavior Effects 0.000 claims description 6
- 229910021529 ammonia Inorganic materials 0.000 claims description 4
- 230000036760 body temperature Effects 0.000 claims description 4
- 239000003651 drinking water Substances 0.000 claims description 4
- 235000020188 drinking water Nutrition 0.000 claims description 4
- 230000004590 drinking behavior Effects 0.000 claims description 3
- 235000021050 feed intake Nutrition 0.000 claims description 3
- 230000002431 foraging effect Effects 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000002341 toxic gas Substances 0.000 description 3
- 230000036541 health Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000029142 excretion Effects 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Biophysics (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种规模化商品猪场数字化监测信息应用方法，包括：采集生猪数据指标与建立数据库；确定数据指标的取值范围，建立数据指标与值的关联数据库；提取异常指标或状态，分析异常状况产生原因及风险，对比分析历史数据与报告，探索生猪养殖异常状况发生的时空规律；根据分析结果撰写分析报告并示警。采用以上技术方案的规模化商品猪场数字化监测信息应用方法，通过构建关联数据库，对生猪养殖状态和风险进行分析评价，及时发现生猪养殖中的异常状态并示警，实现生猪养殖数字化监测信息的实际应用与生产指导。本发明还公开了一种规模化商品猪场数字化监测信息应用系统。
Description
技术领域
本发明涉及数字化信息应用技术领域，尤其涉及一种规模化商品猪场数字化监测信息应用方法及系统。
背景技术
目前，生猪产业由散养向规模化养殖转变，生猪饲养量大，生猪异常行为或状态比较普遍且种类繁多。人力资源紧缺与效率低下促使了数字化养殖技术与监测手段的迅速发展。随着管理水平、技术水平、信息化水平的提升，生猪产业可获取的数据越来越多且越来越繁杂。当前，养殖场往往只存储数据而缺乏实际应用，使得信息化技术对生猪养殖生产的指导难以发挥作用。
发明内容
本发明的目的是提供一种规模化商品猪场数字化监测信息应用方法及系统，用以构建生猪养殖信息数据指标与其阈值或状态描述的关联数据库，提取异常指标或状态，分析其产生原因、风险以及时空规律，实现生猪养殖数字化监测信息的实际应用与生产指导。
根据本发明的一个方面，提供了一种规模化商品猪场数字化监测信息应用方法，包括：
S1.采集数据指标并建立数据库；
S2.确定数据指标取值范围，建立数据指标与值的关联数据库；
S3.提取异常指标或状态，分析异常状况产生原因及风险，对比分析历史数据与报告，探索生猪养殖异常状况发生的时空规律；
S4.根据分析结果撰写分析报告并示警。
在一些实施方式中，步骤S1包括：
S11.采集数据指标，数据指标包括：规模化商品猪场饲养管理和环境信息、生猪行为特征信息、生猪体征信息、定期样品实验室检测数据指标以及区域疫病发生情况信息；
S12.建立数据库，将采集的数据指标根据其类别和采集频率分别建立相应数据库。
在一些实施方式中，步骤S2包括：
S21.收集并查阅相关文献、书籍等资料以及通过实验室检测确定各个数据指标的理论正常值范围；
S22.对无法用具体数据表示的数据指标收集其正常和异常状态的定性描述；
S23.建立数据指标与值或状态描述的关联数据库。
在一些实施方式中，步骤S3包括：
S31.结合数据指标信息与正常值范围以及定性描述，提取异常指标或状态；
S32.综合当期所有监测数据指标对异常指标或状态进行分析判断，并对比历史相关信息，评估生猪健康状况，分析异常状况产生原因以及风险；
S33.对比分析历史数据与报告，探索生猪养殖异常状况发生的时空和其它规律，作为生猪异常状况分析的辅助资料。
在一些实施方式中，关联数据库中，氨气浓度标准参考值0～100ppm，其中0～5ppm为轻度，5～10ppm为中度，10～100ppm为重度；生猪正常体温范围为38～39.5℃，生猪正常脉搏范围为60～80次/分钟等；采食行为包括采食次数白天6～8次，夜间4～6次，采食量0.6～3kg/次；饮水行为包括饮水量0.67～12L/次。
