| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-27页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 国内外研究现状及存在问题 | 第15-22页 |
| 1.3 研究目标和内容 | 第22-25页 |
| 1.4 技术路线 | 第25-27页 |
| 第二章 蛋鸡养殖生产过程中的关键数据分析 | 第27-35页 |
| 2.1 环境参数 | 第27-29页 |
| 2.2 生理数据 | 第29-31页 |
| 2.3 生产过程数据 | 第31-32页 |
| 2.4 规模化蛋鸡养殖中上述数据的主要技术和工艺 | 第32页 |
| 2.5 数据现状分析 | 第32-33页 |
| 2.6 本章小结 | 第33-35页 |
| 第三章 基于物联网的蛋鸡养殖生产数据的获取与传输 | 第35-55页 |
| 3.1 蛋鸡养殖数字化系统的总体设计 | 第35-39页 |
| 3.2 蛋鸡养殖物联网的总体框架和拓扑结构 | 第39-40页 |
| 3.3 蛋鸡养殖现场生产数据的获取 | 第40-47页 |
| 3.4 养殖现场与远端的异步数据传输 | 第47-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 基于流式计算的蛋鸡养殖生产大数据实时处理 | 第55-69页 |
| 4.1 Data-Canal分布式计算模型的提出 | 第55-56页 |
| 4.2 Data-Canal的实现 | 第56-62页 |
| 4.3 通用Worker | 第62-63页 |
| 4.4 Data-Canal在蛋鸡生产实时数据处理中的应用 | 第63-66页 |
| 4.5 蛋鸡养殖实时数据Processor的实现 | 第66-68页 |
| 4.6 本章小结 | 第68-69页 |
| 第五章 基于机器学习的自动追踪蛋鸡行为算法 | 第69-87页 |
| 5.1 基于机器学习的鸡只自动追踪算法概述 | 第69-71页 |
| 5.2 鸡只行为视频获取 | 第71-73页 |
| 5.3 鸡只正负样本的选取 | 第73-74页 |
| 5.4 鸡只样本的HOG特征 | 第74-77页 |
| 5.5 训练SVM模型 | 第77-80页 |
| 5.6 自动追踪鸡只算法模块 | 第80-81页 |
| 5.7 结果与讨论 | 第81-85页 |
| 5.8 本章小结 | 第85-87页 |
| 第六章 蛋鸡养殖生产数据典型应用分析 | 第87-109页 |
| 6.1 系统的应用服务 | 第87-88页 |
| 6.2 应用鸡场简介 | 第88-89页 |
| 6.3 蛋鸡养殖经济效益分析 | 第89-95页 |
| 6.4 蛋鸡生产过程实时预警服务 | 第95-100页 |
| 6.5 环境数据分析 | 第100-105页 |
| 6.6 多维数据相关性分析 | 第105-107页 |
| 6.7 数据可靠性分析 | 第107页 |
| 6.8 本章小结 | 第107-109页 |
| 第七章 总结与展望 | 第109-111页 |
| 7.1 结论 | 第109-110页 |
| 7.2 创新点 | 第110页 |
| 7.3 展望 | 第110-111页 |
| 参考文献 | 第111-123页 |
| 致谢 | 第123-125页 |
| 作者简介 | 第125页 |