System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于多传感数据融合的兽药在线监测系统及方法技术方案_技高网

基于多传感数据融合的兽药在线监测系统及方法技术方案

技术编号:41196567 阅读:2 留言:0更新日期:2024-05-07 22:24
本发明专利技术公开了基于多传感数据融合的兽药在线监测系统及方法,具体涉及兽药智能生产技术领域,包括获取第n个干燥装置在历史时间区间内的兽药干燥特征数据和兽药图像,所述兽药图像包含第n个干燥装置对兽药干燥时的Y幅兽药监测图像;所述兽药干燥特征数据包括干燥设备的温度差集合、风速差集合和氧气浓度差集合;Y、n均为大于零的整数;将历史时间区间内的兽药干燥特征数据分别输入预构建对应的传热预测模型中,以获取未来时间区间内干燥设备的未来监测特征数据;通过添加了异常监测机制和兽药生产预测机制,能够基于兽药干燥特征数据和兽药图像快速预测并判断兽药干燥过程中是否出现异常,有利于改善兽药生产质量。

【技术实现步骤摘要】

本专利技术涉及兽药智能生产,更具体地说,本专利技术涉及基于多传感数据融合的兽药在线监测系统及方法


技术介绍

1、兽药是农业生产中必不可少的物质,其质量和安全直接影响到畜禽的健康和生产效益。然而,当前兽药干燥过程中存在着一些问题,如质量不稳定、表面裂纹、颗粒结块等,这些问题对兽畜的生长、繁殖和人体健康造成严重影响;传统的兽药检测方法通常依赖于化学分析或生物检测,但这些方法存在检测周期长、操作复杂、准确度低等问题,单一传感器采集的数据信息不够全面,无法全面反映兽药干燥过程中的各种变化和异常情况,难以确保兽药的质量和安全性。目前对于兽药的干燥过程仍然以人工经验为主,缺少必要的数据支持,使得生产人工成本高,兽药批次存在差异性;为了保证兽药的生产质量,现有的通过数字孪生技术对兽药质量进行预测来实现,例如,公开号为cn114896821a的中国专利公开了中药真空带式干燥数字孪生智能决策工艺预测方法及系统,该方法虽能在一定程度上提高兽药质量,但经专利技术人对上述方法以及现有技术进行研究和应用发现,上述方法以及现有技术至少存在以下部分缺陷:

2、(1)在兽药干燥过程缺乏异常监测机制,使得兽药容易出现兽药质量问题而无法及时判断;

3、(2)在批量生产时,无法及时确定兽药干燥过程出现异常原因,从而造成兽药的质量得不到保证,增加了生产成本。

4、为此,本专利技术提供了基于多传感数据融合的兽药在线监测系统及方法。


技术实现思路

1、为了克服现有技术的上述缺陷,本专利技术提供了基于多传感数据融合的兽药在线监测系统及方法,以解决上述
技术介绍
中提出的问题。

2、为实现上述目的,本专利技术提供如下技术方案:基于多传感数据融合的兽药在线监测方法,包括:

3、步骤1:获取第n个干燥装置在历史时间区间内的兽药干燥特征数据和兽药图像,所述兽药图像包含第n个干燥装置对兽药干燥时的y幅兽药监测图像;所述兽药干燥特征数据包括干燥设备的温度差集合、风速差集合和氧气浓度差集合;y、n均为大于零的整数;

4、步骤2:将历史时间区间内的兽药干燥特征数据分别输入预构建对应的传热预测模型中,以获取未来时间区间内干燥设备的未来监测特征数据;所述未来监测特征数据包括未来时间区间内的温度均值、风速均值和氧气浓度均值;

5、步骤3:将未来时间区间内干燥设备的未来监测特征数据输入预构建的收缩评估预测模型中,以获取未来时间区间内兽药的兽药收缩系数;

6、步骤4:提取历史时间区间内的y幅兽药图像,对y幅兽药图像进行兽药外观分析,以获得兽药的历史兽药外观系数,将历史兽药外观系数输入预构建的外观预测模型中,以获取未来时间区间内的兽药外观系数;基于未来时间区间内的兽药外观系数和兽药收缩系数进行综合分析,生成兽药综合系数;