采用以上技术方案的规模化商品猪场数字化监测信息应用方法，以规模化商品猪场作为数字化信息监测的样本，并辅助实验室检测数据和区域疫病发生信息，结合文献、书籍等资料以及实验室检测确定各数据指标阈值，建立数据指标与其阈值或状态描述的关联数据库，通过提取异常指标或状态，分析其产生原因、风险和时空规律,评估生猪健康状况并示警,为预防生猪疾病提高生猪养殖效率提供指导。
根据本发明的另一个方面，提供了一种规模化商品猪场数字化监测信息分析系统，包括依次相连接的：
采集模块，用于数据指标采集与数据库建立；
构建模块，用于确定数据指标的取值范围并建立数据指标与值的关联数据库；
分析模块，用于提取异常指标或状态和分析异常状况产生原因及风险，对比分析历史数据与报告以及探索生猪养殖异常状况发生的时间和空间规律。
预警模块，用于根据分析结果撰写分析报告并示警。
在一些实施方式中，采集模块将采集的数据指标根据其类别和采集频率分别建立相应数据库，数据指标包括：规模化商品猪场饲养管理和环境信息、生猪行为特征信息、生猪体征信息、定期样品实验室检测数据指标以及区域疫病发生情况信息。
在一些实施方式中，构建模块通过以下方法建立数据指标与值或状态描述的关联数据库：
收集并查阅相关文献、书籍等资料以及通过实验室检测确定各个数据指标的理论正常值范围；
对无法用具体数据表示的数据指标收集其正常和异常状态的定性描述。
在一些实施方式中，分析模块的功能包括：
结合数据指标与正常值范围以及定性描述，提取异常指标或状态；
综合当期所有监测的数据指标对异常指标或状态进行分析判断，并对比历史相关信息，评估生猪健康状况，分析异常状况产生原因以及风险；
以及，对比分析历史数据与报告，探索生猪养殖异常状况发生的时空和其它规律，作为生猪异常状况分析的辅助资料。
采用以上技术方案的以规模化商品猪场作为数字化信息监测的样本，并辅助实验室检测数据和区域疫病发生信息，结合文献、书籍等资料以及实验室检测确定各数据指标阈值，建立数据指标与其阈值或状态描述的关联数据库，通过提取异常指标或状态，分析其产生原因、风险和时空规律,评估生猪健康状况并示警,为预防生猪疾病提高生猪养殖效率提供指导。
附图说明
图1为本发明一种规模化商品猪场数字化监测信息应用方法的流程示意图。
图2为图1中所示的规模化商品猪场数字化监测信息应用方法的生猪健康数据指标的数据结构示意图。
图3为图1中所示的规模化商品猪场数字化监测信息应用方法的数据分析示意图。
图4是本发明一种规模化商品猪场数字化监测信息应用系统的结构示意图。
具体实施方式
下面结合附图对本发明作进一步详细的说明。
实施例1
图1示意性地显示了根据本发明的一种实施方式的规模化商品猪场数字化监测信息应用方法。如图所示，该方法的流程包括：
S1.数据指标采集与数据库建立，包括：
S11.采集数据指标，数据指标包括：规模化商品猪场饲养管理和环境信息、生猪行为特征信息、生猪体征信息、定期样品实验室检测数据指标以及区域疫病发生情况信息；
S12.建立数据库，将采集的数据指标根据其类别和采集频率分别建立相应数据库。
需要说明的是，数据指标选取应基于当前生猪养殖信息化水平、信息化技术实用性以及数据可获取性，确定采集的数据指标。
S2.确定数据指标的取值范围，建立数据指标与值的关联数据库，具体过程包括：
S21.收集并查阅相关文献、书籍等资料以及通过实验室检测确定各个数据指标的理论正常值范围；
S22.对无法用具体数据表示的数据指标收集其正常和异常状态的定性描述；
S23.建立数据指标与值或状态描述的关联数据库。
需要说明的是，关联数据库的数据指标包括有毒气体浓度、行为特征、体征信息和实验室检测数据。关联数据库诸如氨气浓度标准参考值0～100ppm，其中0～5ppm为轻度，5～10ppm为中度，10～100ppm为重度；生猪正常体温38～39.5℃，生猪正常脉搏60～80次等；采食行为包括采食次数白天6～8次，夜间4～6次，采食量0.6～3kg；饮水行为包括饮水量0.67～12L。
S3.提取异常指标或状态，分析异常状况产生原因及风险，对比历史数据，探索生猪养殖异常状况发生的时空规律，具体包括：
S31.结合数据指标信息与正常值范围以及定性描述，提取异常指标或状态；
S32.综合当期所有监测数据指标对异常指标或状态进行分析判断，并对比历史相关信息，评估生猪健康状况，分析异常状况产生原因以及风险；
S33.对比分析历史数据与报告，探索生猪养殖异常状况发生的时空和其它规律，作为生猪异常状况分析的辅助资料。
S4，根据分析结果撰写分析报告并示警。
分析结果包括当期生猪异常指标与状态，其产生原因、风险和时空规律。
如图2所示，本实施例中规模化商品猪场检测的数据指标包括饲养管理信息、环境信息、生猪行为特征信息、生猪体征信息、实验室检测数据指标以及区域疫病发生情况信息。
饲养管理包括饲养密度、环境消毒、无害化处理、通风换气及免疫等。
环境信息包括：
常用气象要素，如温度、湿度、风速、昼夜温差等；
常见自然灾害信息，如台风、地震、洪涝等；
有毒气体浓度，如氨气、硫化氢等。
行为特征包括采食、排泄、饮水和运动等。
体征信息包括体温、脉搏、以及其它病理体征表现等。
实验室检测数据包括血液和尿液等样品检测数据。
区域疫病发生情况信息包括疫病名称、发生时间、影响范围与程度等。
如图3所示，根据构建的关联数据库，提取当期异常指标或状态，评估生猪健康状况；综合当期其它监测数据指标对异常指标或状态进行分析判断，探索其产生的原因与存在的风险；并对比分析历史数据，探索生猪养殖异常状况发生的时空规律，作为生猪异常状况分析的辅助资料。
实施例2
图4示意性地显示了根据本发明的一种实施方式的规模化商品猪场数字化监测信息应用系统。
如图所示，该系统包括依次连接的采集模块1、构建模块2、分析模块3及预警模块4。
其中，采集模块1，用于采集数据指标与建立数据库。基于当前生猪养殖信息化水平、信息化技术实用性以及数据可获取性，确定采集的数据指标。所述数据指标包括：规模化商品猪场饲养管理和环境信息、生猪行为特征、生猪体征信息、定期样品实验室检测数据、以及区域疫病发生情况信息。根据所采集的数据指标按其类别和采集频率分别建立相应数据库。
构建模块2，用于确定数据指标的取值范围，建立数据指标与值的关联数据库。所述取值范围来源包括文献、书籍等资料以及实验室检测。所述取值范围包括能用具体数字描述的数字范围和无法用具体数字描述的定性描述。所述关联数据库的数据指标包括饲养管理、有毒气体浓度、行为特征、体征信息和实验室检测数据。
分析模块3，用于提取异常指标或状态，分析异常状况产生原因及风险，对比分析历史数据与报告，探索生猪养殖异常状况发生的时间和空间规律。
预警模块4，根据分析结果撰写分析报告并示警
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (9)
1.一种规模化商品猪场数字化监测信息应用方法，其特征在于，包括：
S1.采集数据指标并建立数据库；
S2.确定所述数据指标取值范围，建立所述数据指标与值的关联数据库；
S3.提取异常指标或状态，分析异常状况产生原因及风险，对比分析历史数据与报告，探索生猪养殖异常状况发生的时空规律；
S4.根据分析结果撰写分析报告并示警。
2.如权利要求1所述的规模化商品猪场数字化监测信息应用方法，其特征在于，所述步骤S1包括：
S11.采集数据指标，所述数据指标包括：规模化商品猪场饲养管理和环境信息、生猪行为特征信息、生猪体征信息、定期样品实验室检测数据指标以及区域疫病发生情况信息；
S12.建立数据库，将采集的所述数据指标根据其类别和采集频率分别建立相应数据库。
3.如权利要求1所述的规模化商品猪场数字化监测信息应用方法，其特征在于，所述步骤S2包括：
S21.收集并查阅相关文献、书籍等资料以及通过实验室检测确定各个所述数据指标的理论正常值范围；
S22.对无法用具体数据表示的所述数据指标收集其正常和异常状态的定性描述；
S23.建立所述数据指标与值或状态描述的关联数据库。
4.如权利要求3所述的规模化商品猪场数字化监测信息应用方法，其特征在于，所述关联数据库中，氨气浓度标准参考值0～100ppm，其中0～5ppm为轻度，5～10ppm为中度，10～100ppm为重度；生猪正常体温范围为38～39.5℃，生猪正常脉搏范围为60～80次/分钟等；采食行为包括采食次数白天6～8次，夜间4～6次，采食量0.6～3kg/次；饮水行为包括饮水量0.67～12L/次。
5.如权利要求1所述的规模化商品猪场数字化监测信息应用方法，其特征在于，所述步骤S3包括：
S31.结合所述数据指标信息与正常值范围以及定性描述，提取异常指标或状态；
S32.综合当期所有监测数据指标对所述异常指标或状态进行分析判断，并对比历史相关信息，评估生猪健康状况，分析异常状况产生原因以及风险；
S33.对比分析历史数据与报告，探索生猪养殖异常状况发生的时空和其它规律，作为生猪异常状况分析的辅助资料。
6.一种规模化商品猪场数字化监测信息分析系统，其特征在于，包括依次相连接的：
采集模块，用于数据指标采集与数据库建立；
构建模块，用于确定所述数据指标的取值范围并建立所述数据指标与值的关联数据库；
分析模块，用于提取异常指标或状态和分析异常状况产生原因及风险，对比分析历史数据与报告以及探索生猪养殖异常状况发生的时间和空间规律。
预警模块，用于根据分析结果撰写分析报告并示警。
7.如权利要求6所述的规模化商品猪场数字化监测信息应用系统，其特征在于，所述采集模块将采集的所述数据指标根据其类别和采集频率分别建立相应数据库，所述数据指标包括：规模化商品猪场饲养管理和环境信息、生猪行为特征信息、生猪体征信息、定期样品实验室检测数据指标以及区域疫病发生情况信息。
8.如权利要求6所述的规模化商品猪场数字化监测信息应用系统，其特征在于，所述构建模块通过以下方法建立所述数据指标与值或状态描述的关联数据库：
收集并查阅相关文献、书籍等资料以及通过实验室检测确定各个所述数据指标的理论正常值范围；
对无法用具体数据表示的所述数据指标收集其正常和异常状态的定性描述。
9.如权利要求6所述的规模化商品猪场数字化监测信息应用系统，其特征在于，所述分析模块的功能包括：
