CN116366676A - 面向畜牧产品全过程的多链决策反馈共识方法 - Google Patents
面向畜牧产品全过程的多链决策反馈共识方法 Download PDFInfo
- Publication number
- CN116366676A CN116366676A CN202310282286.6A CN202310282286A CN116366676A CN 116366676 A CN116366676 A CN 116366676A CN 202310282286 A CN202310282286 A CN 202310282286A CN 116366676 A CN116366676 A CN 116366676A
- Authority
- CN
- China
- Prior art keywords
- chain
- node
- leader
- data
- sub
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 244000144972 livestock Species 0.000 title claims abstract description 24
- 230000008569 process Effects 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000003307 slaughter Methods 0.000 claims abstract description 5
- 238000002955 isolation Methods 0.000 claims abstract description 4
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000009395 breeding Methods 0.000 claims description 5
- 230000001488 breeding effect Effects 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 238000012856 packing Methods 0.000 claims description 4
- 230000036760 body temperature Effects 0.000 claims description 3
- 206010061619 Deformity Diseases 0.000 claims description 2
- 230000037396 body weight Effects 0.000 claims 1
- 235000012054 meals Nutrition 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000013528 artificial neural network Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 abstract description 2
- 238000013461 design Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 241000283690 Bos taurus Species 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 235000015278 beef Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000035622 drinking Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/02—Network architectures or network communication protocols for network security for separating internal from external traffic, e.g. firewalls
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/104—Peer-to-peer [P2P] networks
- H04L67/1044—Group management mechanisms
- H04L67/1051—Group master selection mechanisms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Computational Mathematics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
Abstract
本发明公开了一种面向畜牧产品全过程的多链决策反馈共识方法,属于区块链共识技术领域。首先,本发明采用多链的结构,具体为主链结合多子链,主链整合子链信息,子链面向特定的阶段,包括养殖、屠宰、加工、销售阶段,多子链并发进行,提高系统的运行效率,起到数据隔离的效果,并方便对数据进行溯源。其次,使用神经网络对采集的数据进行决策,提高系统的泛化能力。最后,采用共识组设计,普通节点可以对领导者做出的决策向共识组中的评判节点提交反馈,降低了领导者的作恶的可能性。本发明引入可信度,可信度最高的节点当选为领导者,保证选举过程的公平性;采用星际文件系统(IPFS)与区块链共同进行数据存储,减少节点之间通讯的数据量,并减轻区块链存储数据的压力。
Description
技术领域
本发明属于区块链领域,涉及共识机制、机器学习,具体为一种面向畜牧产品全过程的多链决策反馈共识方法。
背景技术
区块链本质上是基于时间戳的分布式数据库,采用块式结构对数据进行组织,使用哈希指针取代传统指针将区块进行连接,形成完整的链;区块链是智能合约、共识算法、密码学、分布式系统等技术的集合,具备去中心化、可溯源、不可篡改、公开透明等特性,可以解决各供应商之间的信息孤岛和信任危机等问题,被称为“信任机器”。共识机制使分布式节点之间的状态达成一致,是区块链技术的核心。
传统的畜牧产品在生产过程中,由中心化的供应商各自负责数据的存储,不能保证数据公开透明,为数据篡改等问题埋下了隐患,造成了供应商之间的信任危机,给数据溯源带来了阻力。
本发明旨在解决传统畜牧产品生产过程中存在的问题,提出了面向畜牧产品全过程的多链决策反馈共识机制,将区块链与畜牧产品相结合,利用区块链技术的优势,以确保数据的公开透明、不可篡改,增强供应商之间的信任,并且为数据溯源过程带来便利。
发明内容
本发明提出一种面向畜牧产品全过程的多链决策反馈共识方法,采用多链形式,具体为主链结合多个子链,主链整合子链的信息,涵盖畜牧产品全过程,子链则面向特定的生产环境,包括养殖、屠宰、加工和销售,各子链并发运行,提高系统的运行效率,并起到数据隔离的作用,方便数据溯源。人工神经网络对数据进行决策,保证泛化能力;采用共识组的方式,滑动窗口确定共识组成员个数,由共识组最终决定共识是否达成;在共识组中,评判节点监督领导者节点的行为,以减少领导者节点作恶的可能,从而保证系统的公平性;采用星际文件系统(IPFS)与区块链共同进行数据存储,减少节点之间通讯的数据量,并减轻区块链存储数据的压力。
为了实现上述目的,本发明采用如下技术方案:面向畜牧产品全过程的多链决策反馈共识方法,其特征在于,包括如下步骤:
步骤1:节点根据抵押方式竞选出子链的备选节点集合;
步骤2:系统根据预设规则1确定子链的滑动窗口大小,进而确定子链上的共识组成员数目;
步骤3:系统根据预设规则2从备选节点集合中选出子链上的领导者,将领导者添加到共识组中;
步骤4:普通节点采集特定的数据,将数据上传到IPFS上,并将数据的哈希值发送给子链上的领导者节点;
步骤5:领导者节点根据收到的哈希,从IPFS上获取原始数据,从中整合单个个体的数据,根据预设规则3进行决策,将决策结果与原始数据重新进行组织,生成数据的哈希值,存储到IPFS上,并提取特定的数据打包成区块,将区块发送给普通节点,区块生成时间根据具体环境进行调整;
步骤6:普通节点对接收的区块进行验证,如果有异议,在规定的心跳时间内,向评判节点反馈结果。如果无异议,将区块打包到本地的区块链副本上;
步骤7:评判节点根据普通节点的反馈数目,确定本轮共识是否达成情况,系统将共识达成情况写入主链,并触发相应的奖惩机制;
步骤8:区块中设置布隆过滤器,用于快速对区块链上的数据进行检索,实现高效溯源。
进一步,步骤1中,所述子链包括养殖子链、屠宰子链、加工子链、销售子链。
进一步,步骤2中,所述的预设规则1为:
(1)确定子链中滑动窗口大小w,计算公式如下:
其中,α为修正系数,n为该子链上所有节点数目。
进一步,步骤2中,所述共识组成员包括领导者节点和评判节点,领导者节点负责打包生成区块,评判节点负责对领导者节点确定的决策进行评判。
进一步,步骤3中,所述的预设规则2为:
(1)确定备选集合中节点的可信度C,计算公式如下:
其中,x为节点i正确打包区块的次数,y为节点i错误打包区块的次数,β为修正系数,用于调节节点作恶对可信度的影响程度;
(2)可信度最高的节点当选为领导者。
进一步,步骤5中,所述的预设规则3为:
(1)通过人工神经网络进行打分,具体如公式(3)所示:
其中,D 为人工神经网络决策分值,single_data 为单个个体的数据;
(2)根据得分情况判断个体数据是否合格,计算公式如(4)如示:
其中,λ为预设阈值,ret 为决策函数,数字1表示数据合格,数字0表示数据不合格。
进一步,步骤5中,打包进区块的特定数据包括前区块的哈希值、当前时间戳、产品总数目、产品决策结果、生成的数据的哈希值等。
进一步,步骤7中所述的奖惩机制为:
如果共识组中的评判节点均收到超过1/2数目的普通节点的反馈,则可阻止此次共识,评判节点平分本轮的奖励,扣除领导者的抵押,并累加领导者的错误打包区块次数。否则,系统给予领导者奖励,累加领导者成功打包区块次数。
