CN110226561A - 基于大数据的低成本养殖蛋鸡的方法 - Google Patents
基于大数据的低成本养殖蛋鸡的方法 Download PDFInfo
- Publication number
- CN110226561A CN110226561A CN201910515683.7A CN201910515683A CN110226561A CN 110226561 A CN110226561 A CN 110226561A CN 201910515683 A CN201910515683 A CN 201910515683A CN 110226561 A CN110226561 A CN 110226561A
- Authority
- CN
- China
- Prior art keywords
- laying hen
- day
- amount
- chicken coop
- lattice
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 241000287828 Gallus gallus Species 0.000 claims abstract description 103
- 238000004519 manufacturing process Methods 0.000 claims abstract description 55
- 235000013305 food Nutrition 0.000 claims abstract description 37
- 239000003651 drinking water Substances 0.000 claims abstract description 21
- 235000020188 drinking water Nutrition 0.000 claims abstract description 21
- 238000003062 neural network model Methods 0.000 claims abstract description 10
- 238000013528 artificial neural network Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims abstract description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 238000009395 breeding Methods 0.000 claims description 4
- 230000001488 breeding effect Effects 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 235000013601 eggs Nutrition 0.000 description 45
- 238000009360 aquaculture Methods 0.000 description 4
- 244000144974 aquaculture Species 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 239000004459 forage Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 244000144987 brood Species 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000011160 research Methods 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
- A01K67/00—Rearing or breeding animals, not otherwise provided for; New or modified breeds of animals
- A01K67/02—Breeding vertebrates