7、步骤5:根据兽药综合系数判断在未来时间区间内兽药质量是否存在异常,若不存在异常,则令k=k+1,并发送至步骤1;若存在异常,则基于异常综合系数区间与异常兽药信息之间的预设关系,确定关联的异常兽药信息;所述异常兽药信息包括m个异常原因,每个异常原因对应的p个标准异常趋势图,所述k为未来时间区间,k、p为大于零的整数;

8、步骤6:根据未来时间区间内的未来监测特征数据生成异常趋势图,根据异常趋势图和标准异常趋势图的相似度确定兽药质量的主要异常原因,并将异常原因反馈至在线监测用户端。

9、进一步地,预构建的传热预测模型包含h个传热预测模型,h为大于零的整数;h个所述传热预测模型包括但不限于用于预测未来时间区间内的温度均值的传热预测模型、用于预测未来时间区间内的风速均值的传热预测模型以及用于预测未来时间区间内的氧气浓度均值的传热预测模型。

10、进一步地,所述收缩评估预测模型的生成方法包括:

11、获取历史质量评估特征数据,将所述历史质量评估特征数据划分成质量评估训练集和质量评估测试集;所述历史质量评估特征数据包括未来监测特征数据及未来监测特征数据对应的兽药收缩系数;

12、其中,所述兽药收缩系数的生成逻辑如下:

13、兽药干燥时,获取在历史时间区间内的实际兽药直径和期望兽药直径,根据实际兽药直径和期望兽药直径进行公式化计算,以获取兽药收缩系数,其计算公式如下:

14、=;

15、式中:表示兽药收缩系数,表示第时刻下的实际兽药直径,表示第时刻下的期望兽药直径,表示历史时间区间;表示取对数函数;

16、构建第二机器学习模型,将质量评估训练集中的未来监测特征数据作为第二机器学习模型的输入数据,将质量评估训练集中的兽药收缩系数作为第二机器学习模型的输出数据,对第二机器学习模型进行训练,得到初始收缩预测模型;

17、利用质量评估测试集对初始收缩预测模型进行模型验证,输出预测误差小于等于预设误差阈值的初始收缩预测模型作为收缩评估预测模型;所述第二机器学习模型具体为rnn循环神经网络模型。

18、进一步地,对y幅兽药图像进行兽药外观分析的方法包括:

19、a1:获取第y幅兽药图像,对第y幅兽药图像进行像素点聚类分析,将聚类分析形成的区域划分为外观子区域,得到v个外观子区域;

20、a2:将v个外观子区域以图像的形式分别输入到预构建的兽药外观分析模型中进行识别,得到缺陷识别结果,根据缺陷识别结果判断所述v个外观子区域是否存在外观缺陷区域,若存在,则记录外观缺陷区域的数量、缺陷类型和像素面积,则令y=y+1,并返回至步骤a1;若不存在,并令y=y+1,并返回至步骤a1;

21、a3:重复上述步骤a1~a2,直至y=y时,结束循环,得到外观缺陷数据,所述外观缺陷数据包括c个外观缺陷区域、c个外观缺陷区域的兽药缺陷类型和c个外观缺陷区域的面积,y∈y;所述兽药缺陷类型包括裂纹缺陷类型和灰度异常缺陷类型;

22、a4:基于z幅兽药缺陷图像的外观缺陷数据计算兽药图像的历史兽药外观系数,其计算公式为:;式中:表示历史兽药外观系数,表示第y幅兽药图像中第a个裂纹缺陷类型的外观缺陷区域的面积,表示第y幅兽药图像中第b个灰度异常缺陷类型的外观缺陷区域的面积;表示裂纹缺陷类型的外观缺陷区域的数量,表示灰度异常缺陷类型的外观缺陷区域的数量;其中,;

23、进一步地,所述外观预测模型的生成方法包括:

24、b1:获取历史兽药外观系数,基于历史兽药外观系数建立外观系数时间序列集合,外观系数时间序列集合包括i个历史兽药外观系数,i个历史兽药外观系数获取的时间间隔相等,i个历史兽药外观系数对应一个设定时间区间;

25、b2:预设滑动步长w以及滑动窗口长度u;将外观系数时间序列集合内的历史兽药外观系数使用滑动窗口方法将其转化为多个训练样本,将训练样本作为循环神经网络模型的输入,预测滑动步长w后的兽药外观系数作为输出,每个训练样本的后续兽药外观系数作为预测目标,以预测准确率作为训练目标,对循环神经网络模型进行训练;生成根据本文档来自技高网...

【技术保护点】

1.基于多传感数据融合的兽药在线监测方法,其特征在于,包括:

2.根据权利要求1所述的基于多传感数据融合的兽药在线监测方法,其特征在于,预构建的传热预测模型包含H个传热预测模型,H为大于零的整数;H个所述传热预测模型包括但不限于用于预测未来时间区间内的温度均值的传热预测模型、用于预测未来时间区间内的风速均值的传热预测模型以及用于预测未来时间区间内的氧气浓度均值的传热预测模型。

3.根据权利要求2所述的基于多传感数据融合的兽药在线监测方法,其特征在于,所述收缩评估预测模型的生成方法包括:

4.根据权利要求3所述的基于多传感数据融合的兽药在线监测方法,其特征在于,对Y幅兽药图像进行兽药外观分析的方法包括:

5.根据权利要求4所述的基于多传感数据融合的兽药在线监测方法,其特征在于,所述外观预测模型的生成方法包括:

6.根据权利要求5所述的基于多传感数据融合的兽药在线监测方法,其特征在于,基于未来时间区间内的兽药外观系数和兽药收缩系数进行综合分析,生成兽药综合系数的方法包括:

7.根据权利要求6所述的基于多传感数据融合的兽药在线监测方法,其特征在于,判断在未来时间区间内兽药质量是否存在异常,包括:

8.根据权利要求7所述的基于多传感数据融合的兽药在线监测方法,其特征在于,所述异常趋势图存在P个,P个异常趋势图为表现温度变化的异常趋势图、表现风速变化的异常趋势图或表现氧气浓度变化的异常趋势图;

9.根据权利要求8所述的基于多传感数据融合的兽药在线监测方法,其特征在于,根据异常趋势图和标准异常趋势图的相似度确定兽药质量的主要异常原因,包括:

10.基于多传感数据融合的兽药在线监测系统,用于实施权利要求1-9中任一项所述的基于多传感数据融合的兽药在线监测方法,其特征在于,包括:

11.一种电子设备,其特征在于,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序;

12.一种计算机可读存储介质,其特征在于,储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1-9中任一项所述的基于多传感数据融合的兽药在线监测方法。

...

【技术特征摘要】

1.基于多传感数据融合的兽药在线监测方法,其特征在于,包括:

2.根据权利要求1所述的基于多传感数据融合的兽药在线监测方法,其特征在于,预构建的传热预测模型包含h个传热预测模型,h为大于零的整数;h个所述传热预测模型包括但不限于用于预测未来时间区间内的温度均值的传热预测模型、用于预测未来时间区间内的风速均值的传热预测模型以及用于预测未来时间区间内的氧气浓度均值的传热预测模型。

3.根据权利要求2所述的基于多传感数据融合的兽药在线监测方法,其特征在于,所述收缩评估预测模型的生成方法包括:

4.根据权利要求3所述的基于多传感数据融合的兽药在线监测方法,其特征在于,对y幅兽药图像进行兽药外观分析的方法包括:

5.根据权利要求4所述的基于多传感数据融合的兽药在线监测方法,其特征在于,所述外观预测模型的生成方法包括:

6.根据权利要求5所述的基于多传感数据融合的兽药在线监测方法,其特征在于,基于未来时间区间内的兽药外观系数和兽药收缩系数进行综合分析,生成兽药综合系数的方法包括:

...

【专利技术属性】
技术研发人员:梁爱军刘冠军王官晓王书东刘永浩
申请(专利权)人:烟台卫康动物保健品有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1