通过上述设计方案,本发明可以带来以下有益效果:提出一种面向畜牧产品全过程的多链决策反馈共识方法,将畜牧产品与区块链技术相结合,使畜牧产品数据具备公开透明、可溯源、不可篡改的特点,消除了各供应商之间的信任危机,减少了溯源阻力;采用多链的方式,起到并发进行、数据隔离的效果;引入可信度,通过可信度选举每轮的领导者,可信度最高的节点当选为领导者,保证选举过程的公正;采用神经网络提高决策过程的泛化能力;采用独特的奖惩机制,减少了共识组中领导者节点作恶的可能性。
附图说明
图1为本发明所涉及的共识流程图。
图2为本发明所涉及的链式结构图。
具体实施方案
本发明结合附图和具体实施方式做进一步详细说明。一种面向畜牧产品全过程的多链决策反馈共识算法,该具体实施方案中,以肉牛的养殖过程为例,通过介绍肉牛在养殖子链中的应用,来描述共识算法的实施过程。具体步骤如下。
1. 负责养殖的节点通过抵押选出备选节点集合 S,在本实施方案中,假设length(S)=6, S={BNode1, BNode2, BNode3, BNode4, BNode5, BNode6}。
2. 取养殖子链上的节点数目n=100,修正系数α=0.6,根据公式(1)计算滑动窗口大小:
根据滑动窗口的大小,确定共识组的大小为4,共识组由前三轮打包区块的领导者和新一轮将要打包区块的领导者组成。
3. 确定备选集合中各个节点的可信度,选择可信度最高的节点当选为本轮的领导者,领导者负责打包数据,生成区块;
3.1在本发明实例中,备选集合中的每个节点的正确打包交易和错误打包交易的次数如表1所示:
表1 备选集合中节点信息
3.2 节点的可信度计算方式如下所示:
3.3 选取备选节点集合中可信度最高的节点node2当选为领导者,负责生成本轮区块。
4. 养殖阶段中除共识组之外的节点为普通节点,普通节点负责采集原始数据,如牛体重、牛体温、进食次数、喝水次数、是否生病、是否按摩、空气温度、空气湿度等,将数据存储到星际文件系统(IPFS)上,生成对应数据的哈希值,将哈希值发送给领导者节点;
4.1 采集4头牛的数据为例,普通节点采集相应数据,将数据存储到IPFS上,并生成数据哈希。结果如表2所示:
表2 数据采集及数据哈希值
4.2 普通节点将哈希值发送给领导者节点。
5. 领导者节点接收到普通节点传来的哈希值,通过哈希值从IPFS上获取原始数据,对每头牛的个体数据进行提取,并通过神经网络进行决策,将决策结果与原始数据进行重组,将重组后的数据存放到IPFS上,生成数据的哈希值,将前区块的哈希值,总牛数、合格牛的编号、当前时间戳和数据的哈希值等信息打包生成区块,将区块发送给普通节点;
5.1养殖子链中,领导者节点上存放预先训练好的神经网络模型,该模型以牛体重、牛体温、进食次数、喝水次数、是否生病、是否按摩、空气温度、空气湿度等数据作为特征值,采用数据的得分分值为标签值,进行模型训练;
5.2领导者节点对每头牛的数据进行提取,使用公式(3)生成每头牛的决策分值,使用公式(4)判定数据是否合格,具体结果如表3所示:
表3 牛个体数据及合格情况
5.3 领导者节点将表3中的数据存储到IPFS上,生成哈希值,将该哈希值与总牛数、合格牛的编号、当前时间戳和前区块的哈希值整合成区块,发送给普通节点;
5.4 设置养殖子链的出块时间为24小时,出块时间可以根据实际情况进行动态调整,保证系统的灵活性。
6. 养殖子链上的普通节点对接收到的区块进行验证,如果有异议,可以在规定的心跳时间内,向共识组中的评判节点进行反馈,如果评判节点收到 1/2的普通节点的反馈,可阻止本轮共识,评判节点平分系统奖励,同时,扣除领导者的抵押,并将领导者的错误打包区块数进行累加。否则,领导者获得系统奖励,累加领导者成功出块次数,本轮共识确认通过。共识组中领导者节点与评判节点利益冲突,评判节点对领导者起监督作用。在本实例中,评判节点未收到超过1/2的普通节点的反馈,领导者node2获得本轮奖励,其正确打包区块次数累加为11。
7. 将养殖子链上的共识达成情况写入主链。节点可以根据主链记录的共识达成情况自行验证本地数据。
8. 其余屠宰、加工、销售子链与上述步骤类似。主链用于整合子链的信息,涵盖畜牧产品全过程,子链则面向特定的生产环境。
以上列举的仅是本发明的一个具体实施案例,任何根据本发明内容直接导出的变形,均应认为是本发明的保护范围。
Claims (8)
1.一种面向畜牧产品全过程的多链决策反馈共识方法,应用于畜牧产品中,其特征在于,主要步骤如下:
步骤1:节点根据抵押方式竞选出子链的备选节点集合;
步骤2:系统根据预设规则1确定子链的滑动窗口大小,进而确定子链上的共识组成员数目;
步骤3:系统根据预设规则2从备选节点集合中选出子链上的领导者,将领导者添加到共识组中;
步骤4:普通节点采集特定的数据,将数据上传到IPFS上,并将数据的哈希值发送给子链上的领导者节点;
步骤5:领导者节点根据收到的哈希,从IPFS上获取原始数据,从中整合单个个体的数据,根据预设规则3进行决策,将决策结果与原始数据重新进行组织,生成数据的哈希值,存储到IPFS上,并提取特定的数据打包成区块,将区块发送给普通节点,区块生成时间根据具体环境进行调整;
步骤6:普通节点对接收的区块进行验证,如果有异议,在规定的心跳时间内,向评判节点反馈结果,如果无异议,将区块打包到本地的区块链副本上;
步骤7:评判节点根据普通节点的反馈数目,确定本轮共识是否达成情况,系统将共识达成情况写入主链,并触发相应的奖惩机制;
步骤8:区块中设置布隆过滤器,用于快速对区块链上的数据进行检索,实现高效溯源。
4.根据权利要求1所述的面向畜牧产品全过程的多链决策反馈共识方法,其特征在于:步骤3中,所述的共识组特点为:
(1)共识组包括领导者节点和评判节点,领导者节点负责打包生成区块,评判节点为前几轮的领导者节点;
(2)共识组中,评判节点监督领导者节点的行为,有权对领导者决策的结果进行评判。
5.根据权利要求1所述的面向畜牧产品全过程的多链决策反馈共识方法,特征在于:步骤4中,所述的特定数据根据子链种类而定,具体的养殖子链应包括:体重、体温、进食次数、喝水次数、是否生病、是否按摩、空气温度、以及空气湿度等数据。
6.根据权利要求1所述的面向畜牧产品全过程的多链决策反馈共识方法,特征在于:步骤6中,普通节点收到领导者节点打包的区块之后,可以对区块的正确性进行反馈。
7.根据权利要求1所述的面向畜牧产品全过程的多链决策反馈共识方法,其特征在于:步骤7中,所述的奖惩机制为:
如果共识组中的评判节点均收到超过1/2数目的普通节点的反馈,则可阻止此次共识,平分本轮的奖励,扣除领导者的抵押,累加领导者的作恶次数,否则,系统给予领导者奖励,累加领导者成功打包区块次数。
8.根据权利要求1所述的面向畜牧产品全过程的多链决策反馈共识方法,其特征在于:系统采用多链的形式,主链整合子链信息,子链面向特定的生产环境,包括养殖阶段、屠宰阶段、加工阶段、销售阶段,各子链并发进行,保证运行效率,起到数据隔离的作用,方便数据溯源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310282286.6A CN116366676A (zh) | 2023-03-22 | 2023-03-22 | 面向畜牧产品全过程的多链决策反馈共识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310282286.6A CN116366676A (zh) | 2023-03-22 | 2023-03-22 | 面向畜牧产品全过程的多链决策反馈共识方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116366676A true CN116366676A (zh) | 2023-06-30 |
Family
ID=86941322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310282286.6A Pending CN116366676A (zh) | 2023-03-22 | 2023-03-22 | 面向畜牧产品全过程的多链决策反馈共识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116366676A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117171236A (zh) * | 2023-11-02 | 2023-12-05 | 中电科大数据研究院有限公司 | 一种基于区块链的数据溯源方法及系统 |
CN117893229A (zh) * | 2024-03-18 | 2024-04-16 | 吉林交通职业技术学院 | 基于区块链的自动化肉牛全环节溯源方法 |
-
2023
- 2023-03-22 CN CN202310282286.6A patent/CN116366676A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117171236A (zh) * | 2023-11-02 | 2023-12-05 | 中电科大数据研究院有限公司 | 一种基于区块链的数据溯源方法及系统 |
CN117171236B (zh) * | 2023-11-02 | 2024-02-06 | 中电科大数据研究院有限公司 | 一种基于区块链的数据溯源方法及系统 |
CN117893229A (zh) * | 2024-03-18 | 2024-04-16 | 吉林交通职业技术学院 | 基于区块链的自动化肉牛全环节溯源方法 |
CN117893229B (zh) * | 2024-03-18 | 2024-05-14 | 吉林交通职业技术学院 | 基于区块链的自动化肉牛全环节溯源方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116366676A (zh) | 面向畜牧产品全过程的多链决策反馈共识方法 | |
Berentsen et al. | A dynamic model for cost-benefit analyses of foot-and-mouth disease control strategies | |
Groen | Cattle breeding goals and production circumstances | |
Fitzhugh | Animal size and efficiency, with special reference to the breeding female | |
Østergaard et al. | A stochastic model simulating milk fever in a dairy herd | |
Cartwright et al. | Systems analysis of sources of genetic and environmental variation in efficiency of beef production: Mating plans | |
Maselyne et al. | Online warning systems for individual fattening pigs based on their feeding pattern | |
Nicholson et al. | An optimization model of the dual-purpose cattle production system in the humid lowlands of Venezuela | |
Beaudeau et al. | Relationships between culling criteria in dairy herds and farmers' management styles | |
James et al. | Measuring the productivity of grazing and foraging livestock | |
CN111387138A (zh) | 一种个体管控畜禽养殖方法 | |
Pereira et al. | Estimating mortality in laying hens as the environmental temperature increases | |
Henderson et al. | Assessing the sustainable development and intensification potential of beef cattle production in Sumbawa, Indonesia, using a system dynamics approach | |
CN108445747A (zh) | 一种畜禽养殖环境参数模糊优化控制方法 | |
CN116417114A (zh) | 一种基于全生命周期的学生健康饮食管理系统 | |
Smith et al. | Expected relative responses to selection for alternative measures of life cycle economic efficiency of pork production | |
Malarvizhi et al. | Economic cost & profit assessment of poultry farming in Namakkal District | |
Bonesmo et al. | The effect of silage energy concentration and price on finishing decisions for young dairy bulls | |
CN110063298A (zh) | 一种基于大数据的种猪选育工艺 | |
Dawson et al. | How much do kangaroos of differing age and size eat relative to domestic stock?: implications for the arid rangelands | |
Novellie | Relationships between rainfall, population density and the size of the bontebok lamb crop in the Bontebok National Park | |
CN113469831A (zh) | 基于区块链技术的农时导航系统 | |
Romera et al. | Comparison of haymaking strategies for cow‐calf systems in the Salado Region of Argentina using a simulation model. 1. Effect of herbage mass at cutting and cow stocking rate under a rigid system of management | |
CN113469392B (zh) | 基于区块链的农产品预定系统 | |
Smith et al. | Variation at high latitudes: the geography of body size and cranial morphology of the muskox, Ovibos moschatus |
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 |