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Zoology (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Fodder In General (AREA)
Abstract
本发明公开了一种基于大数据的低成本养殖蛋鸡的方法,包括:在产蛋期以每格鸡笼为单位,采集日总产蛋量、日总饮水量、日总吃食量;控制温度和湿度,记录鸡笼体积,蛋鸡只数,平均日龄;产蛋期结束后统计总产蛋量和回报率;选取经验样本,以鸡笼体积、平均日龄、蛋鸡只数、温度、湿度、产蛋量、回报率为输入层,以日总饮水量和日总吃食量为输出层,构建神经网络;选取训练样本训练该神经网络,得神经网络模型;统计理想产蛋量和理想回报率;养殖下一批次蛋鸡,将鸡笼体积,理想产蛋量,理想回报率,当日的温度、湿度、平均日龄、蛋鸡只数输入神经网络模型,得当日的总饮水量和日总吃食量;喂养蛋鸡。本发明具有减少喂食量低成本养殖的有益效果。
Description
技术领域
本发明涉及大数据养殖领域。更具体地说,本发明涉及一种基于大数据的低成本养殖蛋鸡的方法。
背景技术
在蛋鸡养殖过程中,一般育雏需要30~50天,育成鸡需要120~140天,产蛋期一年约360天,共计500天左右,通常为了提高产蛋量和回报率,都会在育雏和育成鸡时使蛋鸡使劲增肥,为后期产蛋提供营养储备,而在产蛋期时限制饲料喂养量,提高产蛋率,但是在产蛋期限制饲料喂养的量通常是根据每个养殖厂人员的经验投喂饲料和水,人为干扰因素大,而且也不能精确到产蛋期时的每个喂食日,只是制定在哪段时期内的饲喂量,产蛋量和回报率提升不稳定,甚至常年维持在一个较低的水平,因此,如何在产蛋期饲喂蛋鸡以提高产蛋量和回报率,达成低成本养殖是本领域技术人员值得思量的。
发明内容
本发明的一个目的是解决至少上述问题,并提供至少后面将说明的优点。
本发明还有一个目的是提供一种基于大数据的低成本养殖蛋鸡的方法,可以根据每格鸡笼内的蛋鸡的产蛋量和回报率控制产蛋期内每日的喂食量和喂水量,在保证产蛋量的前提下,不像传统方法对所有蛋鸡进行批量限食,而是可以实现有机的减少喂食量和喂水量,实现低成本养殖。
为了实现根据本发明的这些目的和其它优点,提供了一种基于大数据的低成本养殖蛋鸡的方法,包括以下步骤:步骤一、记录当前养殖的批次的蛋鸡的品种;
数据采集:在产蛋期,以每格鸡笼为单位,采集每格鸡笼内蛋鸡的日总产蛋量、日总饮水量、日总吃食量,其中,日总产蛋量为一个鸡笼内所有蛋鸡24h的总产蛋量,日总饮水量为一个鸡笼内所有蛋鸡24h的总饮水量,日总吃食量为一个鸡笼内所有蛋鸡24h的总吃食量;
控制养殖大棚内的每日的温度和湿度,记录每格鸡笼体积,每日的每格鸡笼里养殖的活的蛋鸡只数,每日的每格鸡笼的蛋鸡的平均日龄;
步骤二、产蛋期结束后,统计每格鸡笼内蛋鸡的总产蛋量和回报率,其中,总产蛋量为每格鸡笼的日总产蛋量的总和,回报率为总产蛋量与总吃食量的比值,总吃食量为每格鸡笼的日总吃食量的总和;
步骤三、将步骤一和步骤二中采集和统计得到的数据储存为多个经验样本,每个经验样本记录其中一日的数据,每个经验样本包括鸡笼体积,其中一日的该格鸡笼内蛋鸡的平均日龄,该格鸡笼内和该日对应的蛋鸡只数,该日对应的温度和湿度,该格鸡笼对应的总产蛋量和回报率,该格鸡笼内蛋鸡该日的日总饮水量、日总吃食量,随机选取多个经验样本,以鸡笼体积、平均日龄、蛋鸡只数、温度、湿度、产蛋量、回报率为输入层,以日总饮水量和日总吃食量为输出层,构建神经网络;
步骤四、选取剩余的经验样本为训练样本,训练该神经网络直至收敛,得该品种蛋鸡的神经网络模型;
步骤五、从所有经验样本中选出最大的产蛋量和最大的回报率,并分别作为下一养殖相同品种蛋鸡时的理想产蛋量和理想回报率;
步骤六、在养殖下一批次蛋鸡时,选取与步骤一中品种相同的蛋鸡进行养殖;
在产蛋期时,控制养殖大棚内的每日的温度和湿度,使温度和湿度分别位于上一批次蛋鸡养殖时的温度和湿度的范围内,采集每格鸡笼体积,统计当日每格鸡笼蛋鸡的平均日龄,当日的活的蛋鸡只数;
