一种用于蛋鸭养殖的智能养殖系统技术方案

本发明专利技术公开了一种用于蛋鸭养殖的智能养殖系统，包括：雏鸭筛选模块，用于对雏鸭群进行特征提取，获得满足养殖要求的雏鸭进行养殖；智能养殖模块，用于为不同生长阶段的蛋鸭自动投放饲料和供水；环境监测模块，用于基于若干个监控设备对养殖环境进行实时监测，获得监测数据；指令发布模块，用于将所述监测数据与预设阈值进行对比分析，生成调节指令；环境调节模块，用于接收对应的调节指令，实时调整养殖环境的温度和空气。本发明专利技术提供的智能养殖控制系统可保持养殖场较好的养殖环境，更利于蛋鸭的生长，从而实现蛋鸭养殖的自动化管理控制，减少人力资源消耗，降低饲养成本，增加饲养收益。益。益。

【技术实现步骤摘要】
一种用于蛋鸭养殖的智能养殖系统


[0001]本专利技术属于养殖自动化控制
，特别是涉及一种用于蛋鸭养殖的智能养殖系统。

技术介绍

[0002]目前畜牧养殖分为两大类：养殖场封闭养殖和放牧养殖，养殖场封闭养殖通常占的比重比较大，例如家禽的养殖，并且在养殖过程中家禽对环境的要求比较高，需要光照强度匀称，光照时间平稳、不同光波长的灯色以及合适的温度。随着科技的发展进步，自动化控制应用到养殖系统中，但是目前针对现代化大型养殖的养殖系统主要依赖于人工进行管理控制，需要专业的管理技术人员进行定期管理以及定期维护养殖环境，极大的耗费人力资源，增加养殖成本。因此，亟需一种关于家禽的智能养殖系统。

