本發(fā)明涉及了一種雞群體重分布測重方法，涉及家禽養(yǎng)殖生產(chǎn)領(lǐng)域，具體涉及一種基于家禽分級稱重的雞群體重分布測重方法。

背景技術(shù)：

1、家禽的體重分布是反映家禽飼養(yǎng)情況的關(guān)鍵指標，均重、標準差、均勻度等體重分布測量值與預期值之間的偏差通常預示著家禽存在營養(yǎng)不良或疾病感染等問題。在家禽產(chǎn)業(yè)中，大型家禽加工企業(yè)對成品家禽的體重要求一般較為嚴格，因此待售家禽的體重分布會直接影響到家禽養(yǎng)殖企業(yè)的銷售利潤。

2、為了獲得家禽的體重分布，除了手動稱重方法和體重預測模型的應用最為廣泛，自動化稱重系統(tǒng)也已經(jīng)在部分現(xiàn)代化禽舍投入使用。但是在活禽稱重方面，由于家禽總數(shù)過大，采用人工采樣稱重的方式成本較高。而大多依賴于圖像分析的自動稱重系統(tǒng)也面臨精度較低、設(shè)備價格較高的問題。

技術(shù)實現(xiàn)思路

1、為了解決背景技術(shù)中存在的問題，本發(fā)明所提供一種基于家禽分級稱重的雞群體重分布測重方法。

2、本發(fā)明采用的技術(shù)方案是：

3、本發(fā)明的基于家禽分級稱重的雞群體重分布測重方法，包括：

4、步驟s1：將養(yǎng)雞場的雞群中的各個肉雞進行分籠稱重，并進行質(zhì)量分級后劃分為若干質(zhì)量級。

5、步驟s2：將各個質(zhì)量級中的各籠肉雞的體重輸入至手持分布測重設(shè)備中進行處理，根據(jù)各個質(zhì)量級中的各籠肉雞的體重獲得分級前的各籠肉雞的體重分布以及分級后的重量分界線前后的體重差值，然后進行分布線性疊加后建立雞群體重分布測重模型。

6、步驟s3：將各籠肉雞的體重構(gòu)建為重量數(shù)據(jù)集，將重量數(shù)據(jù)集進行采樣迭代處理后獲得重量數(shù)據(jù)集的后驗概率，進而根據(jù)后驗概率獲得估計分布參數(shù)。

7、步驟s4：將估計分布參數(shù)輸入雞群體重分布測重模型中進行處理，雞群體重分布測重模型處理后輸出分級后的肉雞體重分布并在手持分布測重設(shè)備上進行預處理后進行顯示，最終實現(xiàn)雞群體重的分布測重。

8、所述的步驟s1中，將養(yǎng)雞場的雞群中的各個肉雞按照數(shù)量進行均勻劃分后放入n個雞籠中，然后對每個雞籠中的肉雞進行稱重，根據(jù)各個雞籠中的肉雞的重量，按照活體質(zhì)量分級從高到低將各籠肉雞劃分為兩級或三級質(zhì)量級，從而完成質(zhì)量分級。將兩級質(zhì)量級的劃分即兩級方案，兩級方案指養(yǎng)雞場將雞群初步分為ⅰ&ⅱ級和ⅲ級共兩級，將三級質(zhì)量級的劃分即三級方案，三級方案指養(yǎng)雞場將雞群初步分為ⅰ、ⅱ級和ⅲ級共三級；兩級方案中的第一級包括三級方案中的ⅰ&ⅱ級。

9、所述的步驟s2中，當各籠肉雞劃分為兩級質(zhì)量級時如下：

10、首先根據(jù)各個質(zhì)量級中的各籠肉雞的體重使用高斯分布獲得分級前的各籠肉雞的體重分布以及分級后的兩級質(zhì)量級的重量分界線前后的體重分布，根據(jù)分級后的兩級質(zhì)量級的重量分界線前后的體重分布獲得分級后的重量分界線前后的體重差值；然后將分級前的各籠肉雞的體重分布和分級后的重量分界線前后的體重差值進行分布線性疊加后建立兩級質(zhì)量級下的雞群體重分布測重模型。

11、所述的兩級質(zhì)量級下的雞群體重分布測重模型如下：

12、 f1( m, a, σ)=(2 a-1) n( m│ μ, σ2)+(1- a) n( m│0.6 μ, σ2)

13、其中， f1( ?)為兩級質(zhì)量級下的分級后的肉雞體重分布； m為每籠肉雞的體重； a和 σ分別為兩級質(zhì)量級下的第一和第二估計分布參數(shù)； n( ?)為高斯分布； μ為高斯分布均值參數(shù)。

14、所述的步驟s2中，當各籠肉雞劃分為三級質(zhì)量級時如下：

15、首先根據(jù)各個質(zhì)量級中的各籠肉雞的體重使用貝塔分布獲得分級前的各籠肉雞的體重分布以及分級后的三級質(zhì)量級的兩個重量分界線前后的體重分布，根據(jù)分級后的三級質(zhì)量級的兩個重量分界線前后的體重分布獲得分級后的兩個重量分界線前后的體重差值；然后將分級后的兩個重量分界線前后的體重差值與以三級質(zhì)量級的兩個重量分界線為均值的高斯分布相乘，再與分級前的各籠肉雞的體重分布進行分布線性疊加后建立三級質(zhì)量級下的雞群體重分布測重模型。

16、所述的三級質(zhì)量級下的雞群體重分布測重模型如下：

17、 y3~ f2( m′, α,a,σ)= beta( μ1≤ m′≤ μ2│ α)- a1[ beta( m′│ α)- beta(2 μ1- m′│ α)] n( m′≤ μ2│ μ1, σ12)- a2[ beta( m′│ α)- beta(2 μ2- m′│ α)] n( μ1≤ m′│ μ2, σ22)

18、 α=( α1, α2)， a=( a1, a2)， σ=( σ1, σ2)

19、其中， y3為三級質(zhì)量級分級后的各籠肉雞的體重分布； f2( ?)為三級質(zhì)量級下的分級后的肉雞體重分布； m′為每籠肉雞的體重 m的縮放體重， m′= m/1.6； α、 a和 σ分別為三級質(zhì)量級下的第一、第二和第三估計分布參數(shù)向量； beta( ?)為貝塔分布； μ1和 μ2分別為三級質(zhì)量級下的第兩級和第三級之間以及第一級和第兩級之間的重量分界線； α1、 α2、 a1、 a2、 σ1和 σ2分別為三級質(zhì)量級下的第一、第二、第三、第四、第五和第六估計分布參數(shù)； n( ?)為高斯分布。

20、所述的步驟s3中，當各籠肉雞劃分為兩級質(zhì)量級時，首先將各籠肉雞的體重構(gòu)建為重量數(shù)據(jù)集，然后采用吉布斯采樣后獲得兩級質(zhì)量級下的估計分布參數(shù)的后驗概率。

21、所述的步驟s3中，將兩級質(zhì)量級下的估計分布參數(shù)的后驗概率采用馬爾科夫蒙特卡洛進行迭代后獲得兩級質(zhì)量級下的估計分布參數(shù)。

22、所述的步驟s3中，當各籠肉雞劃分為三級質(zhì)量級時，首先將各籠肉雞的體重構(gòu)建為重量數(shù)據(jù)集，然后采用貝葉斯定理后獲得三級質(zhì)量級下的估計分布參數(shù)的后驗概率；將三級質(zhì)量級下的估計分布參數(shù)的后驗概率采用梅特羅波利斯-黑斯廷斯算法進行迭代后獲得三級質(zhì)量級下的估計分布參數(shù)。

23、所述的步驟s4中，將分級后的肉雞體重分布進行預處理后獲得均重、標準差和均勻度等?？筛鶕?jù)分級后的肉雞體重分布的均重、標準差和均勻度等，以進一步指導家禽生產(chǎn)養(yǎng)殖，調(diào)整養(yǎng)殖策略。

24、本發(fā)明的有益效果是：

25、發(fā)明通過一種僅依賴于家禽分級稱重數(shù)據(jù)的雞群體重分布測量方法，能夠在實際生產(chǎn)中，減少肉雞稱重的次數(shù)，將雞群按照一定的體重標準分級裝籠后，對分級后的小群整體稱重并記錄數(shù)量與重量，進而再基于此分級稱重數(shù)據(jù)，可對肉雞群均重、標準差、均勻度等性能數(shù)據(jù)的分析，實現(xiàn)肉雞群體體重分布的高精度自動化分析，以進一步指導家禽生產(chǎn)養(yǎng)殖。