首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 265 毫秒
1.
为研究饲养密度和玩具对育肥猪生产性能、行为和生理指标的影响及其交互作用,确定育肥阶段适宜饲养密度范围。该研究基于中国相关标准和生产实际,采用3×2双因素设计(3个饲养密度水平×有/无玩具),分别设置0.75、1.05和1.35 m2/头密度水平,在各饲养密度水平下设置玩具组和空白组。结果表明,1.35 m2/头饲养密度下,猪的日均质量增长量显著高于其他密度水平,料重比显著低于0.75 m2/头组(P<0.05);随着密度升高,猪只在群体稳定期的躺卧和饮水时长减少,采食和其他行为时长增加(P<0.05),猪只体表温度、血清皮质醇和炎性细胞因子浓度均明显升高(P<0.05)。设置玩具能够增加猪只在圈栏内行为多样性,有效减少饮水消耗和异常行为(P<0.01),显著降低血清IgG和炎性细胞因子浓度(P<0.05),有利于增加采食量和质量增长。饲养密度和玩具在影响育肥猪耗水量、躺卧和采食行为上具有显著的交互作用(P<0.05)。基于试验结果和国内外研究分析,认为在提供福利设施条件下,1.05~1.35 m2/头的密度范围在发挥育肥猪生产性能、提升福利水平和质量效益方面效果更优。  相似文献   

2.
利用地下水对猪舍地板局部降温效果研究   总被引:12,自引:8,他引:12       下载免费PDF全文
躺卧区温度高低对猪只的躺卧行为有直接影响.利用地下水,为农村简易开放式猪舍的躺卧区地板设计了一套局部降温系统.试验结果表明,躺卧区无降温系统时,其地板温度与舍外气温接近;采用该降温系统后,在室外气温为27~34℃时,躺卧区地板温度基本维持在22~26℃之间,基本满足了猪只躺卧的要求.躺卧区地板温度低于26℃时,85%以上的猪选择躺卧区躺卧;温度为30~32℃时,只有10%~20%的猪仍选择躺卧区躺卧;超过33℃后,所有的猪都不在躺卧区休息.  相似文献   

3.
哺乳母猪自动饲喂机电控制系统的优化设计及试验   总被引:2,自引:4,他引:2  
随着中国规模化、集约化种猪场数字化智能饲喂需求的快速增加,为解决哺乳母猪少吃多餐且随哺乳日龄变化采食量动态增加的饲喂控制需求,该研究以哺乳母猪为试验对象,将机电系统、无线网络技术、Android技术、SQL Lite网络数据库、电子数据交换与哺乳母猪的营养供给模型集成起来,设计了一种哺乳母猪自动饲喂控制智能系统。研究结果表明,组成一个哺乳母猪智能系统的主要部件包括供料线、缓冲料仓、料位控制筒、料位调控杆、下料控制线管、螺旋输送机、中央控制箱、下料触发器、料槽及下料管道等,而且通过在系统的微处理器内存预设的采食量模型与雨刷电机精确旋转的电子控制技术相结合,实现了对预设饲喂量的准确投料;还通过储料仓的料位控制机构及设置的人工观察孔,可控制缓冲料仓的合理贮料量,尤其对泌乳早期(0~10 d)母猪的存贮料量最佳为大约10 d单头母猪的理论采食量,以保持日粮的新鲜度及减少结拱;预设的采食量的动态投料控制量基本符合哺乳母猪实际采食变化规律,且实际采食量的变化轨迹收敛于对数曲线。基于智能自动饲喂系统中采食量模型计算出不同泌乳日期的预测采食量,按4次/d的饲喂频率及变化的投料比例(30%,25%,25%及20%)进行定时与定量投喂,与人工饲喂对比,能显著促进哺乳仔猪采食量的增加(P0.05),以及极显著提高哺乳仔猪的平均体质量日增加量(P0.01)。此外,考虑安装、清理料槽及母猪采食的方便性,建议母猪饲喂器的触发器安装高度大约为10 cm。总之,该文设计的哺乳母猪电子自动饲喂系统无需传感器及电子标识技术的应用,适合在中国中、小型的种猪繁育场的哺乳舍推广应用,且系统设备及相应的软件系统的部署方便。进一步指出,母猪自动饲喂器除需要验证哺乳母猪的采食特性及哺乳的仔猪的断奶性能外,在未来还需要观察母猪的返情率甚至断奶商品猪的成活率等指标,从整个母猪的利用年限评价智能饲喂设备的优劣。  相似文献   