将鸡笼体积、当日的温度和湿度、该格鸡笼蛋鸡当日的平均日龄、该格鸡笼当日的活的蛋鸡只数、理想产蛋量、理想回报率输入至该品种蛋鸡的神经网络模型,输出得到该格鸡笼推荐的当日的总饮水量和日总吃食量;
步骤七、按照步骤六中得到的每格鸡笼的当日的日总饮水量和日总吃食量,对每格鸡笼一一对应进行喂食和喂水。
优选的是,还包括:
步骤一中,在每格鸡笼内设置音乐播放机构,在蛋鸡的脚上绑定运动量采集装置,采集蛋鸡每日的运动量,然后计算日平均运动量,并记载于经验样本中;
设置日平均运动量阈值,日平均运动量阈值为步骤四中最大的回报率对应的经验样本中记载的最大的日平均运动量;
每隔2h采集每格鸡笼内的蛋鸡的总运动量,并计算得到平均运动量,平均运动量大于日平均运动量阈值时,则并播放催眠曲。
优选的是,所述运动量采集装置采集的运动量为卡路里数或步数。
优选的是,催眠曲的音量设置为40~60分贝,播放方法为每隔20min播放催眠曲30min。
优选的是,每格鸡笼每日播放的催眠曲的次数不大于5次。
优选的是,每个养殖大棚蛋鸡完成一个产蛋周期后,选出本次养殖蛋鸡的最大的产蛋量和最大的回报率,并分别作为下次养殖蛋鸡的理想产蛋量和理想回报率。
本发明至少包括以下有益效果:
第一、可以根据每格鸡笼内的蛋鸡的产蛋量和回报率控制产蛋期内每日的喂食量和喂水量,在保证产蛋量的前提下,不像传统方法对所有蛋鸡进行批量限食,而是可以实现有机的减少喂食量和喂水量,实现低成本养殖。
第二、过度运动会影响蛋鸡的吃食量,因此,当蛋鸡运动量有过剩趋势时,采用催眠曲的形式,减少蛋鸡的运动量,从而减少蛋鸡的吃食量,减少养殖成本。
第三、在每养殖一批次蛋鸡时,均记录相关数据,并计算该批次的理想产蛋量和理想回报率,然后采用相同品种的蛋鸡的养殖相关数据,对相应品种的神经网络模型进行训练,可以不断优化神经网格模型,从而不断的优化喂食量和喂水量,不断降低养殖成本。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
具体实施方式
下面结合技术方案对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
需要说明的是,下述实施方案中所述实验方法,如无特殊说明,均为常规方法,所述试剂和材料,如无特殊说明,均可从商业途径获得。
本发明提供了一种基于大数据的低成本养殖蛋鸡的方法,包括以下步骤:步骤一、记录当前养殖的批次的蛋鸡的品种;蛋鸡的品种可以是白壳蛋鸡的星杂288、京白904、罗曼白,可以是褐壳蛋鸡的罗曼褐、伊莎褐、海塞克斯褐,可以是浅褐壳蛋鸡的星杂444、伊利莎粉壳蛋鸡、天府粉壳蛋鸡等。
数据采集:在产蛋期,以每格鸡笼为单位,采集每格鸡笼内蛋鸡的日总产蛋量、日总饮水量、日总吃食量,其中,日总产蛋量为一个鸡笼内所有蛋鸡24h的总产蛋量,日总饮水量为一个鸡笼内所有蛋鸡24h的总饮水量,日总吃食量为一个鸡笼内所有蛋鸡24h的总吃食量;
控制养殖大棚内的每日的温度和湿度,记录每格鸡笼体积,每日的每格鸡笼里养殖的活的蛋鸡只数,每日的每格鸡笼的蛋鸡的平均日龄;
步骤二、产蛋期结束后,统计每格鸡笼内蛋鸡的总产蛋量和回报率,其中,总产蛋量为每格鸡笼的日总产蛋量的总和,回报率为总产蛋量与总吃食量的比值,总吃食量为每格鸡笼的日总吃食量的总和;
步骤三、将步骤一和步骤二中采集和统计得到的数据储存为多个经验样本,每个经验样本记录其中一日的数据,每个经验样本包括鸡笼体积,其中一日的该格鸡笼内蛋鸡的平均日龄,该格鸡笼内和该日对应的蛋鸡只数,该日对应的温度和湿度,该格鸡笼对应的总产蛋量和回报率,该格鸡笼内蛋鸡该日的日总饮水量、日总吃食量,随机选取多个经验样本,以鸡笼体积、平均日龄、蛋鸡只数、温度、湿度、产蛋量、回报率为输入层,以日总饮水量和日总吃食量为输出层,构建神经网络;
步骤四、选取剩余的经验样本为训练样本,训练该神经网络直至收敛,得该品种蛋鸡的神经网络模型;
步骤五、从所有经验样本中选出最大的产蛋量和最大的回报率,并分别作为理想产蛋量和理想回报率;
步骤六、选取与步骤一中品种相同的蛋鸡进行养殖;
在产蛋期时,控制养殖大棚内的每日的温度和湿度,使温度和湿度分别位于上一批次蛋鸡养殖时的温度和湿度的范围内,采集每格鸡笼体积,统计当日每格鸡笼蛋鸡的平均日龄,当日的活的蛋鸡只数;
将鸡笼体积、当日的温度和湿度、该格鸡笼蛋鸡当日的平均日龄、该格鸡笼当日的活的蛋鸡只数、理想产蛋量、理想回报率输入至该品种蛋鸡的神经网络模型,输出得到该格鸡笼推荐的当日的总饮水量和日总吃食量;
步骤七、按照步骤六中得到的每格鸡笼的当日的日总饮水量和日总吃食量,在当日对每格鸡笼一一对应进行喂食和喂水。
在上述技术方案中,可以根据每格鸡笼内的蛋鸡的产蛋量和回报率控制产蛋期内每日的喂食量和喂水量,在保证产蛋量的前提下,不像传统方法对所有蛋鸡进行批量限食,而是可以实现有机的减少喂食量和喂水量,实现低成本养殖。
在另一种技术方案中,步骤一中,在每格鸡笼内设置音乐播放机构,在蛋鸡的脚上绑定运动量采集装置,采集蛋鸡每日的运动量,然后计算日平均运动量,并记载于经验样本中;
设置日平均运动量阈值,日平均运动量阈值为步骤四中最大的回报率对应的经验样本中记载的最大的日平均运动量;
每隔2h采集每格鸡笼内的蛋鸡的总运动量,并计算得到平均运动量,平均运动量大于日平均运动量阈值时,则并播放催眠曲。
其中,所述运动量采集装置采集的运动量为卡路里数或步数。
在上述技术方案中,过度运动会影响蛋鸡的吃食量,因此,当蛋鸡运动量有过剩趋势时,采用催眠曲的形式,减少蛋鸡的运动量,从而减少蛋鸡的吃食量,减少养殖成本。
在另一种技术方案中,催眠曲的音量设置为40~60分贝,播放方法为每隔20min播放催眠曲30min。长时间连续听催眠曲,容易造成蛋鸡对催眠曲产生厌烦,因此采用间隔播放方式。
在另一种技术方案中,每格鸡笼每日播放的催眠曲的次数不大于5次。当播放次数过多时,易造成蛋鸡对催眠曲产生免疫力,即无法取到减少蛋鸡运动的效果。
在另一种技术方案中,每个养殖大棚蛋鸡完成一个产蛋周期后,选出本次养殖蛋鸡的最大的产蛋量和最大的回报率,并分别作为下次养殖蛋鸡的理想产蛋量和理想回报率。在每养殖一批次蛋鸡时,均记录相关数据,并计算该批次的理想产蛋量和理想回报率,然后采用相同品种的蛋鸡的养殖相关数据,对相应品种的神经网络模型进行训练,可以不断优化神经网格模型,从而不断的优化喂食量和喂水量,不断降低养殖成本。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的技术方案。
Claims (6)
1.基于大数据的低成本养殖蛋鸡的方法,其特征在于,包括以下步骤:步骤一、记录当前养殖的批次的蛋鸡的品种;
数据采集:在产蛋期,以每格鸡笼为单位,采集每格鸡笼内蛋鸡的日总产蛋量、日总饮水量、日总吃食量,其中,日总产蛋量为一个鸡笼内所有蛋鸡24h的总产蛋量,日总饮水量为一个鸡笼内所有蛋鸡24h的总饮水量,日总吃食量为一个鸡笼内所有蛋鸡24h的总吃食量;
控制养殖大棚内的每日的温度和湿度,记录每格鸡笼体积,每日的每格鸡笼里养殖的活的蛋鸡只数,每日的每格鸡笼的蛋鸡的平均日龄;
步骤二、产蛋期结束后,统计每格鸡笼内蛋鸡的总产蛋量和回报率,其中,总产蛋量为每格鸡笼的日总产蛋量的总和,回报率为总产蛋量与总吃食量的比值,总吃食量为每格鸡笼的日总吃食量的总和;
步骤三、将步骤一和步骤二中采集和统计得到的数据储存为多个经验样本,每个经验样本记录其中一日的数据,每个经验样本包括鸡笼体积,其中一日的该格鸡笼内蛋鸡的平均日龄,该格鸡笼内和该日对应的蛋鸡只数,该日对应的温度和湿度,该格鸡笼对应的总产蛋量和回报率,该格鸡笼内蛋鸡该日的日总饮水量、日总吃食量,随机选取多个经验样本,以鸡笼体积、平均日龄、蛋鸡只数、温度、湿度、产蛋量、回报率为输入层,以日总饮水量和日总吃食量为输出层,构建神经网络;
步骤四、选取剩余的经验样本为训练样本,训练该神经网络直至收敛,得该品种蛋鸡的神经网络模型;
步骤五、从所有经验样本中选出最大的产蛋量和最大的回报率,并分别作为下一养殖相同品种蛋鸡时的理想产蛋量和理想回报率;
步骤六、在养殖下一批次蛋鸡时,选取与步骤一中品种相同的蛋鸡进行养殖;
在产蛋期时,控制养殖大棚内的每日的温度和湿度,使温度和湿度分别位于上一批次蛋鸡养殖时的温度和湿度的范围内,采集每格鸡笼体积,统计当日每格鸡笼蛋鸡的平均日龄,当日的活的蛋鸡只数;
将鸡笼体积、当日的温度和湿度、该格鸡笼蛋鸡当日的平均日龄、该格鸡笼当日的活的蛋鸡只数、理想产蛋量、理想回报率输入至该品种蛋鸡的神经网络模型,输出得到该格鸡笼推荐的当日的总饮水量和日总吃食量;
步骤七、按照步骤六中得到的每格鸡笼的当日的日总饮水量和日总吃食量,对每格鸡笼一一对应进行喂食和喂水。
2.如权利要求1所述的基于大数据的低成本养殖蛋鸡的方法,其特征在于,还包括:
步骤一中,在每格鸡笼内设置音乐播放机构,在蛋鸡的脚上绑定运动量采集装置,采集蛋鸡每日的运动量,然后计算日平均运动量,并记载于经验样本中;
设置日平均运动量阈值,日平均运动量阈值为步骤四中最大的回报率对应的经验样本中记载的最大的日平均运动量;
每隔2h采集每格鸡笼内的蛋鸡的总运动量,并计算得到平均运动量,平均运动量大于日平均运动量阈值时,则并播放催眠曲。
3.如权利要求2所述的基于大数据的低成本养殖蛋鸡的方法,其特征在于,所述运动量采集装置采集的运动量为卡路里数或步数。
4.如权利要求2所述的基于大数据的低成本养殖蛋鸡的方法,其特征在于,催眠曲的音量设置为40~60分贝,播放方法为每隔20min播放催眠曲30min。
5.如权利要求2所述的基于大数据的低成本养殖蛋鸡的方法,其特征在于,每格鸡笼每日播放的催眠曲的次数不大于5次。
6.如权利要求1所述的基于大数据的低成本养殖蛋鸡的方法,其特征在于,每个养殖大棚蛋鸡完成一个产蛋周期后,选出本次养殖蛋鸡的最大的产蛋量和最大的回报率,并分别作为下次养殖蛋鸡的理想产蛋量和理想回报率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910515683.7A CN110226561B (zh) | 2019-06-14 | 2019-06-14 | 基于大数据的低成本养殖蛋鸡的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910515683.7A CN110226561B (zh) | 2019-06-14 | 2019-06-14 | 基于大数据的低成本养殖蛋鸡的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110226561A true CN110226561A (zh) | 2019-09-13 |
CN110226561B CN110226561B (zh) | 2021-03-05 |
Family
ID=67859401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910515683.7A Active CN110226561B (zh) | 2019-06-14 | 2019-06-14 | 基于大数据的低成本养殖蛋鸡的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110226561B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709652A (zh) * | 2020-06-17 | 2020-09-25 | 孙洁 | 一种基于大数据的养牛方法 |
CN114009380A (zh) * | 2021-10-25 | 2022-02-08 | 湖北清江鲟鱼谷特种渔业有限公司 | 一种基于神经网络模型的鲟鱼孵化方法及系统 |
CN114128673A (zh) * | 2021-12-14 | 2022-03-04 | 仲恺农业工程学院 | 基于混合深度神经网络的肉鸽精准饲喂方法 |
CN115688972A (zh) * | 2022-09-23 | 2023-02-03 | 江苏天成科技集团有限公司 | 一种基于anfis模型的蛋鸡采食量预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107544595A (zh) * | 2017-10-10 | 2018-01-05 | 温州大学瓯江学院 | 一种基于大数据的蛋鸡饲料配置装置 |
CN109492949A (zh) * | 2018-12-26 | 2019-03-19 | 中国农业科学院农产品加工研究所 | 泰和乌鸡、泰和乌鸡蛋保种溯源的监管系统 |
-
2019