结合所述数据指标与正常值范围以及定性描述，提取异常指标或状态；
综合当期所有监测的所述数据指标对所述异常指标或状态进行分析判断，并对比历史相关信息，评估生猪健康状况，分析异常状况产生原因以及风险；
以及，对比分析历史数据与报告，探索生猪养殖异常状况发生的时空和其它规律，作为生猪异常状况分析的辅助资料。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811313929.4A CN109220882A (zh) | 2018-11-06 | 2018-11-06 | 一种规模化商品猪场数字化监测信息应用方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811313929.4A CN109220882A (zh) | 2018-11-06 | 2018-11-06 | 一种规模化商品猪场数字化监测信息应用方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109220882A true CN109220882A (zh) | 2019-01-18 |
Family
ID=65077169
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811313929.4A Pending CN109220882A (zh) | 2018-11-06 | 2018-11-06 | 一种规模化商品猪场数字化监测信息应用方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109220882A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112000051A (zh) * | 2020-09-14 | 2020-11-27 | 江西省农业科学院农业经济与信息研究所 | 一种基于物联网的畜牧养殖管理系统 |
| CN113065760A (zh) * | 2021-03-31 | 2021-07-02 | 重庆市畜牧技术推广总站 | 一种母猪生崽数量及重量评价与管理系统 |
| CN113656600A (zh) * | 2021-08-23 | 2021-11-16 | 东北农业大学 | 一种基于知识图谱的dhi报告解读方法、系统及存储介质 |
| CN114467798A (zh) * | 2022-02-10 | 2022-05-13 | 重庆市畜牧技术推广总站 | 一种基于大数据的智能化养猪生长健康动态监测管理方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104361420A (zh) * | 2014-09-10 | 2015-02-18 | 大连大学 | 规模养殖场猪蓝耳病风险评估体系软件开发及运行平台 |
| CN105094158A (zh) * | 2015-06-24 | 2015-11-25 | 安科智慧城市技术（中国）有限公司 | 一种水养殖增氧机自动控制方法和系统 |
| CN106203834A (zh) * | 2016-07-11 | 2016-12-07 | 广东温氏食品集团股份有限公司 | 一种猪场料量信息管理系统及方法 |
| CN106326654A (zh) * | 2016-08-24 | 2017-01-11 | 北京辛诺创新科技有限公司 | 基于大数据云分析的健康预测系统、智能终端和服务器 |
| CN107148920A (zh) * | 2017-04-24 | 2017-09-12 | 珠海智牧互联科技有限公司 | 一种猪只健康智能监测方法及其系统 |
| CN108257671A (zh) * | 2018-03-09 | 2018-07-06 | 中华人民共和国陕西出入境检验检疫局 | 一种机场疾病预警方法 |
| CN108308060A (zh) * | 2018-03-26 | 2018-07-24 | 域通全球成都科技有限责任公司 | 一种基于大数据的养殖系统 |
| CN108507611A (zh) * | 2018-03-04 | 2018-09-07 | 天津众阳科技有限公司 | 基于实时生理参数的生猪健康及存亡状态监测系统及方法 |
| CN108573332A (zh) * | 2017-10-09 | 2018-09-25 | 江苏立华牧业股份有限公司 | 一种pdi家禽疾病流行信息化管理方法和系统 |
-
2018
- 2018-11-06 CN CN201811313929.4A patent/CN109220882A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104361420A (zh) * | 2014-09-10 | 2015-02-18 | 大连大学 | 规模养殖场猪蓝耳病风险评估体系软件开发及运行平台 |
| CN105094158A (zh) * | 2015-06-24 | 2015-11-25 | 安科智慧城市技术（中国）有限公司 | 一种水养殖增氧机自动控制方法和系统 |
| CN106203834A (zh) * | 2016-07-11 | 2016-12-07 | 广东温氏食品集团股份有限公司 | 一种猪场料量信息管理系统及方法 |
| CN106326654A (zh) * | 2016-08-24 | 2017-01-11 | 北京辛诺创新科技有限公司 | 基于大数据云分析的健康预测系统、智能终端和服务器 |
| CN107148920A (zh) * | 2017-04-24 | 2017-09-12 | 珠海智牧互联科技有限公司 | 一种猪只健康智能监测方法及其系统 |
| CN108573332A (zh) * | 2017-10-09 | 2018-09-25 | 江苏立华牧业股份有限公司 | 一种pdi家禽疾病流行信息化管理方法和系统 |
| CN108507611A (zh) * | 2018-03-04 | 2018-09-07 | 天津众阳科技有限公司 | 基于实时生理参数的生猪健康及存亡状态监测系统及方法 |
| CN108257671A (zh) * | 2018-03-09 | 2018-07-06 | 中华人民共和国陕西出入境检验检疫局 | 一种机场疾病预警方法 |
| CN108308060A (zh) * | 2018-03-26 | 2018-07-24 | 域通全球成都科技有限责任公司 | 一种基于大数据的养殖系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112000051A (zh) * | 2020-09-14 | 2020-11-27 | 江西省农业科学院农业经济与信息研究所 | 一种基于物联网的畜牧养殖管理系统 |
| CN113065760A (zh) * | 2021-03-31 | 2021-07-02 | 重庆市畜牧技术推广总站 | 一种母猪生崽数量及重量评价与管理系统 |
| CN113656600A (zh) * | 2021-08-23 | 2021-11-16 | 东北农业大学 | 一种基于知识图谱的dhi报告解读方法、系统及存储介质 |
| CN114467798A (zh) * | 2022-02-10 | 2022-05-13 | 重庆市畜牧技术推广总站 | 一种基于大数据的智能化养猪生长健康动态监测管理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109220882A (zh) | 一种规模化商品猪场数字化监测信息应用方法及系统 | |
| Magurran et al. | Long-term datasets in biodiversity research and monitoring: assessing change in ecological communities through time | |
| Du et al. | Assessment of laying hens’ thermal comfort using sound technology | |
| Thorson et al. | The importance of spatial models for estimating the strength of density dependence | |
| Hogan et al. | The frequency of cyclonic wind storms shapes tropical forest dynamism and functional trait dispersion | |
| Peruzzi et al. | Fight fire with fire: Detecting forest fires with embedded machine learning models dealing with audio and images on low power IoT devices | |
| Lopez et al. | Challenges and opportunities of social media data for socio-environmental systems research | |
| Mora et al. | Cloud-based behavioral monitoring in smart homes | |
| Carlucci et al. | Socioeconomic development, demographic dynamics and forest fires in Italy, 1961–2017: A time-series analysis | |
| Rahman et al. | Foot-and-mouth disease space-time clusters and risk factors in cattle and buffalo in Bangladesh | |
| Kerbiriou et al. | Bat pass duration measurement: an indirect measure of distance of detection | |
| Neubauer et al. | Inferring dispersal and migrations from incomplete geochemical baselines: analysis of population structure using Bayesian infinite mixture models | |
| Pavlovic et al. | Behavioural classification of cattle using neck-mounted accelerometer-equipped collars | |
| Correia et al. | Early survival and growth plasticity of 33 species planted in 38 arboreta across the European Atlantic area | |
| Cummings et al. | The spill over of crime from urban centers: An account of the changing spatial distribution of violent crime in Guyana | |
| Zhang et al. | Classification of complicated urban forest acoustic scenes with deep learning models | |
| Zhang et al. | Multi-state household appliance identification based on convolutional neural networks and clustering | |
| Nater et al. | Size‐and stage‐dependence in cause‐specific mortality of migratory brown trout | |
| Chen et al. | Designing a hybrid equipment-failure diagnosis mechanism under mixed-type data with limited failure samples | |
| Malik et al. | Estimation of the extent of the vulnerability of agriculture to climate change using analytical and deep-learning methods: a case study in Jammu, Kashmir, and Ladakh | |
| Grekov et al. | Anomaly detection in biological early warning systems using unsupervised machine learning | |
| Tumpa et al. | Population variability of almond-leaved willow (Salix triandra L.) based on the leaf morphometry: isolation by distance and environment explain phenotypic diversity | |
| Li et al. | CPUE estimation and standardization based on VMS: a case study for squid-jigging fishery in the equatorial of eastern pacific ocean | |
| Campos-Cerqueira et al. | Bird occupancy of a neotropical forest fragment is mostly stable over 17 years but influenced by forest age | |
| Bugno-Pogoda et al. | Impact of forest management on the temporal dynamics of herbaceous plant diversity in the Carpathian beech forests over 40 years |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |