CN115876258A - 基于多源数据的畜禽养殖环境异常监测及报警*** - Google Patents
基于多源数据的畜禽养殖环境异常监测及报警*** Download PDFInfo
- Publication number
- CN115876258A CN115876258A CN202310107276.9A CN202310107276A CN115876258A CN 115876258 A CN115876258 A CN 115876258A CN 202310107276 A CN202310107276 A CN 202310107276A CN 115876258 A CN115876258 A CN 115876258A
- Authority
- CN
- China
- Prior art keywords
- livestock
- index
- temperature
- gas
- abnormity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 244000144972 livestock Species 0.000 title claims abstract description 215
- 244000144977 poultry Species 0.000 title claims abstract description 170
- 238000009395 breeding Methods 0.000 title claims abstract description 84
- 230000001488 breeding effect Effects 0.000 title claims abstract description 84
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 230000002159 abnormal effect Effects 0.000 claims abstract description 67
- 238000005070 sampling Methods 0.000 claims abstract description 43
- 230000008859 change Effects 0.000 claims abstract description 36
- 230000002776 aggregation Effects 0.000 claims abstract description 34
- 238000004220 aggregation Methods 0.000 claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 7
- 239000007789 gas Substances 0.000 claims description 251
- 238000000034 method Methods 0.000 claims description 35
- 230000005856 abnormality Effects 0.000 claims description 28
- 238000003064 k means clustering Methods 0.000 claims description 10
- 238000003708 edge detection Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry
Landscapes
- Housing For Livestock And Birds (AREA)
Abstract
本发明涉及数据处理技术领域，具体涉及基于多源数据的畜禽养殖环境异常监测及报警***，该***包括：数据采集单元，用于获取畜禽养殖环境的温度和每类有害气体的气体含量以及畜禽的灰度图像；温度检测单元，用于根据温度获取温度异常指标，根据灰度图像中畜禽分布获取聚集值，根据聚集值与温度异常指标获取温度判断指标；有害气体含量检测单元，用于将气体含量超过气体超标阈值的有害气体作为目标气体，由目标气体获取超出指标；根据相邻采样时刻下的气体含量差异获取气体变化指标；根据超出指标与气体变化指标获取气体异常指标；异常监测及报警单元，用于结合温度判断指标与气体异常指标对畜禽养殖环境进行异常监测及报警，使得监测更准确。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及基于多源数据的畜禽养殖环境异常监测及报警***。
背景技术
畜禽养殖环境对畜禽养殖的重要性已被国内外大量的科学研究和生产实践所证实，尤其是封闭式的畜禽养殖环境，光照有限且温度、湿度等波动比较大，有害气体不容易散发，这些均对畜禽的生长、繁殖造成了很大的影响。畜禽养殖环境内的环境质量已经上升为影响畜禽健康状态、生产性能的首要问题。
现有技术通过传感器对空气温度、湿度以及氨气浓度等多种畜禽养殖环境指标参数进行实时自动监测，将获取的监测数据与正常阈值进行比较，当畜禽养殖环境的监测数据发生异常时发送报警信号至移动智能终端，但每类传感器获得的监测数据是独立的，即不同的环境指标参数对应的监测数据之间没有联系，仅根据某一类监测数据异常就产生报警信号，会存在报警信号出现偏差的情况，对工作人员产生误导。
发明内容
为了解决监测数据不准确而导致报警信号出现偏差的技术问题，本发明的目的在于提供基于多源数据的畜禽养殖环境异常监测及报警***，所采用的技术方案具体如下：
本发明实施例中提供了基于多源数据的畜禽养殖环境异常监测及报警***，该***包括以下：
数据采集单元，用于获取当前采样时刻下畜禽养殖环境的温度和每类有害气体的气体含量以及畜禽的灰度图像；
温度检测单元，用于根据温度获取温度异常指标；将灰度图像输入语义分割网络中获取畜禽头部图像，对畜禽头部图像进行边缘检测获取边缘线，根据边缘线的轮廓信息获得畜禽数量，将灰度图像划分为至少两个区域，统计每个区域中包含的畜禽数量得到聚集值；根据聚集值与温度异常指标获取温度判断指标；
有害气体含量检测单元，用于获取气体含量超过对应类有害气体的气体超标阈值的有害气体作为目标气体，根据目标气体的气体含量与对应类有害气体的气体超标阈值的差值获取超出指标；根据当前采样时刻与其相邻采样时刻下的同一类有害气体的气体含量差异获取气体变化指标；根据超出指标与气体变化指标获取气体异常指标；
异常监测及报警单元，用于结合温度判断指标与气体异常指标对畜禽养殖环境进行异常监测及报警。
进一步的，所述温度检测单元中根据边缘线的轮廓信息获得畜禽数量的方法，包括：
将畜禽头部对应的闭合边缘线作为目标边缘线，从目标边缘线的质心一分为二，将每个目标边缘线划分为左边缘线与右边缘线，获取左边缘线、右边缘线以及其他边缘线的轮廓相似度，基于轮廓相似度对左边缘线、右边缘线和其他边缘线进行聚类得到聚类簇，计算每个聚类簇的轮廓相似度均值，将两个轮廓相似度均值之间的差异最小所对应的两个聚类簇作为目标聚类簇，获取每个目标聚类簇中边缘线的数量，当数量相等时，将任意一个目标聚类簇中边缘线的数量作为畜禽数量；当数量不相等时，将最大的目标聚类簇中边缘线的数量作为畜禽数量。
进一步的，所述温度检测单元中获取畜禽头部对应的闭合边缘线的方法，包括：
通过K-means聚类算法根据边缘线中的闭合边缘线长度对闭合边缘线进行聚类获得聚类簇，计算聚类簇中的闭合边缘线长度均值，获取最大的闭合边缘线长度均值对应的聚类簇作为畜禽头部聚类簇，将畜禽头部聚类簇中的闭合边缘线作为畜禽头部对应的闭合边缘线。
进一步的，所述温度检测单元中统计每个区域中包含的畜禽数量得到聚集值的方法，包括：
获取区域数量，将畜禽数量与区域数量的比值作为每个区域的平均畜禽数量，将每个区域中包含的畜禽数量与平均畜禽数量的差值绝对值进行求和所得的结果作为聚集值。
进一步的，所述温度检测单元中根据聚集值与温度异常指标获取温度判断指标的方法，包括：
当温度异常指标大于等于预设温度异常阈值时，将温度异常指标的归一化值作为温度判断指标；当温度异常指标小于预设温度异常阈值时，获取聚集值与温度异常性指标的绝对值的比值，将比值进行负相关映射并归一化所得到的结果作为温度判断指标。
进一步的，所述有害气体含量检测单元中超出指标的获取方法，包括：
获取目标气体的数量，将每类目标气体对应的差值进行相加所得的和与目标气体的数量相乘的结果作为超出指标。
进一步的，所述有害气体含量检测单元中气体变化指标的获取方法，包括：
基于当前采样时刻之前的预设时段内，获取当前采样时刻与预设时段内的每个采样时刻下的同一类有害气体的气体含量，计算每相邻两个采样时刻下气体含量的差值绝对值作为变化值，将所有变化值的相加结果作为所述同一类有害气体的第二结果，获取每一类有害气体对应的第二结果，将所有的第二结果相加的和作为气体变化指标。
进一步的，所述有害气体含量检测单元中气体异常指标的获取方法，包括：
计算超出指标与气体变化指标的乘积作为气体异常指标。
进一步的，所述异常监测及报警单元中用于结合温度判断指标与气体异常指标对畜禽养殖环境进行异常监测及报警的方法，包括：
设置温度异常阈值，当温度判断指标大于温度异常阈值时，即可直接进行异常报警；当温度判断指标小于或等于温度异常阈值时，对气体异常指标进行归一化处理，获得归一化后的气体异常指标，设置有害气体含量异常阈值，若归一化后的气体异常指标大于有害气体含量异常阈值，即可进行异常报警；若归一化后的气体异常指标小于或等于有害气体含量异常阈值，确认畜禽养殖环境不存在异常。
进一步的，所述温度检测单元中根据温度获取温度异常指标的方法，包括：
设置畜禽养殖环境中的标准温度，将温度与标准温度的差值作为温度异常指标。
本发明具有如下有益效果：获取当前采样时刻下畜禽养殖环境的温度和每类有害气体的气体含量以及畜禽的灰度图像，可以及时的获取畜禽养殖环境内部的数据以及直观的观察畜禽的分布情况；根据温度获取温度异常指标温度，以便对畜禽养殖环境中的温度是否出现异常做出初步预测，有利于对温度是否存在异常做出判断；将灰度图像输入语义分割网络中获取畜禽头部图像，对畜禽头部图像进行边缘检测获取边缘线，根据边缘线的轮廓信息获得畜禽数量，确保了畜禽数量更加准确，与实际畜禽数量更接近；将灰度图像划分为至少两个区域，统计每个区域中包含的畜禽数量得到聚集值，可以直观的感受畜禽的分布情况，通过畜禽的分布情况可以间接验证当前采样时刻下畜禽养殖环境的温度是否存在异常，进而根据聚集值与温度异常指标获取温度判断指标，通过温度判断指标对畜禽养殖环境中的温度进行异常检测，可以使得温度是否存在异常的检测更准确，降低了温度传感器异常带来的影响；获取气体含量超过对应类有害气体的气体超标阈值的有害气体作为目标气体，直接获取对畜禽养殖环境中有害气体是否异常有直观影响的目标气体，提高了对畜禽养殖环境中有害气体异常检测的效率；根据目标气体的气体含量与对应类有害气体的气体超标阈值的差值获取超出指标，根据超出指标对畜禽养殖环境中是否存在有害气体异常做出初步分析；根据当前采样时刻与其相邻采样时刻下的同一类有害气体的气体含量差异获取气体变化指标，通过气体变化指标判断是否出现有害气体突变的状况，进一步分析是否存在有害气体异常的情况；根据超出指标与气体变化指标获取气体异常指标，通过气体异常指标提高对畜禽养殖环境中的有害气体进行异常检测的准确性；结合温度判断指标与气体异常指标对畜禽养殖环境进行异常监测及报警，提高了对畜禽养殖环境进行异常监测及报警的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的基于多源数据的畜禽养殖环境异常监测及报警***的结构框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于多源数据的畜禽养殖环境异常监测及报警***，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于多源数据的畜禽养殖环境异常监测及报警***的具体方案。
请参阅图1，其示出了本发明一个实施例提供的基于多源数据的畜禽养殖环境异常监测及报警***的结构框图，该***包括：数据采集单元，温度检测单元，有害气体含量检测单元，异常监测及报警单元。
数据采集单元10，用于获取当前采样时刻下畜禽养殖环境的温度和每类有害气体的气体含量以及畜禽的灰度图像。
具体的，使用现有设备，如温度传感器、湿度传感器，各种有害气体传感器来获取畜禽养殖环境中的各种数据，其中获取的具体数据为：数据采集时间、温度、湿度、一氧化碳、一氧化氮、二氧化硫等有害气体；使用工业相机对畜禽养殖环境进行拍摄，获取畜禽图像；以上数据以及畜禽图像均为持续获取，每间隔一个小时获取一次。
通过加权平均值法对畜禽图像进行灰度化处理，得到灰度图像，使用高斯滤波算法对灰度图像进行去噪，使得灰度图像更加清晰，避免噪声点对灰度图像的干扰。其中，加权平均值法以及高斯滤波算法都是公知技术，这里不再进行过多赘述。
温度检测单元20，用于根据温度获取温度异常指标；将灰度图像输入语义分割网络中获取畜禽头部图像，对畜禽头部图像进行边缘检测获取边缘线，根据边缘线的轮廓信息获得畜禽数量，将灰度图像划分为至少两个区域，统计每个区域中包含的畜禽数量得到聚集值；根据聚集值与温度异常指标获取温度判断指标。
具体的，温度是畜禽养殖过程中很重要的一个环境指标，尤其对于一些畜禽的生长初期，幼年的一些畜禽其自我调节能力并不完善，温度稍有变化便可能影响其成活率。故本发明实施例首先判断畜禽养殖环境的温度是否出现异常，同时结合畜禽的聚集程度，即当温度过低时，畜禽会相对扎堆，聚集在一起进行取暖，故可以结合畜禽的聚集情况，判断其畜禽养殖环境中的温度是否发生了异常。
本发明实施例通过温度判断指标来检测畜禽养殖环境中的温度是否异常，获取温度判断指标的方法如下：
（1）通过温度获取温度异常指标。
设置畜禽养殖环境中的标准温度，将温度与标准温度的差值作为温度异常指标。获取温度异常指标的具体过程如下：
获取温度传感器在当前采样时刻下的温度，根据实际情况下畜禽的种类以及大小等因素设置畜禽养殖环境中的标准温度，将温度与标准温度的差值作为温度异常指标，获取温度异常指标a的公式为：
其中，
为温度；/>
为标准温度；a为温度异常指标。
需要说明的是，当
越大，a越大，说明畜禽养殖环境中的温度越高；当/>
越小，a越小，说明畜禽养殖环境中的温度越低；当/>
越接近/>
时，a越接近0，说明畜禽养殖环境中的温度越正常。
（2）通过获取畜禽数量计算聚集值。
将灰度图像输入语义分割网络中获取畜禽头部图像，对畜禽头部图像进行边缘检测获取边缘线。通过K-means聚类算法根据边缘线中的闭合边缘线长度对闭合边缘线进行聚类获得聚类簇，计算聚类簇中的闭合边缘线长度均值，获取最大的闭合边缘线长度均值对应的聚类簇作为畜禽头部聚类簇，将畜禽头部聚类簇中的闭合边缘线作为畜禽头部对应的闭合边缘线。
将畜禽头部对应的闭合边缘线作为目标边缘线，从目标边缘线的质心一分为二，将每个目标边缘线划分为左边缘线与右边缘线，获取左边缘线、右边缘线以及其他边缘线的轮廓相似度，基于轮廓相似度对左边缘线、右边缘线和其他边缘线进行聚类得到聚类簇，计算每个聚类簇的轮廓相似度均值，将两个轮廓相似度均值之间的差异最小所对应的两个聚类簇作为目标聚类簇，获取每个目标聚类簇中边缘线的数量，当数量相等时，将任意一个目标聚类簇中边缘线的数量作为畜禽数量；当数量不相等时，将最大的目标聚类簇中边缘线的数量作为畜禽数量。获取畜禽数量的具体过程如下：
使用Resnet神经网络对灰度图像进行语义分割，Resnet神经网络的输入为灰度图像，输出为畜禽头部图像。
其中，Resnet神经网络训练打标签方式为：在Resnet神经网络训练过程中将畜禽头部图像的区域标记为1，其它区域标记为0；Resnet神经网络损失函数是交叉熵损失函数。
其中，Resnet神经网络是公知技术，这里不再进行过多赘述。
使用canny边缘检测算法获取畜禽头部图像的边缘线，对边缘线中闭合的边缘线进行聚类，基于闭合边缘线长度，使用K-means聚类算法对闭合边缘线进行聚类，这里设置K-means聚类算法中的K值为2，因此，可以获得两个聚类簇，计算两个聚类簇的闭合边缘线长度均值，获取最大的闭合边缘线长度均值对应的聚类簇作为畜禽头部聚类簇，将畜禽头部聚类簇中的闭合边缘线作为畜禽头部对应的闭合边缘线。
其中，canny边缘检测算法以及K-means聚类算法都是公知技术，这里不再进行过多赘述。
将畜禽头部对应的闭合边缘线作为目标边缘线，从目标边缘线的质心一分为二，将每个目标边缘线划分为左边缘线与右边缘线，使用形状上下文算法获取左边缘线、右边缘线以及其他边缘线的轮廓相似度，使用K-means聚类算法根据轮廓相似度对边缘线进行聚类，其中，这里将K-means聚类算法中的K值确定为3，因此，通过K-means聚类算法可以获得3个聚类簇，三个聚类簇分别对应的是左边缘线聚类簇、右边缘线聚类簇、其他边缘线聚类簇；分别获取三个聚类簇中的轮廓相似度均值，将每两个轮廓相似度均值进行相减获得差值，将差值最小所对应的两个聚类簇作为目标聚类簇，其中，目标聚类簇对应的两个聚类簇分别是左边缘线聚类簇与右边缘线聚类簇。
畜禽头部图像中，存在畜禽头部遮挡的情况，为了根据畜禽头部使得获取的畜禽数量更准确，本发明实施例对目标聚类簇中的边缘线在畜禽头部图像中的位置进行分析，当目标边缘线不属于同一个目标聚类簇，即分别属于左边缘线聚类簇与右边缘线聚类簇时，说明对应的畜禽头部不存在遮挡，对应的目标边缘线表示畜禽的一个头即一个畜禽；当目标边缘线属于同一个目标聚类簇时，说明对应的畜禽头部存在遮挡，才导致目标边缘线的左右两侧属于同一个目标聚类簇，对应的目标边缘线表示畜禽的两个头即两个畜禽，因此，根据目标聚类簇中边缘线的数量，可以获取畜禽头部图像中的畜禽数量；当目标聚类簇中边缘线的数量相等时，说明畜禽头部图像中不存在畜禽头部遮挡的情况，可以将任意一个目标聚类簇中边缘线的数量作为畜禽数量；当目标聚类簇中边缘线的数量不相等时，说明畜禽头部图像中存在畜禽头部遮挡的情况，此时将最大的目标聚类簇中边缘线的数量作为畜禽数量。
其中，形状上下文算法以及K-means聚类算法都是公知技术，这里不再进行过多赘述。
获取区域数量，将畜禽数量与区域数量的比值作为每个区域的平均畜禽数量，将每个区域中包含的畜禽数量与平均畜禽数量的差值绝对值进行求和所得的结果作为聚集值。获取聚集值的具体操作如下：
将灰度图像划分为n个区域，n为正整数，将畜禽数量与区域数量n的比值作为灰度图像中每个区域的平均畜禽数量，获取每个区域中包含的畜禽数量，将每个区域中包含的畜禽数量与平均畜禽数量的差值绝对值进行求和所得的结果作为聚集值，获取聚集值
的公式为：/>
其中，n为区域数量；
为第i个区域中包含的畜禽数量；/>
为平均畜禽数量；/>
为聚集值；/>
为绝对值函数。
需要说明的是，
越小，说明第i个区域中包含的畜禽数量越接***均畜禽数量，第i个区域中的畜禽分布越均匀，聚集值/>
越小；/>
越大，说明第i个区域中包含的畜禽数量与平均畜禽数量之间的差异越大，第i个区域中的畜禽分布越不均匀，聚集值/>
越大；因此，聚集值/>
越大，说明灰度图像中的畜禽分布的越不均匀，畜禽养殖环境中的温度越存在异常。
（3）根据聚集值与温度异常指标获取温度判断指标。
当温度异常指标大于等于预设温度异常阈值时，将温度异常指标的归一化值作为温度判断指标；当温度异常指标小于预设温度异常阈值时，获取聚集值与温度异常性指标的绝对值的比值，将比值进行负相关映射并归一化所得到的结果作为温度判断指标。获取温度判断指标的具体操作如下：
本发明实施例将预设温度异常阈值设置为0，当温度异常指标大于等于预设温度异常阈值时，说明畜禽养殖环境中的温度存在过高的情况，此时根据温度异常指标可直接获取温度判断指标：将温度异常指标的相反数代入以自然常数e为底数的指数函数所得到的结果作为第一结果，将常数1与第一结果的差值作为温度判断指标；当温度异常指标小于预设温度异常阈值时，说明畜禽养殖环境中的温度存在过低的情况，此时只分析温度无法准确的监测畜禽养殖环境中的温度对畜禽的影响，因为畜禽的聚集程度受到温度的影响，当温度越低时，聚集值越大，通过聚集值与温度异常性指标共同来获取温度判断指标：获取聚集值与温度异常性指标的绝对值的比值，将比值的相反数代入以自然常数e为底数的指数函数所得到的结果作为温度判断指标。获取温度判断指标
的公式为：
其中，
为温度异常指标；/>
为聚集值；/>
为温度判断指标；/>
为绝对值函数；/>
为以自然常数e为底数的指数函数。
需要说明的是，当温度异常指标
大于等于0时，温度异常指标/>
越大，说明温度越高，温度判断指标/>
越大，温度异常指标/>
与温度判断指标/>
为正相关的关系；当温度异常指标/>
小于0时，聚集值/>
的大小受到温度异常指标/>
的影响，当温度异常指标/>
越小，说明温度越低，畜禽越会发生聚集，聚集值/>
越大；因此，/>
越小，温度判断指标/>
越大，/>
越大，温度判断指标/>
越小，/>
与温度判断指标/>
为负相关的关系。
有害气体含量检测单元30，用于获取气体含量超过对应类有害气体的气体超标阈值的有害气体作为目标气体，根据目标气体的气体含量与对应类有害气体的气体超标阈值的差值获取超出指标；根据当前采样时刻与其相邻采样时刻下的同一类有害气体的气体含量差异获取气体变化指标；根据超出指标与气体变化指标获取气体异常指标。
具体的，在畜禽的养殖过程中会产生一定的有害气体，当有害气体的气体含量超过设置的气体超标阈值时，会对畜禽的生长造成危害，因此，要及时检测畜禽养殖环境中的有害气体是否出现了异常。
本发明实施例通过气体异常指标来检测畜禽养殖环境中的有害气体是否异常，获取气体异常指标的方法如下：
（1）获取超出指标。
将每类有害气体的气体含量与对应类有害气体的气体超标阈值进行相减获得差值，将差值大于0所对应的有害气体作为目标气体。
获取目标气体的数量，将每类目标气体对应的差值进行相加所得的和与目标气体的数量相乘的结果作为超出指标。获取超出指标
的公式为：
其中，
为目标气体的数量；/>
为第i个目标气体的气体含量；/>
为第i个目标气体对应的气体超标阈值；/>
为超出指标。
需要说明的是，
越大，/>
越大，超出指标/>
越大，说明畜禽养殖环境中的目标气体的气体含量越多，畜禽养殖环境中的有害气体越存在异常；/>
越小，/>
越小，超出指标/>
越小，说明畜禽养殖环境中的目标气体的气体含量越接近气体超标阈值，畜禽养殖环境中的有害气体越趋于正常；因此，/>
越大，畜禽养殖环境中的有害气体越存在异常。
（2）获取气体变化指标。
基于当前采样时刻之前的预设时段内，获取当前采样时刻与预设时段内的每个采样时刻下的同一类有害气体的气体含量，计算每相邻两个采样时刻下气体含量的差值绝对值作为变化值，将所有变化值的相加结果作为所述同一类有害气体的第二结果，获取每一类有害气体对应的第二结果，将所有的第二结果相加的和作为气体变化指标。获取气体变化指标的具体过程如下：
本发明实施例获取截止到当前采样时刻的前24小时中，每个采样时刻下的每一类有害气体的气体含量，将同一类有害气体在相邻采样时刻下获取的气体含量相减得到差值绝对值作为变化值，获取该类有害气体在24小时中的所有变化值，将该类有害气体所有变化值相加获得该类有害气体对应的第二结果；以第
类有害气体为例，获取第/>
类有害气体在截止到当前采样时刻的前24小时中，每个采样时刻下的气体含量，将第/>
个采样时刻下获取的气体含量与第/>
个采样时刻下获取的气体含量之间的差值绝对值作为第/>
类有害气体的变化值，获取第/>
类有害气体在24小时中的所有变化值，将所有变化值相加的和作为第/>
类有害气体的第二结果；根据获取第/>
类有害气体的第二结果的方法，获取每一类有害气体对应的第二结果，将所有的第二结果相加的和作为气体变化指标，气体变化指标/>
的公式为：
其中，
为畜禽养殖环境中有害气体的种类数量；/>
为第/>
类有害气体在截止到当前采样时刻的前24小时中第/>
个采样时刻下获取的气体含量；/>
为第/>
类有害气体在截止到当前采样时刻的前24小时中第/>
个采样时刻下获取的气体含量；/>
为气体变化指标；/>
为绝对值函数。
需要说明的是，当变化值
越大，说明第/>
类有害气体在第/>
个采样时刻下获取的气体含量与第/>
个采样时刻下获取的气体含量之间的变化越大，对应的第二结果/>
越大，/>
越大；当变化值/>
越小，说明第/>
类有害气体在第/>
个采样时刻下获取的气体含量与第/>
个采样时刻下获取的气体含量之间的变化越小，对应的第二结果/>
越小，/>
越小；因此，变化值/>
与气体变化指标/>
为正相关的关系。
（3）根据超出指标与气体变化指标获取气体异常指标。
计算超出指标与气体变化指标的乘积作为气体异常指标。获取气体异常指标
的公式为：
其中，
为超出指标；/>
为气体异常指标；/>
为气体异常指标。
需要说明的是，
越大，说明畜禽养殖环境中的目标气体含量越多，畜禽养殖环境中的气体越存在异常，/>
越大；/>
越大，说明畜禽养殖环境中的有害气体的气体含量变化越大，间接说明畜禽养殖环境中的有害气体越可能出现了异常，/>
越大；因此，/>
越大，说明畜禽养殖环境中的有害气体越存在异常。
异常监测及报警单元40，用于结合温度判断指标与气体异常指标对畜禽养殖环境进行异常监测及报警。
设置温度异常阈值，当温度判断指标大于温度异常阈值时，即可直接进行异常报警；当温度判断指标小于或等于温度异常阈值时，对气体异常指标进行归一化处理，获得归一化后的气体异常指标，设置有害气体含量异常阈值，若归一化后的气体异常指标大于有害气体含量异常阈值，即可进行异常报警；若归一化后的气体异常指标小于或等于有害气体含量异常阈值，确认畜禽养殖环境不存在异常。
本发明实施例设置温度异常阈值为0.7，当温度判断指标大于温度异常阈值时，说明当前时刻下畜禽养殖环境中的温度异常，可直接进行异常报警，工作人员及时调整畜禽养殖环境中的温度；当温度判断指标小于或等于温度异常阈值时，说明当前时刻下畜禽养殖环境中的温度正常，为了防止异常检测误差，开始对畜禽养殖环境中的有害气体进行进一步的分析。
将获取的气体异常指标进行归一化处理，得到归一化后的气体异常指标，本发明实施例设置有害气体含量异常阈值为0.7，当归一化后的气体异常指标大于有害气体含量异常阈值时，说明当前时刻下畜禽养殖环境中的有害气体存在异常，可直接进行异常报警，工作人员及时处理畜禽养殖环境中的有害气体的气体含量；当归一化后的气体异常指标小于或等于有害气体含量异常阈值时，说明当前时刻下畜禽养殖环境中不存在异常。
至此，本发明实施例完成。