4.
奶牛饲喂自动机电控制系统的设计与试验   总被引:3,自引:1,他引:2  
为开展奶牛精准饲喂及采食行为学研究,设计了一种集自动识别、饲喂、数据自动采集、数据分析与处理于一体的奶牛饲喂自动机电控制系统。该系统包括机械装置、电子识别系统、料槽称质量系统、中央控制系统、现场数据存贮及远程数据提取与分析系统等几部分。其中,机械装置包括料斗、支撑座、栏杆和阻挡单元等;电子识别系统包括阅读天线及料门启闭的气动装置;料槽称质量系统除支撑座外,还有嵌入的质量传感器及线路;中央控制系统包括微处理器、看门狗复位电路、读卡器电路、称质量数据采集电路、数据通信电路、数据收发器电路及外围驱动与稳压电路等。现场数据存贮电路接受来自各个饲喂系统的中央控制系统发送的采食行为数据,其主板结构与中央控制系统基本一致,预设可存贮记录数为14 000条,且采用堆栈数据存贮模式。远程PC端数据提取与分析系统实时管理采食行为数据,并提供多功能的数据挖掘分析。系统测试结果表明,对牛只低频RFID(134 kHz)电子耳标的识读率为100%,料及槽的计量范围为0.01~200 kg,最低称量精度10 g,实际称量相对误差≤0.15%,同时满足奶牛对最大采食量及精准饲喂对计量的需求。系统的采食行为试验表明,奶牛的日均采食次数、采食时间及采食量等采食行为均差异显著(P0.05),符合奶牛的采食行为特点。具体地,奶牛日均采食次数10~13次,日均采食时间5.38 h,而奶牛个体实际采食量与NRC(National Research Council)模型预测的采食量有-4.76%~7.83%的偏差,可能是由各种内外部因素及NRC模型的普适度造成的,有待进一步研究。总之,该系统能较好地实现奶牛个体的精细化饲喂,为研究奶牛的采食行为特点提供了在线、智能化的自动数据采集与分析平台。  相似文献   

5.
智能饲喂器对哺乳母猪采食量体况和生产性能的影响   总被引:3,自引:2,他引:1  
为探究不同饲喂方式对哺乳母猪采食量、体况和生产性能的影响,满足哺乳母猪获得最大采食量并达到精准饲喂控制等需求,该文以哺乳母猪为试验对象,比较不同饲喂方式对哺乳母猪采食量、体况和生产性能的影响。试验共选用40只1胎母猪,随机分为3组:试验1组采用智能饲喂器饲喂(6次/d)、试验2组采用人工饲喂(6次/d)、对照组采用人工饲喂(3次/d)。结果表明,在试验环境条件下,哺乳8~21 d、人工饲喂3次/d的采食量(6.46 kg)显著高于智能饲喂6次/d(5.22 kg)(P0.05),2种饲喂方式在母猪的体质量变化、背膘变化、总产仔数、断奶后发情天数、仔猪日增体质量和用水量方面均无显著性差异(P0.05);哺乳母猪在采食过多时可能引起厌食进而降低后期的采食量,应按照饲喂参数逐步增加饲喂量饲喂;在现有设备投资和工资水平下,智能饲喂器正常使用4.5 a可取代1名优秀饲养员。研究结果可为今后智能化饲喂替代有经验人工饲喂、根据饲养条件选择饲喂方式提供参考。  相似文献   

