CN106172082A - 用于分析肉禽生长性能自动测量***扰动数据的方法 - Google Patents
用于分析肉禽生长性能自动测量***扰动数据的方法 Download PDFInfo
- Publication number
- CN106172082A CN106172082A CN201610546285.8A CN201610546285A CN106172082A CN 106172082 A CN106172082 A CN 106172082A CN 201610546285 A CN201610546285 A CN 201610546285A CN 106172082 A CN106172082 A CN 106172082A
- Authority
- CN
- China
- Prior art keywords
- poultry
- data
- food
- measurement system
- automatic measurement
- 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
- 244000144977 poultry Species 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005259 measurement Methods 0.000 title claims abstract description 35
- 235000013305 food Nutrition 0.000 claims abstract description 26
- 230000009466 transformation Effects 0.000 claims abstract description 6
- 230000037396 body weight Effects 0.000 claims description 32
- 241000272525 Anas platyrhynchos Species 0.000 claims description 21
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 241000287828 Gallus gallus Species 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 230000001488 breeding effect Effects 0.000 abstract description 14
- 238000009395 breeding Methods 0.000 abstract description 13
- 230000009897 systematic effect Effects 0.000 abstract description 4
- 239000007787 solid Substances 0.000 abstract description 2
- 241001465754 Metazoa Species 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 235000013372 meat Nutrition 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 235000021050 feed intake Nutrition 0.000 description 2
- 230000037406 food intake Effects 0.000 description 2
- 235000012631 food intake Nutrition 0.000 description 2
- 230000002431 foraging effect Effects 0.000 description 2
- 235000003642 hunger Nutrition 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 241000272834 Cairina moschata Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241001331845 Equus asinus x caballus Species 0.000 description 1
- 208000004930 Fatty Liver Diseases 0.000 description 1
- 206010019708 Hepatic steatosis Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000010706 fatty liver disease Diseases 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 231100000240 steatosis hepatitis Toxicity 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
- A01K45/00—Other aviculture appliances, e.g. devices for determining whether a bird is about to lay
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Birds (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Feeding And Watering For Cattle Raising And Animal Husbandry (AREA)
Abstract
本发明提供一种用于分析肉禽生长性能自动测量***扰动数据的方法。该方法是利用肉禽采食自动测量***对活体肉禽的日采食数据进行记录，并对数据进行校正，通过计算饲料的转化效率，以实现对肉禽生长性能的精确测定。本发明能够极显著的降低肉禽生长性能自动测量***测量的错误率，减少***误差，提高饲料转化效率计算精度。本发明为肉禽生长性能自动测量***提供了高效、准确的数据分析方法，为肉禽生长性能自动测量***的普及提供了可能，对提高肉禽育种测定效率价值重大，为加快肉禽育种工作提供了坚实的基础，具有重要产业应用价值。
Description
技术领域
本发明涉及动物养殖技术领域，具体地说，涉及一种分析肉禽生长性能自动测量***扰动数据的方法。
背景技术
规模化、标准化的性能测定是品种改良的基础，随着饲料成本的上升，活体重与饲料转化效率一直是肉用动物育种的关键育种目标，其重要性日益突出(Kushwaha,R.,Singh,A.K.,&Kumar,M.(2016).Residual feed intake-An emerging system forselection of efficient animals:A review.Agricultural Reviews,37(1),66-71.doi:10.18805/ar.v37i1.9267)。发明并大规模使用肉鸭全自动生长性能测量***将能极大地减少人力成本，同时降低了人工误差，大幅度增加测试量，提高选种压，完全符合现代化农业的高效自动化原则，是肉鸭育种产业发展的主流。
虽然自动化测量原理在育种中有着许多明显优势，但由于肉禽个体在整个测量过程中处于活动状态，导致了自动化测量的数据大部分为无效的扰动数据，大部分***测定肉禽活体体重与真实值差异较大。在分析测试过程中，一定的无效数据无规律的夹杂在真实测量值中，这直接影响最后真实体重与饲料转化效率的计算，而真实体重与饲料转化效率是肉禽育种最关键的育种指标，这些限制直接阻碍了肉禽育种工作的高效自动化工作开展，显著增加了劳动量，降低了育种进展。在实际使用过程中测量数据有亿条记录，如何从大量的***记录的扰动数据中筛选出真实的体重数据是一个难点。
发明内容
本发明的目的是提供一种分析肉禽生长性能自动测量***扰动数据的方法。利用该方法能从海量***测量数据中提炼出准确的活体体重，同时还能方便的对于采食数据进行校正处理。
本发明基于以下构思：根据计算数据的统计分布，剔除异常测量值，重新构建常态数据；然后基于常态数据，通过动态规划的过程确定最优计算范围，并计算个体在饲养期的有效饲料转化效率，从而最大限度地降低***误差的影响。
为了实现本发明目的，本发明提供一种用于分析肉禽生长性能自动测量***扰动数据的方法，利用肉禽采食自动测量***对活体肉禽的日采食数据进行记录，并对数据进行校正，通过计算饲料的转化效率，以实现对肉禽生长性能的精确测定。
本发明的肉禽采食自动测量***集成有测定模块、感应模块和供应模块，主要工作原理是肉禽饥饿时进入***，***感应肉禽身上的电子标签，自动记录个体体重、日期、编号以及饲料初始重；当在***中肉禽进食完毕，***又会自动记录饲料重和时间，从而得到进食的次数、时间、进食量等数据。测定模块可看成一个电子天平。
本发明所述采食数据包括肉禽个体体重、饲料重和采食时间等数据。
前述的方法，对数据进行校正包括去除饲料重和采食时间为零的记录。
前述的方法，对数据进行校正包括去除当天采食次数小于8的记录。
前述的方法，在评估个体当天记录时，反复进行异常值剔除，直至满足正态分布区间。
前述的方法，对数据进行校正包括通过计算肉禽个体体重的日平均值及标准差，去除3倍标准差的异常值。
前述的方法，将前四天记录中肉禽个体体重的最小值记录作为第一天采食，将后四天记录中肉禽个体体重的最大值记录作为最后一天采食。
前述的方法，从校正后的数据中，将从第一天采食开始计算得到的肉禽个体体重中位数作为初始测定体重，将肉禽个体体重的最大值作为结束测定体重；根据测定的初始日期、结束日期，计算饲料的转化效率。
本发明所述的肉禽包括肉鸭、肉鸡等。
本发明的用于分析肉禽生长性能自动测量***扰动数据的方法流程图见图1。
本发明的技术要点之一是剔除异常测量值：肉禽全自动生长性能测量***体重测量数据中的异常值主要是因为肉禽采食行为的不确定性和活体肉禽在肉禽全自动生长性能测量***自动测量的波动性所导致的，而这些异常值在后期的计算中会成为杠杆值影响计算进度。为了解决这一难题，本发明所采用的技术方案是通过统计评估的方式去除置信度过低的不良数据，同时对于当天采食次数过少的记录也予以去除，这样既保证了数据的准确性也排除了肉禽异常行为所带来的干扰。
本发明的技术要点之二是计算饲料转化效率最佳天数的统计：肉禽在测定数据时应保证处于正常生理状况，但是在肉禽测定的起始和结束时不可避免会引起动物处于应激状态，而处于应激状态的测量数据都会与真实值间存在大量偏差，这样会严重影响饲料转化效率的计算，因此实际操作中应去除应激过程中的干扰数据。本发明通过大数据的统计分布发现记录开始与记录结束阶段最优置信区间，从而分别采用前四天和后四天中最佳记录作为测量记录的开始与终结。
本发明提供了一种用于分析肉禽生长性能自动测量***扰动数据的方法，本发明根据计算数据的统计分布，剔除异常测量值，重新构建常态数据，并通过动态规划的过程确定最优计算范围，计算个体在饲养期的有效饲料转化效率。实验证明，本发明能够极显著的降低肉禽生长性能自动测量***测量的错误率，减少***误差，提高饲料转化效率计算精度。本发明为肉禽生长性能自动测量***提供了高效、准确的数据分析方法，为肉禽生长性能自动测量***的普及提供了可能，对提高肉禽育种测定效率价值重大，为加快肉禽育种工作提供了坚实的基础，具有重要产业应用价值。
附图说明
图1为本发明用于分析肉禽生长性能自动测量***扰动数据的方法流程图。
具体实施方式
以下实施例用于说明本发明，但不用来限制本发明的范围。若未特别指明，实施例中所用的技术手段为本领域技术人员所熟知的常规手段，所用原料均为市售商品。
实施例1用于分析肉禽生长性能自动测量***扰动数据的方法
本实施例利用肉鸭采食自动测量***对活体肉鸭的日采食数据进行记录，并对数据进行校正，通过计算饲料的转化效率，从而实现对肉鸭生长性能的精确测定。
本实施例中使用的肉鸭采食自动测量***(参见边蓓蕾,郝金平,杨方喜,胡胜强,侯卓成.北京鸭采食行为及其剩余采食量与部分经济性状的相关研究[J].中国家禽,2014,第16期；以及Drouilhet L.,Basso B.,Bernadet M.D.,Cornuez A.,Bodin L.,David I.,Gilbert H.&Marie-Etancelin C.(2014)Improving residual feed intake of muleprogeny of Muscovy ducks:genetic parameters and responses to selection withemphasis on carcass composition and fatty liver quality.J Anim Sci92,4287-96)集成有测定模块、感应模块和供应模块，主要工作原理是肉鸭饥饿时进入***，***感应肉鸭身上的电子标签，自动记录个体体重、日期、编号以及饲料初始重；当在***中肉鸭进食完毕，***又会自动记录饲料重和时间，从而得到进食的次数、时间、进食量等数据。测定模块可看成一个电子天平。
所述方法包括以下步骤：
1.通过肉鸭采食自动测量***记录个体肉鸭的体重、饲料重、采食时间等数据。
2.去除饲料重和采食时间为零的错误记录。
3.计算每天个体体重的平均值、标准差等统计量。
4.去除3倍标准差的异常值。
5.再次计算每天个体体重的平均值、标准差等统计量，再次评估。
6.将当天采食次数小于8的记录归为无效记录。
