摘要：为探讨饲料能量密度(DED)和投喂水平(DFR)对鱼类生长和健康的影响,本试验采用2×2双因子设计,设置2个DED(对照组和高糖高脂组)和2个DFR(1倍和1.2倍表观饱食投喂对照组饲料的能量水平),研究DED和DFR对吉富罗非鱼[Oreochromis niloticus,(14.59±0.06)g]生长性能、饲料利用、体成分、血液学指标和抵抗无乳链球菌(Streptococcus agalactiae)感染能力的影响。试验以40d为1个周期,持续2个周期(周期Ⅰ和周期Ⅱ)。研究结果发现,DED和DFR均未影响试验鱼的饲料效率(P>0.05)。DED未影响试验鱼的生长(P>0.05)。高DFR提升了试验鱼的末重(P0.05)。在周期Ⅰ,高DED仅增加了试验鱼的脏体比(P0.05);可在周期Ⅱ,高DFR造成试验鱼成活率显著降低(P<0.05)。以上结果表明,高DFR能提高罗非鱼的生长速度,但是会增加鱼体的脂肪沉积,降低鱼体健康水平;高DED更易于鱼体脂肪沉积,不利于鱼体健康。

摘要：为研究不同饲料投喂量下生物絮团技术对草鱼生长及其非特异性免疫机能和水质的影响,设计了3个饲料投喂水平的生物絮团技术喂养(添加碳源)试验,以非生物絮团技术喂养(不添加碳源)为对照,试验组的饲料投喂量分别为对照处理的100%(处理A)、85%(处理B)和70%(处理C),试验周期为36 d,试验期间每隔6 d测一次水质指标,试验结束后测定草鱼的生长指标和血清非特异性免疫指标。结果表明:处理A的终末均重、增重率与对照组差异不显著,但特定生长率、蛋白质效率显著低于对照,处理B和处理C的终末均重、增重率、特定生长率和蛋白质效率均显著低于对照,试验组饲料系数均显著高于对照组;在非特异性免疫机能方面,处理A和处理B的溶菌酶和超氧化物歧化酶与对照差异不显著,但处理C的这2项指标均显著低于对照,各处理的碱性磷酸酶差异不显著;养殖后期,试验组水体的氨氮、亚硝酸盐氮和硝酸盐氮都显著低于对照。综上所述,在该试验条件下,生物絮团技术能改善草鱼养殖水质,提高草鱼非特异性免疫能力,但未能提高草鱼饲料利用率。

摘要：在传统的凡纳滨对虾养殖过程中,需要根据养殖经验确定投喂量,容易导致饲料过剩或不足的问题。为解决这一问题,研究者建立预测模型预测投喂量,主要使用BP神经网络预测模型对水产养殖投饵量进行预测(杨加庆,2018;陆天辰,2020)。近年来,随着计算机深度学习的发展,相关模型具有更强的数据挖掘和泛化能力。何津民(2022)提出IPSO-CNN-LSTM-ATTN对虾投饵量预测模型,改善了BP神经网络过拟合和稳定性差的问题,然而该类模型训练数据来自养殖记录,这需要人工长期进行记录。

摘要：设施渔业中每一个单元水体较小,养殖的鱼类数量、大小准确,水体温度可知,因此所需饵料投喂量可以计算出来,这就要求投饵机能够定量投喂,并且要求投饵机能够准确调节每一次的下料量及投料间隔.在要求较高的养殖车间,对投饵机进行饵料自动输送以及集中自动监控.

摘要：＂8亩水面,7月1日左右抓了11200斤虾,亩产1400斤。＂第一造的收成已经进入尾声,珠海三灶张诺懿有了不错的收成,他对池塘的规划和水质管理,有着独特的看法。小棚标粗,底管过苗张诺懿的虾塘有一个巧妙的设计：在大池塘旁边，张诺懿挖了个1～2分地的小池塘，底部铺满了盘状的纳米曝气管。

摘要：锦鲤集观赏、食用、药用于一身,由于它容易繁殖和饲养、食性较杂,一般性养殖对水质要求不高,故受到养殖者的青睐。但锦鲤需要的水层较浅,鱼类混养又会破坏其观赏价值,所以我们设计了锦鲤、田螺、水芹混养模式。这种模式可以有效地解决水体空间的协调、养分的充分利用问题,并可以净化水体,使锦鲤病害的发生率大大降低。我们研究利用锦鲤、田螺、水芹的生理特性,再结合水中的浮游动物、浮游植物及微生物.