技术实现思路

[0003]本专利技术的目的是提供一种用于蛋鸭养殖的智能养殖系统，以解决上述现有技术存在的问题。
[0004]为实现上述目的，本专利技术提供了一种用于蛋鸭养殖的智能养殖系统，包括：
[0005]雏鸭筛选模块，用于对雏鸭群进行特征提取，获得满足养殖要求的雏鸭进行养殖；
[0006]智能养殖模块，与所述雏鸭筛选模块连接，用于为不同生长阶段的蛋鸭自动投放饲料和供水；
[0007]环境监测模块，与所述智能养殖模块连接，用于基于若干个监控设备对养殖环境进行实时监测，获得监测数据；
[0008]指令发布模块，与所述环境监测模块连接，用于将所述监测数据与预设阈值进行对比分析，生成调节指令；
[0009]环境调节模块，与所述指令发布模块连接，用于接收对应的调节指令，实时调整养殖环境的温度和空气。
[0010]可选的，所述雏鸭筛选模块包括：
[0011]模型构建单元，用于基于深度卷积神经网络构建初始筛选模型，并利用满足养殖要求的雏鸭图像对所述初始筛选模型进行训练，获得目标筛选模型；
[0012]智能筛选单元，用于基于目标筛选模型对雏鸭群进行筛选，获得满足养殖要求的雏鸭。
[0013]可选的，所述智能养殖模块包括：
[0014]喂料单元，用于基于投料设备为蛋鸭投放饲料；
[0015]供水单元，用于基于供水设备为蛋鸭供水。
[0016]可选的，所述监测设备包括：温度传感器、湿度传感器、气体传感器的一种或多种的组合，所述气体传感器包括一氧化碳气体传感器、二氧化碳传感器、氨气传感器、硫化氢传感器、甲烷传感器中的一种或多种的组合。
[0017]可选的，所述环境监测模块包括：
[0018]温度监测单元，用于基于监测设备获取养殖环境的温度监测数据；
[0019]气体监测单元，用于基于监测设备获取养殖环境的气体监测数据。
[0020]可选的，所述指令发布模块包括：
[0021]第一指令发布单元，用于将所述温度监测数据与预设温度阈值进行对比，生成温度调节指令；
[0022]第二指令发布单元，用于将所述气体监测数据与预设气体阈值进行对比，生成通风调节指令。
[0023]可选的，所述环境调节模块包括：
[0024]第一调节单元，用于接收温度调节指令对养殖环境的温度进行实时调控；
[0025]第二调节单元，用于接收通风调节指令，基于通风设备对养殖环境的气体含量进行实时调控。
[0026]可选的，所述智能养殖系统还包括预警模块，用于当监测数据超出对应的预设参数范围时产生报警提示，并将所述报警提示发送给智能养殖终端；所述报警提示中包含对应的监控设备标识。
[0027]本专利技术的技术效果为：
[0028]本专利技术通过雏鸭筛选模型对满足蛋鸭饲养要求的雏鸭进行筛选，剔除病鸭，提高后续蛋鸭饲养的成功率。
[0029]本专利技术提供的智能养殖控制系统可根据环境监测设备采集养殖场的环境监测数据，并对环境监测数据进行分析，基于分析结果调节养殖场的养殖环境，如此可保持养殖场较好的养殖环境，更利于蛋鸭的生长，从而实现蛋鸭养殖的自动化管理控制，减少人力资源消耗，降低饲养成本，增加饲养收益。
[0030]本专利技术将报警提示发送给养殖管理终端，使得养殖管理人员可以及时获知到养殖环境的异常情况，并及时进行处理，并且系统结构简单，从而节省了人工监控的成本，提高了养殖环境的管理效率，并减少了养殖环境监控的设备成本。
附图说明
[0031]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0032]图1为本专利技术实施例中的智能养殖系统结构示意图。
具体实施方式
[0033]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0034]需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0035]实施例一
[0036]如图1所示，本实施例中提供一种用于蛋鸭养殖的智能养殖系统，包括：雏鸭筛选
模块，用于对雏鸭群进行特征提取，获得满足养殖要求的雏鸭进行养殖；智能养殖模块，与所述雏鸭筛选模块连接，用于为不同生长阶段的蛋鸭自动投放饲料和供水；环境监测模块，与所述智能养殖模块连接，用于基于若干个监控设备对养殖环境进行实时监测，获得监测数据；指令发布模块，与所述环境监测模块连接，用于将所述监测数据与预设阈值进行对比分析，生成调节指令；环境调节模块，与所述指令发布模块连接，用于接收对应的调节指令，实时调整养殖环境的温度和空气。
[0037]可实施的，所述雏鸭筛选模块包括：模型构建单元，用于基于深度卷积神经网络构建初始筛选模型，并利用满足养殖要求的雏鸭图像对所述初始筛选模型进行训练，获得目标筛选模型；智能筛选单元，用于基于目标筛选模型对雏鸭群进行筛选，获得满足养殖要求的雏鸭。
[0038]具体的，雏鸭品质好坏是蛋鸭养育成败的先决条件。体重应符合品种要求，一般蛋鸭初生重为40—42克。健康的雏鸭活泼好动，眼大有神，反应灵敏，叫声宏亮，腹圆脐平，胫蹼油润，大小均匀，毛色一致。凡是头歪、瞎眼、脚拐、喙部畸形、大肚皮和脐部收缩不好的雏鸭都利用筛选模型进行剔除。选择符合饲养要求的雏鸭进行饲养。
[0039]近年来基于深度学习的面部识别方法，通过面部识别技术聚焦在收集动物的面部数据，利用迁移识别等相关技术实现动物识别。但是针对真实环境下，养殖场视频监控图像中存在的拍摄角度差异大、光照不均匀、雏鸭脸局部有遮挡。针对上述问题，本实施例采集了200头雏鸭的正面、侧面等其他角度的雏鸭全身图像构造了雏鸭识别数据集。该数据集包含200只雏鸭，每只雏鸭采集了至少25张图片。
[0040]本实施例以9层深度卷积神经网络模型为基础，构建了初始筛选模型。9层深度卷积神经网络模型包括依次相连的七个卷积层、一个全连接层与一个全局平均池化层。具体的，通过Tensorflow框架实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于蛋鸭养殖的智能养殖系统，其特征在于，包括：雏鸭筛选模块，用于对雏鸭群进行特征提取，获得满足养殖要求的雏鸭进行养殖；智能养殖模块，与所述雏鸭筛选模块连接，用于为不同生长阶段的蛋鸭自动投放饲料和供水；环境监测模块，与所述智能养殖模块连接，用于基于若干个监控设备对养殖环境进行实时监测，获得监测数据；指令发布模块，与所述环境监测模块连接，用于将所述监测数据与预设阈值进行对比分析，生成调节指令；环境调节模块，与所述指令发布模块连接，用于接收对应的调节指令，实时调整养殖环境的温度和空气。2.根据权利要求1所述的用于蛋鸭养殖的智能养殖系统，其特征在于，所述雏鸭筛选模块包括：模型构建单元，用于基于深度卷积神经网络构建初始筛选模型，并利用满足养殖要求的雏鸭图像对所述初始筛选模型进行训练，获得目标筛选模型；智能筛选单元，用于基于目标筛选模型对雏鸭群进行筛选，获得满足养殖要求的雏鸭。3.根据权利要求1所述的用于蛋鸭养殖的智能养殖系统，其特征在于，所述智能养殖模块包括：喂料单元，用于基于投料设备为蛋鸭投放饲料；供水单元，用于基于供水设备为蛋鸭供水。4.根据权利要求1所述的用于蛋鸭养殖的智能养殖系统，其特征在于，所述监测设备包括：温度传感器、湿度传感器、气体传感器...

【专利技术属性】
技术研发人员：杨胜林，刘嫒，祝宝国，朱金金，文际颖，
申请(专利权)人：贵州大学，
类型：发明
国别省市：