7.将前四天记录中拥有最小值的日期归为第一天采食记录，同时将后四天记录中拥有最大值的日期归为最后一天采食记录。
8.从评估合格数据中，测定初始计算每个个体体重中位数为最佳初始测定体重；测定结束后，计算每个个体最大值为测定结束体重；根据测定初始日期、结束日期，统计饲料消耗量。
9.计算饲料转化效率，实现对肉鸭生长性能的精确测定。
实施例2精确测定肉鸭生长性能方法的具体应用
使用北京金星鸭业有限公司南口肉鸭育种中心MG系、MA系2330只北京鸭的数据进行测试，总共有44234条体重数据，44234条采食数据，记录22天。测定起始与结束后，每只肉鸭用人工称重的方法对每只肉鸭进行体重称重，这个体重作为真实体重。分别计算常规的中位数、最大值、最小值、平均值、算法优化测量值与真实值之间的相对偏差，结果见表1。
表1各品系不同体重值的不同算法比较结果
结果显示，肉鸭生长性能自动测量***原始测量记录与真实值之间平均相对偏差达到11％(中位数)到20％(最小值)，而经过算法优化后的测量记录与真实值之间的平均相对偏差仅有5.7％，降低了44％的***误差。结果表明***优化算法能够有效降低记录的误差率，真实体重与***自动计算误差在5.7％以内，考虑到人工称重时间差异以及人工测量误差，本发明开发的自动测量***体重选取方法达到使用标准，可以在育种工作中使用。
虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (9)
1.用于分析肉禽生长性能自动测量***扰动数据的方法，其特征在于，利用肉禽采食自动测量***对活体肉禽的日采食数据进行记录，并对数据进行校正，通过计算饲料的转化效率，以实现对肉禽生长性能的精确测定。
2.根据权利要求1所述的方法，其特征在于，所述采食数据包括肉禽个体体重、饲料重和采食时间。
3.根据权利要求2所述的方法，其特征在于，对数据进行校正包括去除饲料重和采食时间为零的记录。
4.根据权利要求2所述的方法，其特征在于，对数据进行校正包括去除当天采食次数小于8的记录。
5.根据权利要求2所述的方法，其特征在于，对数据进行校正包括在评估个体当天记录时，反复进行异常值剔除，直至满足正态分布区间。
6.根据权利要求2所述的方法，其特征在于，对数据进行校正包括通过计算肉禽个体体重的日平均值及标准差，去除3倍标准差的异常值。
7.根据权利要求1-6任一项所述的方法，其特征在于，将前四天记录中肉禽个体体重的最小值记录作为第一天采食，将后四天记录中肉禽个体体重的最大值记录作为最后一天采食。
8.根据权利要求1-7任一项所述的方法，其特征在于，从校正后的数据中，将从第一天采食开始计算得到的肉禽个体体重中位数作为初始测定体重，将肉禽个体体重的最大值作为结束测定体重；根据测定的初始日期、结束日期，计算饲料的转化效率。
9.根据权利要求1-8任一项所述的方法，其特征在于，所述肉禽包括肉鸭、肉鸡。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610546285.8A CN106172082A (zh) | 2016-07-12 | 2016-07-12 | 用于分析肉禽生长性能自动测量***扰动数据的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610546285.8A CN106172082A (zh) | 2016-07-12 | 2016-07-12 | 用于分析肉禽生长性能自动测量***扰动数据的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106172082A true CN106172082A (zh) | 2016-12-07 |
Family
ID=57477594
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610546285.8A Pending CN106172082A (zh) | 2016-07-12 | 2016-07-12 | 用于分析肉禽生长性能自动测量***扰动数据的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106172082A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106725317A (zh) * | 2016-12-09 | 2017-05-31 | 武汉凯风华科智农科技有限公司 | 一种活体动物群体的生理数据采集方法 |
| WO2021046904A1 (zh) * | 2019-09-09 | 2021-03-18 | 苏州钮曼精密机电科技有限公司 | 一种称重装置及称重*** |
| CN115168342A (zh) * | 2022-06-21 | 2022-10-11 | 华中农业大学 | 一种种猪生长性能测定数据质控方法、***、设备及终端 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202635300U (zh) * | 2012-07-03 | 2013-01-02 | 深圳市润农科技有限公司 | 猪只智能化饲养管理*** |
-
2016
- 2016-07-12 CN CN201610546285.8A patent/CN106172082A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202635300U (zh) * | 2012-07-03 | 2013-01-02 | 深圳市润农科技有限公司 | 猪只智能化饲养管理*** |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106725317A (zh) * | 2016-12-09 | 2017-05-31 | 武汉凯风华科智农科技有限公司 | 一种活体动物群体的生理数据采集方法 |
| WO2021046904A1 (zh) * | 2019-09-09 | 2021-03-18 | 苏州钮曼精密机电科技有限公司 | 一种称重装置及称重*** |
| CN115168342A (zh) * | 2022-06-21 | 2022-10-11 | 华中农业大学 | 一种种猪生长性能测定数据质控方法、***、设备及终端 |
| NL2035126A (en) * | 2022-06-21 | 2024-01-05 | Univ Huazhong Agricultural | Method, system, apparatus and terminal for quality control of growth performance measurement data of breeding pigs |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Carlborg et al. | Simultaneous mapping of epistatic QTL in chickens reveals clusters of QTL pairs with similar genetic effects on growth | |
| Carlström et al. | Feasibility of using automatic milking system data from commercial herds for genetic analysis of milkability | |
| Mertens et al. | Statistical control charts as a support tool for the management of livestock production | |
| BRPI0815482B1 (pt) | Método de avaliação de grãos em uma espiga de milho usando imagens digitais | |
| CN104615912B (zh) | 一种改进的基于通路的全基因组关联分析算法 | |
| Dijkstra et al. | Evaluation of a mechanistic lactation model using cow, goat and sheep data | |
| Adriaens et al. | Milk losses and dynamics during perturbations in dairy cows differ with parity and lactation stage | |
| CN106172082A (zh) | 用于分析肉禽生长性能自动测量***扰动数据的方法 | |
| CN103632157A (zh) | 单株小麦穗部籽粒数计数方法 | |
| Jamuna et al. | Influence of non-genetic factors on performance traits in Murrah buffaloes | |
| Karacaören et al. | Genetic parameters for functional traits in dairy cattle from daily random regression models | |
| Bonhomme et al. | Eco-evo-devo implications and archaeobiological perspectives of trait covariance in fruits of wild and domesticated grapevines | |
| CN104616204A (zh) | 一种自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法 | |
| CN110367189B (zh) | 基于系谱关系及表型数据筛选高产奶牛核心群的育种方法 | |
| Bittante et al. | Heritability estimates of enteric methane emissions predicted from fatty acid profiles, and their relationships with milk composition, cheese-yield and body size and condition | |
| Albuquerque et al. | Genetic parameters of milk, fat, and protein yields in the first three lactations, using an animal model and restricted maximum likelihood | |
| Ullah et al. | Automatic diseases detection and classification in maize crop using convolution neural network | |
| Nazarenko et al. | Modern Ukrainian winter wheat varieties grain productivity and quality at ecological exam. | |
| Behzadi et al. | Estimation of genetic parameters for production traits of Iranian Holstein dairy cattle | |
| Saikhom et al. | Principal component analysis of morphological traits of Haringhata Black chickens in an organized farm | |
| Zavadilová et al. | Single-step genomic evaluation for linear type traits of Holstein cows in Czech Republic. | |
| Zaabza et al. | Genetic analysis of milk production traits of Tunisian Holsteins using random regression test-day model with Legendre polynomials | |
| González-Recio et al. | Improving the reliability of female fertility breeding values using type and milk yield traits that predict energy status in Australian Holstein cattle | |
| Dzomba et al. | Random regression test-day model for the analysis of dairy cattle production data in South Africa: Creating the framework | |
| KR20200041533A (ko) | 실시간 농축산물 육종가 및 유전모수 평가 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161207 |
|
| RJ01 | Rejection of invention patent application after publication |