一种禽类养殖环境的智能控制系统及方法技术方案

本发明专利技术提供了一种禽类养殖环境的智能控制系统及方法，属于智能控制技术领域，其系统包括：数据采集模块对不同节点映射范围内的环境数据和图像数据进行采集；生长状况识别模块基于采集结果与预设数据库识别同映射范围内殖禽类种类和整体生长状况，并对喂食量进行调整；异常识别模块基于喂食调整量判断环境异常；异常环境控制模块基于异常数据构建环境异常图，识别环境异常数据，结合喂食调整量制定并实施不同的环境控制策略，对环境进行调整；通过识别同映射范围内养殖对象种类和整体生长状况，确定对应的养殖标准环境，并通过调整喂食量和实施不同环境控制策略，实现了对禽类生长状况进行调整，以及对养殖环境最佳优化和合理调控。合理调控。合理调控。

【技术实现步骤摘要】
一种禽类养殖环境的智能控制系统及方法


[0001]本专利技术涉及智能控制
，特别涉及一种禽类养殖环境的智能控制系统及方法。

技术介绍

[0002]我国是禽类养殖大国，随着经济的发展，人们生活水平的提高，人们对禽类的数量需求也在不断增加，大规模养殖依赖传统养殖模式是无法满足人们的需求的，因此智能化养殖系统的出现是必然的。
[0003]目前，国内相关技术的研发主要涉及畜禽环境测量与监控、单一指标的监控和干预、多指标控制策略研究、硬件开发与系统组建等各方面，在调节环境的过程中未能与养殖动物本身的种类及生长状况联系，导致单纯的根据养殖环境（二氧化碳、氨气等）进行环境调节后，达不到养殖环境最佳优化和合理调控的目的。
[0004]因此，本专利技术提供了一种禽类养殖环境的智能控制系统及方法。

技术实现思路

[0005]本专利技术提供了一种禽类养殖环境的智能控制系统及方法，通过对养殖场内环境数据进行采集以及对养殖禽类种类和生长状况进行识别和监测，确定喂食调整量，且结合异常范围的环境变化关系，获取环境控制策略，从两方面实现对环境的有效调节，避免因为单一调节，导致环境对生长的无效。
[0006]本专利技术提供一种禽类养殖环境的智能控制系统，包括：数据采集模块：基于预部署传感器对养殖场内不同节点处的当下环境进行第一采集，同时，还基于预部署摄像头对养殖场内不同节点所映射范围的禽类进行第二采集；生长状况识别模块：对第二采集结果进行特征识别，并基于基本特征信息库，确定对应映射范围的养殖禽类以及每个养殖对象的啄食状况，来对同个映射范围的养殖禽类的生长状况进行预测，且结合预设生长数据库以及第一采集结果，确定所述同个映射范围的喂食调整量；异常识别模块：当同个映射范围的喂食调整量不满足同批次标准生长状态下的标准喂食条件时，判定对应映射范围存在环境异常；异常环境控制模块：基于所有映射范围的所有环境异常，构建环境异常图，且根据所述养殖场中映射范围之间的环境变化关系以及对应映射范围的喂食调整量与标准喂食条件的差异，对所述环境异常图进行预分析，确定每个映射范围的环境控制策略，来进行相应环境调节。
[0007]优选的，所述生长状况识别模块，包括：种类识别单元：对所述第二采集结果中的每张图像进行预处理，对每张预处理图像进行特征识别，将识别特征与基本特征信息库中进行匹配，将匹配度最高的禽类作为对应节点映射范围内的养殖种类，且基于所述基本特征信息库调取与所述养殖种类一致的预
设生长参考数据，其中，每个节点映射范围只包含一个养殖种类，且为同批次养殖种类；啄食频率确认单元：获取同一节点映射范围内多组连续图像，并对所述多组连续图像中的每个喂食对象进行完整啄食行为的捕捉，确定啄食频率；体重预测单元：基于所述多组连续图像，确定每个喂食对象的预测体重；生长状况预测单元：将同个喂食对象的预测体重、啄食频率与预设生长数据库进行比较，确定同个映射范围下的整体生长状况。
[0008]优选的，所述体重预测单元，包括：周长块：识别所述多组连续图像中的每个第一图像所对应映射范围的边界区域线并进行测量，得到第一边界周长；标准化处理块：对所述多组连续图像的第一边界周长进行顺序排列，得到周长序列，选取所述周长序列中的中心周长以及中心周长所对应的采集角度，对剩余每个周长进行相应比例调整，实现对剩余每个第一图像的标准化处理；预测块：分别对每个标准图像中的同喂食对象进行轮廓圈定，并对同喂食对象的所有确定轮廓进行平均处理，预测得到所述同喂食对象的体重。
[0009]优选的，所述生长状况识别模块，还包括：体重误差获取单元：根据公式（1）计算每个喂食对象的体重误差系数；（1）
[0010]其中，表示同个映射范围下第j个喂食对象的预测体重；[，z02]表示同个映射范围下对应批次禽类的标准体重范围；表示同个映射范围下第j个喂食对象的体重误差系数；频率误差获取单元：根据公式（2）计算每个喂食对象的频率误差系数；（2）
[0011]其中，表示同个映射范围下第j个喂食对象的实际啄食频率；[p，p02]表示同个映射范围下对应批次禽类的标准啄食频率范围；表示同个映射范围下第j个喂食对象的频率误差系数；因子获取单元：根据所述第一采集结果，确定所述同个映射范围的环境阵列，并将所述环境阵列与预设阵列进行比较，并输入到食量影响模型中，获取得到食量影响因子y0；数组构建单元：构建针对每个喂食对象的误差数组[，，，，y0]；喂食补偿单元：将每个误差数组分别输入到同禽类分析模型中，得到对应喂食对象的喂食补偿量，并计算得到第一喂食调整量，进而来基于第一喂食调整量进行喂食。
[0012]优选的，所述喂食补偿单元，包括：
排序块：获取同个映射范围下的每个喂食对象的喂食补偿量，并按照由大到小的顺序进行排列，得到第一阵列；锁定块：锁定所述第一阵列中的首0出现位置以及末0出现位置，并统计正常生长状态的第一个数n01，同时，统计首0出现之前喂食补偿量的第二个数n02以及末0出现之后喂食补偿量的第三个数n03；第一计算块：若，则计算第一补偿和以及第二补偿和，其中，表示第j2个首0出现之前喂食补偿量的绝对值；表示第j3个末0出现之后喂食补偿量的绝对值；第一判断块：若=，则保持原先喂食量不变；若，则按照对原始喂食量进行补偿增加调整；否则，按照对原始喂食量进行补偿减少调整。
[0013]优选的，所述喂食补偿单元，还包括：第二计算块：若，则计算第一补偿平均值以及第二补偿平均值；第二判断块：当所述第一补偿平均值大于或等于第二补偿平均值时，计算第一调整量r01，对原始喂食量进行补偿增加调整；当所述第一补偿平均值小于第二补偿平均值时，计算第二调整量r02，对原始喂食量进行补偿增加调整；根据补偿调整结果，获取得到第一喂食调整量。
[0014]优选的，所述异常环境控制模块，包括：图构建单元：根据所述养殖场中每个映射范围的占据区域，构建基础环境图；位置匹配单元：将所采集的对应映射范围的环境数据附加在基础环境图的第一匹配位置上，同时，将同个映射范围的环境数据与标准数据进行比较之后，将异常数据附加在基于环境图的第二匹配位置上，并构建得到环境异常图；异常数据确定单元：锁定所述环境异常图中的第一异常范围，并确定所述第一异常范围的第一异常数据；关系获取单元：根据所述养殖场的预设搭建框架信息，从信息
‑
位置
‑
变化数据表中，确定所述第一异常范围的第一环境变化关系以及与所述第一异常范围存在空气互通情况的映射范围的两者之间的第二环境变化关系；
策略获取单元：基于所述第一异常范围的第一异常数据、第一环境变化关系、第二环境变化关系以及第一异常范围的喂食调整量与标准喂食条件的差异，输入到与预设搭建框架信息一致的异常调整模型中，获取得到对应第一异常范围的环境控制策略；环境调节单元：对所有环境控制策略进行综合分析，来控制所述养殖场中的相应设备进行工作并对环境进行相应调节。
[0015]优选的，一种禽类养殖环境的智能控制方法，包括：步骤1：基于预部署传感器对养殖场内不同节点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种禽类养殖环境的智能控制系统，其特征在于，包括：数据采集模块：基于预部署传感器对养殖场内不同节点处的当下环境进行第一采集，同时，还基于预部署摄像头对养殖场内不同节点所映射范围的禽类进行第二采集；生长状况识别模块：对第二采集结果进行特征识别，并基于基本特征信息库，确定对应映射范围的养殖禽类以及每个养殖对象的啄食状况，来对同个映射范围的养殖禽类的生长状况进行预测，且结合预设生长数据库以及第一采集结果，确定所述同个映射范围的喂食调整量；异常识别模块：当同个映射范围的喂食调整量不满足同批次标准生长状态下的标准喂食条件时，判定对应映射范围存在环境异常；异常环境控制模块：基于所有映射范围的所有环境异常，构建环境异常图，且根据所述养殖场中映射范围之间的环境变化关系以及对应映射范围的喂食调整量与标准喂食条件的差异，对所述环境异常图进行预分析，确定每个映射范围的环境控制策略，来进行相应环境调节。2.根据权利要求1所述的系统，其特征在于，所述生长状况识别模块，包括：种类识别单元：对所述第二采集结果中的每张图像进行预处理，对每张预处理图像进行特征识别，将识别特征与基本特征信息库中进行匹配，将匹配度最高的禽类作为对应节点映射范围内的养殖种类，且基于所述基本特征信息库调取与所述养殖种类一致的预设生长参考数据，其中，每个节点映射范围只包含一个养殖种类，且为同批次养殖种类；啄食频率确认单元：获取同一节点映射范围内多组连续图像，并对所述多组连续图像中的每个喂食对象进行完整啄食行为的捕捉，确定啄食频率；体重预测单元：基于所述多组连续图像，确定每个喂食对象的预测体重；生长状况预测单元：将同个喂食对象的预测体重、啄食频率与预设生长数据库进行比较，确定同个映射范围下的整体生长状况。3.根据权利要求2所述的系统，其特征在于，所述体重预测单元，包括：周长块：识别所述多组连续图像中的每个第一图像所对应映射范围的边界区域线并进行测量，得到第一边界周长；标准化处理块：对所述多组连续图像的第一边界周长进行顺序排列，得到周长序列，选取所述周长序列中的中心周长以及中心周长所对应的采集角度，对剩余每个周长进行相应比例调整，实现对剩余每个第一图像的标准化处理；预测块：分别对每个标准图像中的同喂食对象进行轮廓圈定，并对同喂食对象的所有确定轮廓进行平均处理，预测得到所述同喂食对象的体重。4.根据权利要求1所述的系统，其特征在于，所述生长状况识别模块，还包括：体重误差获取单元：根据公式（1）计算每个喂食对象的体重误差系数；（1）其中，表示同个映射范围下第j个喂食对象的预测体重；[，z02]表示同个映射范
围下对应批次禽类的标准体重范围；表示同个映射范围下第j个喂食对象的体重误差系数；频率误差获取单元：根据公式（2）计算每个喂食对象的频率误差系数；（2）其中，表示同个映射范围下第j个喂食对象的实际啄食频率；[p，p02]表示同个映射范围下对应批次禽类的标准啄食频率范围；表示同个映射范围下第j个喂食对象的频率误差系数；因子获取单元：根据所述第一采集结果，确定所述同个映射范围的环境阵列，并将所述环境阵列与预设阵列进行比较，并输入到食量影响模型中，获取得到食量影响因子y0；数组构建单元：构建针对每个喂食对象的误差数组[，，，，y0]；喂食补偿单元：将每个误差数组分别输入到同禽类分析模型中，得到对应喂食对象的喂食补偿量，并计...

【专利技术属性】
技术研发人员：葛永超，许敏敏，孙慧慧，
申请(专利权)人：山东华邦农牧机械股份有限公司，
类型：发明
国别省市：