6.
基于机器视觉的育肥猪分群系统设计与试验   总被引:3,自引:1,他引:2  
为控制育肥猪出栏时的体质量差异,该研究开发了一套基于机器视觉技术的育肥猪分群系统,该系统通过机器视觉技术和卷积神经网络模型代替传统地磅对猪只体质量进行估测,可有效避免粪污对设备精度的影响及腐蚀;以前一天全部猪只体质量数据从小到大排列的第30%个数据作为当日的分群基准质量,将大于等于基准质量的视为长势较快的猪只,小于基准质量的视为长势较慢的猪只,每次采食按照猪只长势快慢分为2群进行饲喂;该系统依托于LabVIEW软件开发平台和物联网系统构建,平均每头猪只通过系统时间为6.2 s。为验证该系统的实际应用效果开展了为期30 d的现场试验,将饲喂于装有分群系统猪栏中的120头长白育肥猪作为试验组,由分群系统按猪只长势快慢分群饲喂;将饲喂于传统猪栏中的120头长白育肥猪作为对照组,按照传统人工调栏的方式进行饲喂。试验开始时试验组和对照组猪只平均体质量分别为32.21、31.76 kg,标准差分为别2.61和2.49 kg;结束时试验组和对照组猪只平均体质量分别为57.68、57.41 kg,标准差分为别5.26和5.51 kg,总料肉比分别为2.31和2.34,期间试验组猪只体质量的标准差小于对照组,但是2组猪只平均体质量、标准差、总料肉比均不存在显著差异,表明采用该系统对猪只进行分群饲喂控制猪只体质量差异效果等同于人工调栏,同时可以节省人力成本,缓解农业劳动力短缺的压力。该研究也可为母猪饲喂站、种猪测定站等智能化养猪设备的研发提供参考。  相似文献   

7.
种猪生产性能测定系统开发与性能测试   总被引:1,自引:1,他引:0  
为开展种猪生产性能的智能化、自动化测定及开展种猪采食行为学研究,该研究设计了一种集自动识别、体质量感知、采食行为数据自动采集、数据分析与处理于一体的种猪生产性能智能测定系统。该系统主要由猪只耳标识别模块、精准下料控制模块、料槽及猪只个体称质量模块、现场数据通讯模块及远程中央控制模块组成。系统机械部分主要包括饲喂站的竖直侧墙、称质量平台、活动挡板、下料机构、料仓、控制盒、出料口开关及耳标识读器等组成。电路控制系统包括微处理器(LPC1766,内核为ARM Cortex-M3内核的微控制器)、RS232读卡器接口、数据存储芯片(预设存储256 KB数据)、看门狗电路、称质量电路、外围驱动电路、JTAG接口电路及稳压电源电路。系统性能测试结果表明:1)测量精度如下:饲喂下料没有范围限制,取决于喂料仓的储料状态,单次下料量及动态误差为93±2g;猪只体质量秤量程为0~200 kg,计量精度为10 g,称量动态误差占猪只体质量的0.5%以下,符合测定需求;2)对40头种公猪后裔的生长肥育猪饲喂测试结果表明,在25~60 kg体质量范围内,自由采食日均次数10~12次,日均采食时间78min,测试期间料肉比(FCR)为2.33:1,且生长规律符合Gompertz曲线,通过该模型预测的日增质量下降的拐点发生111~117d之间,对应的拐点体质量在63~64 kg范围内。上述实际观察及预测结果较好地反映了测定对象的生产性能,开发的软件及硬件系统达到了种猪生产性能测定的要求;3)系统下料控制部分,首次采用雨刷电机取代早期采用的步进电机,不仅成本下降,尤其结合圆柱式刮板下料机构,降低了单次下料量,改善了下料的精度;4)系统核心芯片采用进口器件,电路设计采用多重冗余和保护电路,软件的编写采用了多重功能验证,并通过长期可靠性测试;软件和硬件的冗余设计,提高了控制系统的可靠性,消除来自电源、电机、电磁波干扰,该测定系统具有极高的可靠性;测定的数据通过计算机系统可长期保存或升迁,便于数据量的积累和开展种猪选育的大数据挖掘分析。  相似文献   