- 2019-06-14 CN CN201910515683.7A patent/CN110226561B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107544595A (zh) * | 2017-10-10 | 2018-01-05 | 温州大学瓯江学院 | 一种基于大数据的蛋鸡饲料配置装置 |
CN109492949A (zh) * | 2018-12-26 | 2019-03-19 | 中国农业科学院农产品加工研究所 | 泰和乌鸡、泰和乌鸡蛋保种溯源的监管系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709652A (zh) * | 2020-06-17 | 2020-09-25 | 孙洁 | 一种基于大数据的养牛方法 |
CN114009380A (zh) * | 2021-10-25 | 2022-02-08 | 湖北清江鲟鱼谷特种渔业有限公司 | 一种基于神经网络模型的鲟鱼孵化方法及系统 |
CN114128673A (zh) * | 2021-12-14 | 2022-03-04 | 仲恺农业工程学院 | 基于混合深度神经网络的肉鸽精准饲喂方法 |
CN115688972A (zh) * | 2022-09-23 | 2023-02-03 | 江苏天成科技集团有限公司 | 一种基于anfis模型的蛋鸡采食量预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110226561B (zh) | 2021-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110226561A (zh) | 基于大数据的低成本养殖蛋鸡的方法 | |
CN104026076B (zh) | 一种家猪和野猪杂交培育特种野猪的方法 | |
CN100364488C (zh) | 鳜鱼提早人工繁殖方法 | |
CN105494246B (zh) | 一种杂交培育黑羽乌鸡的方法 | |
CN104542470A (zh) | 一种鸡的生态养殖方法 | |
CN102578036A (zh) | 一种节粮型生态虫草鸡的林下饲养方法 | |
CN108207790A (zh) | 一种提高种母鸡产蛋性能的方法 | |
CN102204522A (zh) | 黄粉虫的人工饲养方法 | |
CN104430155A (zh) | 一种高山区羊人工养殖技术 | |
CN105210983A (zh) | 大石山区野猪与广西环江香猪杂交品种的繁育及养殖方法 | |
CN104488812A (zh) | 一种甲鱼野生化的养殖方法 | |
CN106386607A (zh) | 一种克氏原螯虾分级池塘多茬养殖方法 | |
Siagian | Pig production in Indonesia | |
CN106577403A (zh) | 一种黄颡鱼的生态养殖方法 | |
CN101933482A (zh) | 花鲈南北杂交及生殖调控选育方法 | |
CN109197716A (zh) | 一种小龙虾苗种大棚分级培育的方法 | |
CN107466922A (zh) | 稻田混养禾花鲤和田螺的养殖方法 | |
CN104304133B (zh) | 一种鳜鱼反季节养殖的方法 | |
CN102696546A (zh) | 一种鸡的养殖方法 | |
CN109380177B (zh) | 一种土鸡杂交制种方法 | |
Fang | Brief history of plant breeding (I): from In-situ care to ex-situ planting | |
CN102144617A (zh) | 一种蜈蚣快速繁殖养殖技术 | |
CN113261519A (zh) | 一种河蟹金鱼套养生态高效养殖方法 | |
CN106376518A (zh) | 一种林下生态鸡的饲养方法 | |
CN109392841A (zh) | 一种樱桃谷鸭的健康养殖方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |