本研究面向现代蛋鸡行业健康养殖的需求,探索如何将蛋鸡养殖从传统粗放管理转化成实际生产过程精细养殖,并对感知的蛋鸡生理、环境及生产过程数据进行实时处理,对照厂家提供的相关育种标准数据,对蛋鸡在禽舍的生存状态及生产经济效益予以实时监测,提高了蛋鸡养殖企业安全预警的水平及管理者的决策能力。针对上述目标,本研究研发了如下关键技术:基于物联网的蛋鸡养殖生产过程数据的实时获取与传输技术,基于分布式流式计算的蛋鸡养殖生产数据实时处理分析技术,基于机器学习的自动追踪蛋鸡行为算法,通过有效整合,研发了蛋鸡设施养殖数字化智能监测与远程管理系统,并在实际鸡场得到应用。该系统实现了对多个异地蛋鸡场的环境、生理及生产过程数据的实时监测、获取、处理和预警,提高了养殖场对蛋鸡养殖生产实时数据的存储、分析和管理的能力;实现了对蛋鸡行为视频的自动分析。该系统在蛋鸡场的应用实现了对养殖情况的精细感知,提升了我国蛋鸡养殖业的管理水平,降低人工劳动强度,对支撑我国蛋鸡行业的福利养殖、实时决策都有很大帮助。主要结论如下:(1)通过文献阅读和现场调研,本研究总结了蛋鸡养殖中的三类数据:环境、生理及生产过程数据。针对这三类数据的特点,使用物联网技术自动获取可精细感知的数据;对其它数据,改变原有纸质报表留存的方式,开发了基于WEB和APP的人工填报方式,实现了数字化,方便了现场工作人员的工作。应对蛋鸡养殖场一般地处偏僻,信息通讯难度大的特点,并基于节省流量和带宽的目标,本研究提出了异步传输机制,编写了监测数据更新的程序,最大程度的避免了传输过程中的数据丢失,并可显著降低通信运营成本。(2)为实现对蛋鸡养殖生产大数据的实时处理、计算和预警,自主研发了应用于蛋鸡设施养殖中的分布式流式计算框架Data-Canal。Data-Canal使用控制流集中、数据流分散的模型,以分布式文件系统为中间结果的存储,具有很强的可扩展性和可靠性。运行结果说明,使用Data-Canal计算框架可以解决蛋鸡养殖生产数据实时计算的问题,在部署8台机器的情况下,Data-Canal集群的处理能力峰值达到160 MB/s,延迟在分钟级别。(3)视频数据已经成为目前蛋鸡养殖生产大数据的主体。现有系统通过传感器设备收集了大量的现场视频图像数据,但往往缺乏应用分析手段,进而无法从中得到有价值的信息。基于此本研究提出了基于机器学习的自动追踪蛋鸡行为算法,实现了对蛋鸡行为视频数据的自动分析。该算法使用HOG特征描述方法提取鸡只样本特征,训练混合SVM模型计算鸡只最优位置,可自动识别小群体蛋鸡中任意鸡只的行为轨迹,计算其运动距离、速度等,量化鸡只的运动行为。结合设施内区域分布,自动统计鸡只对不同区域的使用情况,间接对采食/饮水行为进行量化。(4)本研究以规模化养殖蛋鸡为研究对象,在分布式架构下,使用物联网与流式计算技术,实现了对蛋鸡养殖生产过程实时数据的自动获取、异步传输和实时处理,并结合基于机器学习的自动追踪蛋鸡行为的算法,实现了对非结构化数据(视频图像)的自动处理,最后以数据分析服务的方式在实际蛋鸡场应用。数据分析成果主要有养殖经济效益分析、生产过程实时预警服务、环境数据分析、多维数据分析、生产信息管理服务等。