8.
为解决现有小群妊娠母猪饲喂系统存在猪只攀爬等导致采食通道门异常关闭从而使母猪不能采食的问题,该研究设计了一种自锁式小群妊娠母猪智能饲喂系统。系统由自锁式全机械结构的采食通道与精准下料装置组成。采食通道前门、后门、前门连接件、中间连杆与框架共同构成空间RRRSR(R为转动副,S为球面副)五杆单闭链机构,利用空间连杆机构自锁特性与定轴转动实现采食通道前后门的自锁与互锁。运动学仿真结果表明,前门最大开合角度为92°,后门最大开合角度为63.32°,前、后门完全开启时,母猪可在采食通道内通行。精准下料装置的控制基于FreeRTOS实现,将饲喂过程分为下料、下水、身份识别、数据显示与存储等。样机试验结果表明,系统的采食通道能够稳定自锁,可防止猪只攀爬导致采食通道门异常关闭;精准下料装置可精确识别母猪并精准下料,距离射频识别模块识别板20 cm左右即可识别到耳标,耳标识别后在1 s内开始自动下料下水,单圈下料最大误差不超过2.02%,单次下水最大误差不超过1.80%,研究结果可为研制具有自锁功能的小群妊娠母猪精准饲喂系统提供技术参考。  相似文献   

9.
马岗鹅的行为与其生长状况和福利状况密切相关,马岗鹅关键行为监测对评估其生长性能具有重要的现实意义。为了实现对群养栏马岗鹅关键行为高效率精准监测,该研究探索一种基于YoloX的群养马岗鹅关键行为监测算法(Magang geese behavior monitoring of based on Double Head-YoloX,MGBM-DH-YoloX),该算法通过减少YoloX的头部数量提升检测效率、使用损失函数减少前景背景干扰、使用迁移训练方式提高网络训练效率等技术对马岗鹅采食、饮水、休息和应激等关键行为及其规律进行分析。MGBM-DH-YoloX首先用Mosaic和Mixup对马岗鹅图像进行数据增强,然后使用增强后的数据集训练模型,并且利用模型检测马岗鹅的关键行为,最后累计得出马岗鹅关键行为的发生时长和行为节律;试验训练集为1 400幅、验证集200幅和测试集为400幅,连续活动视频10 d。结果表明,MGBM-DH-YoloX算法的平均精度为98.98%、检测速度达到81帧/s、内存消耗为2 520.04 MB。对马岗鹅的10 d养殖数据分析发现,MGBM-DH-YoloX能有...  相似文献   

10.
哺乳母猪精准饲喂下料控制系统的设计与试验   总被引:7,自引:3,他引:4  
为满足哺乳母猪获得最大采食量并达到精准饲喂控制等需求,以哺乳母猪为试验对象,设计了一种新型哺乳母猪精准下料控制系统。研究通过控制电动杆的推杆速率、输入电压及电源功率的协同工作,以获得稳定的下料量;采用预设的个性化的采食量模型与变容积的精确控制技术,实现对预设饲喂量的准确投喂。系统设计了下料控制系统,主要由定量仓体、电动推杆、堵料上球及堵料下球等部件及嵌入式控制系统组成。试验结果表明,1)当电源功率为150 W时,推杆启动时电压变化略小,对单机下料的精准性影响较小,且当电动推杆速率为60 mm/s,输入电压为11.5 V,下料效果最好(P0.001),变异系数(CV=3.526%)最小;2)预设的采食量曲线接近哺乳母猪的采食规律,且采食量曲线收敛于对数曲线;3)智能饲喂系统采用4次/d的饲喂频率及与采食曲线的协同工作,与人工饲喂对比,能进一步促进采食量,且采用变化的饲喂时间间隔(06:00,10:00,15:00及22:00),并在不同时间点的饲喂采食量比例分别为30%、20%、20%、30%时,总的采食量最大。综上,该文设计低成本的哺乳母猪精准下料控制系统,采用基于电动推杆的控制机构与嵌入式系统的协同工作,设备控制简单,下料稳定,计量准确,与进口设备及以螺旋输送原理为基础的过往系统比较,成本具有明显优势,适合在中国大、中、小型的种猪场的哺乳车间推广应用。  相似文献   

11.
改进Faster R-CNN的群养猪只圈内位置识别与应用   总被引:4,自引:3,他引:1  
群养圈栏内猪只的位置分布是反映其健康福利的重要指标。为解决传统人工观察方式存在的人力耗费大、观察时间长和主观性强等问题,实现群养猪只圈内位置的高效准确获取,该研究以三原色(Red Green Blue,RGB)图像为数据源,提出了改进的快速区域卷积神经网络(Faster Region Convolutional Neural Networks,Faster R-CNN)的群养猪只圈内位置识别算法,将时间序列引入候选框区域算法,设计Faster R-CNN和轻量化CNN网络的混合体,将残差网络(Residual Network,ResNet)作为特征提取卷积层,引入PNPoly算法判断猪只在圈内的所处区域。对育成和育肥2个饲养阶段的3个猪圈进行24 h连续98 d的视频录像,从中随机提取图像25 000张作为训练集、验证集和测试集,经测试该算法识别准确率可达96.7%,识别速度为每帧0.064 s。通过该算法获得了不同猪圈和日龄的猪群位置分布热力图、分布比例和昼夜节律,猪圈饲养面积的增加可使猪群在实体地面的分布比例显著提高(P<0.05)。该方法可为猪只群体行为实时监测提供技术参考。  相似文献   

12.
群养猪行为是评估猪群对环境适应性的重要指标。猪场环境中,猪只行为识别易受不同光线和猪只粘连等因素影响,为提高群养猪只行为识别精度与效率,该研究提出一种基于改进帧间差分-深度学习的群养猪只饮食、躺卧、站立和打斗等典型行为识别方法。该研究以18只50~115日龄长白猪为研究对象,采集视频帧1 117张,经图像增强共得到4 468张图像作为数据集。首先,选取Faster R-CNN、SSD、Retinanet、Detection Transformer和YOLOv5五种典型深度学习模型进行姿态检测研究,通过对比分析,确定了最优姿态检测模型;然后,对传统帧间差分法进行了改进,改进后帧间差分法能有效提取猪只完整的活动像素特征,使检测结果接近实际运动猪只目标;最后,引入打斗活动比例(Proportion of Fighting Activities, PFA)和打斗行为比例(Proportion of Fighting Behavior, PFB)2个指标优化猪只打斗行为识别模型,并对模型进行评价,确定最优行为模型。经测试,YOLOv5对群养猪只典型姿态检测平均精度均值达93.80%,模型大小为1...  相似文献   

13.
猪舍内粪污废弃物和有害气体减量化工程技术研究   总被引:11,自引:4,他引:7  
源头减量和过程控制是猪场废弃物综合治理的关键环节,而猪舍是废弃物产生的源头场所,该文针对猪舍内部污水和有害气体等养殖废弃物,从饮水系统、圈栏设计和清粪方式等3个方面,介绍分析了当前国内外在舍内废弃物减量化工程技术领域的研究进展。其中减少猪只饮水浪费水量是舍内污水减量的首要环节,通过优化饮水器选型、调整饮水器安装方式、选择适当水流速度等可以降低饮水浪费水量;合理的圈栏布置和地面类型可以促进猪只定点排泄,从而降低圈栏污染程度以及舍内有害气体浓度,配合适当的圈舍冲洗方式可以减少大量圈舍冲洗用水;不同的清粪方式会影响舍内空气环境、污水产生量及污染物浓度,与干清粪相比,水冲粪和水泡粪都存在耗水量大、污水产生量大及其污染物浓度高、舍内有害气体含量高等问题,从清洁生产的角度考虑,干清粪工艺是规模化猪场的必然选择。该文旨在为减少猪场废弃物总量、降低处理利用成本和实现清洁健康养殖提供工程技术支撑,促进中国生猪养殖业绿色转型升级。  相似文献   

14.
基于改进实例分割算法的智能猪只盘点系统设计   总被引:1,自引:1,他引:0  
基于图像处理的动物资产计数方法,不仅可以减少人工投入,还可以缩短生物资产的计数周期,但该方法受光照条件影响严重,并且当动物间相互挤压、遮挡时,计数精度较差。针对这些问题,该研究提出了一种基于图像实例分割算法的生猪计数网络。针对光照和目标边缘模糊问题,利用拉普拉斯算子进行图像预处理。对Mask R-CNN网络的特征提取网络进行改进,在原始特征金字塔网络(Feature pyramid network, FPN)后面增加一条自底向上的增强路径,直接将低层边缘位置特征与高层特征相融合,提高对目标边缘轮廓的识别能力,对非极大值抑制过程和损失函数进行优化和改进,以提高分割精度。在河北丰宁、吉林金源和内蒙古正大3个试验猪场进行测试,验证本文网络的计数精度。采集设备在3个试验猪场共采集2 400张图像,经图像预处理去除模糊和光线差的图像,从剩余的图像中随机选取共1 250张图像作为原始数据集,其中丰宁猪场500张、金源猪场500张,正大猪场250张。将各猪场的原始数据集分别按2:2:1的比例分为3部分,包括训练集905张,验证集95张,测试集250张,对原始训练集和验证集进行数据增强,最终得到训练集图像1 500张,验证集图像150张,测试集图想250张。河北和吉林的试验猪场,每栏猪只数目为12~22头,各测试100张图像,完全准确清点的图像比例分别为98%和99%,满足实际应用要求。内蒙古试验猪场的单栏猪只密度大,每栏猪只数目平均80头,测试50张图像,完全准确清点的图像比例为86%。本文所提出的猪只盘点系统,通过修改网络增强图像中目标特征信息提取和优化边界框回归过程,减少由于光线差和遮挡导致的目标漏检情况,解决了基于图像分割算法的猪只盘点中光照、模糊以及遮挡等问题,能够满足单栏饲养密度为1.03~1.32头/m2的养殖场的猪只盘点需求。  相似文献   

15.
为明确人工光环境下后备母猪的适宜光照强度,该研究搭建了一套猪舍光环境偏好性选择系统,以LED白光(400~700 nm)为人工光源,设置4种光照强度(40、100、350、1200 lx),每7 d为一个周期对单元猪舍对应的光照方案进行调整,光照时长16 h,以24头二元杂交后备母猪为试验对象,进行了为期28 d的试验,探究后备母猪对人工光环境光照强度的偏好性选择规律。结果表明,在猪只数量的时空分布方面,相较于40、350、1200 lx,后备母猪在开灯期间表现出对100 lx光照强度的显著性偏好(P<0.05),占整体数量29.33% ± 1.14%;猪群对其余3种光照强度的偏好呈现明显的节律性,表现为开灯后和关灯前3 h对40 lx光照强度的偏好显著高于350、1200 lx(P<0.05);在猪只活跃度方面,开灯后的前6 h,较强光照组(350 lx: 37.97% ± 3.47%和1200 lx:35.42% ± 4.04%)的猪只活跃度显著高于较弱光照组(40 lx: 27.90% ± 8.44%和100 lx: 23.94% ± 3.79%);在猪只采食方面,较强光照(350、1200 lx)组后备母猪的饲料消耗量和采食时长均高于较弱光照组(40、100 lx)。由此,建议后备母猪舍的照明制度中设置一定的光照过渡阶段,以100 lx光照强度为主,开灯后和关灯前3 h使用40 lx较弱光环境避免刺激,此外,可在09:00—11:00增加2 h较强光照(350 lx)增加猪只活动量。该研究结果可为后备母猪舍光环境精准调控提供理论参考依据。  相似文献   

16.
基于姿态与时序特征的猪只行为识别方法   总被引:3,自引:1,他引:2       下载免费PDF全文
生猪行为监测是生猪养殖管理过程中的一个重要环节。该研究提出了基于姿态与时序特征的猪只行为识别方法。首先采集和标注猪栏内猪只图像,分别构建了猪只目标检测数据集、猪只关键点数据集和猪只行为识别数据集;利用构建的数据集,分别训练了基于YOLOv5s的猪只检测模型、基于轻量化OpenPose算法的猪只姿态估计模型和基于ST-GCN算法的猪只行为识别模型,并搭建了猪只行为识别系统。经测试,文中训练的YOLOv5s猪只检测模型mAP(mean Average Precision)最高达到0.995,姿态估计模型平均精度和平均召回率达到93%以上,基于ST-GCN的猪只行为识别模型的平均准确率为86.67%。文中构建的猪只行为识别系统中基于LibTorch推理猪只检测模型和猪只姿态估计模型的单帧推理耗时分别约为14和65 ms,单只猪行为识别推理耗时约为8 ms,每提取200帧连续姿态进行一次行为识别推理,平均17 s更新一次行为识别结果。证明提出的基于姿态与时序特征的猪只行为识别方法具有一定可行性,为群养猪场景下的猪只行为识别提供了思路。  相似文献   

17.
猪床单元宽度及群体位次对妊娠母猪行为的影响   总被引:1,自引:1,他引:0  
猪能自由表达行为被认为是福利养殖的一个重要方面。为探讨自由进出猪床的单元宽度及群体位次对妊娠母猪行为的影响,试验选用18头已配种4周左右的母猪,随机分到3圈栏,每圈栏6头。圈栏内设有6个可自由进出的猪床单元,其长度均为1 500 mm,宽度分别设600、700、800 mm 3种规格各2单元。每圈栏内相同宽度猪床单元相邻排列,不同圈栏内不同宽度猪床单元交叉排列。基于每圈栏猪混群48 h内的争胜行为结果计算出每头猪的位次指数,猪群中群体位次排名1~2的猪被定义为高位次猪,排名3~4的猪为中位次的猪,排名5~6的猪为低位次的猪。结果表明:母猪在600 mm宽的猪床单元内的躺卧时间明显少于在800 mm单元内的(P0.05)。中位次的母猪在猪床单元内的躺卧持续时间显著低于低位次的(P0.05)。高位次与中位次的猪在700 mm单元内侧卧持续时间无显著性差异(P0.05),但二者侧卧持续时间显著少于低位次的猪(P0.05)。母猪采食时所发生的攻击频次在600 mm宽度猪床单元内显著低于其他两者(P0.05)。母猪在600、700和800 mm宽度猪床单元内采食时所发生的取代频次随着猪床单元宽度的增加而增加,并且两两之间均有极显著性差异(P0.01)。高位次和中位次猪在单元内采食所发生的攻击和取代频次均显著高于低位次猪(P0.05),而被攻击和被取代次数均显著低于低位次猪的(P0.05)。3个圈栏中高位次的母猪占据最先投食的猪床单元百分比分别为62.5%、50%和100%。可见,800 mm宽度的猪床有利于猪的躺卧,而不利于猪的采食。高位次的猪占据采食和躺卧的有利资源。  相似文献   

18.
日光温室主动蓄放热系统应用效果研究   总被引:11,自引:0,他引:11  
针对日光温室冬季夜晚温度低、作物易发生冷害等问题,设计了以水为蓄热介质的主动蓄放热系统.系统由集/放热装置、储热装置和控制装置等组成.白天进行太阳辐射热的吸收与储存,夜晚释放热量用于温室增温.试验结果表明,晴天条件下,主动蓄放热系统的集热功率为0.3kW/m2,蓄热量为6.9MJ/m2;夜间放热功率为0.2kW/m2,放热量为5.7MJ/m2,热利用效率为0.83,试验温室与对照温室的平均气温相差6.3℃;阴天及多云天气条件下,试验温室与对照温室的夜间平均气温相差4.6℃,表明主动蓄放热系统能有效改善日光温室夜间低温状况,进而保障蔬菜安全越冬生产.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号