综上所述，本发明实施例中包括：数据采集单元，用于获取畜禽养殖环境的温度和每类有害气体的气体含量以及畜禽的灰度图像；温度检测单元，用于根据温度获取温度异常指标，根据灰度图像中畜禽的分布获取聚集值，根据聚集值与温度异常指标获取温度判断指标；有害气体含量检测单元，用于将气体含量超过气体超标阈值的有害气体作为目标气体，由目标气体获取超出指标；根据相邻采样时刻下的气体含量差异获取气体变化指标；根据超出指标与气体变化指标获取气体异常指标；异常监测及报警单元，用于结合温度判断指标与气体异常指标对畜禽养殖环境进行异常监测及报警，使得监测更准确。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.基于多源数据的畜禽养殖环境异常监测及报警***，其特征在于，该***包括以下步骤：
数据采集单元，用于获取当前采样时刻下畜禽养殖环境的温度和每类有害气体的气体含量以及畜禽的灰度图像；
温度检测单元，用于根据温度获取温度异常指标；将灰度图像输入语义分割网络中获取畜禽头部图像，对畜禽头部图像进行边缘检测获取边缘线，根据边缘线的轮廓信息获得畜禽数量，将灰度图像划分为至少两个区域，统计每个区域中包含的畜禽数量得到聚集值；根据聚集值与温度异常指标获取温度判断指标；
有害气体含量检测单元，用于获取气体含量超过对应类有害气体的气体超标阈值的有害气体作为目标气体，根据目标气体的气体含量与对应类有害气体的气体超标阈值的差值获取超出指标；根据当前采样时刻与其相邻采样时刻下的同一类有害气体的气体含量差异获取气体变化指标；根据超出指标与气体变化指标获取气体异常指标；
异常监测及报警单元，用于结合温度判断指标与气体异常指标对畜禽养殖环境进行异常监测及报警。
2.如权利要求1所述的基于多源数据的畜禽养殖环境异常监测及报警***，其特征在于，所述温度检测单元中根据边缘线的轮廓信息获得畜禽数量的方法，包括：
将畜禽头部对应的闭合边缘线作为目标边缘线，从目标边缘线的质心一分为二，将每个目标边缘线划分为左边缘线与右边缘线，获取左边缘线、右边缘线以及其他边缘线的轮廓相似度，基于轮廓相似度对左边缘线、右边缘线和其他边缘线进行聚类得到聚类簇，计算每个聚类簇的轮廓相似度均值，将两个轮廓相似度均值之间的差异最小所对应的两个聚类簇作为目标聚类簇，获取每个目标聚类簇中边缘线的数量，当数量相等时，将任意一个目标聚类簇中边缘线的数量作为畜禽数量；当数量不相等时，将最大的目标聚类簇中边缘线的数量作为畜禽数量。
3.如权利要求2所述的基于多源数据的畜禽养殖环境异常监测及报警***，其特征在于，所述温度检测单元中获取畜禽头部对应的闭合边缘线的方法，包括：
通过K-means聚类算法根据边缘线中的闭合边缘线长度对闭合边缘线进行聚类获得聚类簇，计算聚类簇中的闭合边缘线长度均值，获取最大的闭合边缘线长度均值对应的聚类簇作为畜禽头部聚类簇，将畜禽头部聚类簇中的闭合边缘线作为畜禽头部对应的闭合边缘线。
4.如权利要求1所述的基于多源数据的畜禽养殖环境异常监测及报警***，其特征在于，所述温度检测单元中统计每个区域中包含的畜禽数量得到聚集值的方法，包括：
获取区域数量，将畜禽数量与区域数量的比值作为每个区域的平均畜禽数量，将每个区域中包含的畜禽数量与平均畜禽数量的差值绝对值进行求和所得的结果作为聚集值。
5.如权利要求1所述的基于多源数据的畜禽养殖环境异常监测及报警***，其特征在于，所述温度检测单元中根据聚集值与温度异常指标获取温度判断指标的方法，包括：
当温度异常指标大于等于预设温度异常阈值时，将温度异常指标的归一化值作为温度判断指标；当温度异常指标小于预设温度异常阈值时，获取聚集值与温度异常性指标的绝对值的比值，将比值进行负相关映射并归一化所得到的结果作为温度判断指标。
6.如权利要求1所述的基于多源数据的畜禽养殖环境异常监测及报警***，其特征在于，所述有害气体含量检测单元中超出指标的获取方法，包括：
获取目标气体的数量，将每类目标气体对应的差值进行相加所得的和与目标气体的数量相乘的结果作为超出指标。
7.如权利要求1所述的基于多源数据的畜禽养殖环境异常监测及报警***，其特征在于，所述有害气体含量检测单元中气体变化指标的获取方法，包括：
基于当前采样时刻之前的预设时段内，获取当前采样时刻与预设时段内的每个采样时刻下的同一类有害气体的气体含量，计算每相邻两个采样时刻下气体含量的差值绝对值作为变化值，将所有变化值的相加结果作为所述同一类有害气体的第二结果，获取每一类有害气体对应的第二结果，将所有的第二结果相加的和作为气体变化指标。
8.如权利要求1所述的基于多源数据的畜禽养殖环境异常监测及报警***，其特征在于，所述有害气体含量检测单元中气体异常指标的获取方法，包括：
计算超出指标与气体变化指标的乘积作为气体异常指标。
9.如权利要求1所述的基于多源数据的畜禽养殖环境异常监测及报警***，其特征在于，所述异常监测及报警单元中用于结合温度判断指标与气体异常指标对畜禽养殖环境进行异常监测及报警的方法，包括：
设置温度异常阈值，当温度判断指标大于温度异常阈值时，即可直接进行异常报警；当温度判断指标小于或等于温度异常阈值时，对气体异常指标进行归一化处理，获得归一化后的气体异常指标，设置有害气体含量异常阈值，若归一化后的气体异常指标大于有害气体含量异常阈值，即可进行异常报警；若归一化后的气体异常指标小于或等于有害气体含量异常阈值，确认畜禽养殖环境不存在异常。
10.如权利要求1所述的基于多源数据的畜禽养殖环境异常监测及报警***，其特征在于，所述温度检测单元中根据温度获取温度异常指标的方法，包括：
设置畜禽养殖环境中的标准温度，将温度与标准温度的差值作为温度异常指标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310107276.9A CN115876258B (zh) | 2023-02-14 | 2023-02-14 | 基于多源数据的畜禽养殖环境异常监测及报警*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310107276.9A CN115876258B (zh) | 2023-02-14 | 2023-02-14 | 基于多源数据的畜禽养殖环境异常监测及报警*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115876258A true CN115876258A (zh) | 2023-03-31 |
| CN115876258B CN115876258B (zh) | 2023-12-08 |
Family
ID=85761084
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310107276.9A Active CN115876258B (zh) | 2023-02-14 | 2023-02-14 | 基于多源数据的畜禽养殖环境异常监测及报警*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115876258B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116128260A (zh) * | 2023-04-18 | 2023-05-16 | 山东奥斯瑞特检验检测有限公司 | 基于数据样本的重点企业环境分析方法 |
| CN116340801A (zh) * | 2023-05-31 | 2023-06-27 | 烟台市福山区动物疫病预防控制中心 | 一种畜牧养殖环境数据异常智能监控方法 |
| CN117056862A (zh) * | 2023-10-10 | 2023-11-14 | 贵州省畜牧兽医研究所 | 基于物联网的家禽养殖环境异常监测*** |
| CN117939726A (zh) * | 2024-03-25 | 2024-04-26 | 深圳市能波达光电科技有限公司 | 基于led杀菌灯的空气净化方法及*** |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102122184A (zh) * | 2011-01-20 | 2011-07-13 | 中国联合网络通信集团有限公司 | 温湿度监控和监测方法、终端设备及*** |
| JP2016032461A (ja) * | 2014-07-31 | 2016-03-10 | 近藤電子株式会社 | 家禽の健康状態診断装置 |
| CN109814644A (zh) * | 2019-01-16 | 2019-05-28 | 日立楼宇技术（广州）有限公司 | 室内环境状态的控制方法、装置、***及存储介质 |
| CN111368798A (zh) * | 2020-03-23 | 2020-07-03 | 中国农业科学院农业信息研究所 | 一种畜禽活动监测方法及*** |
| CN111650981A (zh) * | 2020-06-28 | 2020-09-11 | 辽宁邮电规划设计院有限公司 | 一种基于多传感器的畜牧远程控制***及控制方法 |
| CN111696321A (zh) * | 2020-06-30 | 2020-09-22 | 张祖明 | 一种猪舍气体检测报警***及其方法 |
| CN111766827A (zh) * | 2020-07-09 | 2020-10-13 | 霍祥明 | 一种基于大数据的现代化生猪养殖基地实时监测管理*** |
| CN112748755A (zh) * | 2019-10-30 | 2021-05-04 | 山东科技大学 | 一种基于视觉识别的温度控制装置 |
| CN114009365A (zh) * | 2021-11-19 | 2022-02-08 | 深圳市博安智控科技有限公司 | 物联网智慧养殖方法、***、设备及存储介质 |
| CN114199962A (zh) * | 2021-12-16 | 2022-03-18 | 山西农业大学 | 一种用于畜禽舍内有害气体分析监测*** |
| CN114710537A (zh) * | 2022-03-25 | 2022-07-05 | 深圳市朗锐恒科技开发有限公司 | 一种养殖场内氨气监测方法、装置、电子设备及存储介质 |
-
2023
- 2023-02-14 CN CN202310107276.9A patent/CN115876258B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102122184A (zh) * | 2011-01-20 | 2011-07-13 | 中国联合网络通信集团有限公司 | 温湿度监控和监测方法、终端设备及*** |
| JP2016032461A (ja) * | 2014-07-31 | 2016-03-10 | 近藤電子株式会社 | 家禽の健康状態診断装置 |
| CN109814644A (zh) * | 2019-01-16 | 2019-05-28 | 日立楼宇技术（广州）有限公司 | 室内环境状态的控制方法、装置、***及存储介质 |
| CN112748755A (zh) * | 2019-10-30 | 2021-05-04 | 山东科技大学 | 一种基于视觉识别的温度控制装置 |
| CN111368798A (zh) * | 2020-03-23 | 2020-07-03 | 中国农业科学院农业信息研究所 | 一种畜禽活动监测方法及*** |
| CN111650981A (zh) * | 2020-06-28 | 2020-09-11 | 辽宁邮电规划设计院有限公司 | 一种基于多传感器的畜牧远程控制***及控制方法 |
| CN111696321A (zh) * | 2020-06-30 | 2020-09-22 | 张祖明 | 一种猪舍气体检测报警***及其方法 |
| CN111766827A (zh) * | 2020-07-09 | 2020-10-13 | 霍祥明 | 一种基于大数据的现代化生猪养殖基地实时监测管理*** |
| CN114009365A (zh) * | 2021-11-19 | 2022-02-08 | 深圳市博安智控科技有限公司 | 物联网智慧养殖方法、***、设备及存储介质 |
| CN114199962A (zh) * | 2021-12-16 | 2022-03-18 | 山西农业大学 | 一种用于畜禽舍内有害气体分析监测*** |
| CN114710537A (zh) * | 2022-03-25 | 2022-07-05 | 深圳市朗锐恒科技开发有限公司 | 一种养殖场内氨气监测方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 李春梅;李明阳;沈丹;李延森;韩国锋;: "舍内关键环境因子对畜禽健康影响的研究进展", 中国家禽, no. 03 * |
| 梅楚刚;高骥威;昝林森;: "陕西关中地区肉牛舍内外空气质量时空变化观测分析", 中国牛业科学, no. 06 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116128260A (zh) * | 2023-04-18 | 2023-05-16 | 山东奥斯瑞特检验检测有限公司 | 基于数据样本的重点企业环境分析方法 |
| CN116128260B (zh) * | 2023-04-18 | 2023-07-11 | 山东奥斯瑞特检验检测有限公司 | 基于数据样本的重点企业环境分析方法 |
| CN116340801A (zh) * | 2023-05-31 | 2023-06-27 | 烟台市福山区动物疫病预防控制中心 | 一种畜牧养殖环境数据异常智能监控方法 |
| CN116340801B (zh) * | 2023-05-31 | 2023-07-28 | 烟台市福山区动物疫病预防控制中心 | 一种畜牧养殖环境数据异常智能监控方法 |
| CN117056862A (zh) * | 2023-10-10 | 2023-11-14 | 贵州省畜牧兽医研究所 | 基于物联网的家禽养殖环境异常监测*** |
| CN117056862B (zh) * | 2023-10-10 | 2023-12-19 | 贵州省畜牧兽医研究所 | 基于物联网的家禽养殖环境异常监测*** |
| CN117939726A (zh) * | 2024-03-25 | 2024-04-26 | 深圳市能波达光电科技有限公司 | 基于led杀菌灯的空气净化方法及*** |
| CN117939726B (zh) * | 2024-03-25 | 2024-05-24 | 深圳市能波达光电科技有限公司 | 基于led杀菌灯的空气净化方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115876258B (zh) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110263846B (zh) | 基于故障数据深度挖掘及学习的故障诊断方法 | |
| CN115876258A (zh) | 基于多源数据的畜禽养殖环境异常监测及报警*** | |
| CN108733107B (zh) | 一种基于无线传感器网络的禽畜饲养环境测控*** | |
| CN113526282B (zh) | 一种电梯中长期老化故障诊断方法、装置、介质和设备 | |
| CN111540471A (zh) | 一种基于用户健康数据的健康状态跟踪及预警方法和*** | |
| CN112188532A (zh) | 网络异常检测模型的训练方法、网络检测方法及装置 | |
| CN117289778B (zh) | 一种工控主机电源健康状态的实时监测方法 | |
| CN115575584B (zh) | 一种大气环境镉含量监测预警方法及*** | |
| CN116843236A (zh) | 一种基于人工智能的食品存储监管*** | |
| CN113516313A (zh) | 一种基于用户画像的燃气异常检测方法 | |
| CN118094449B (zh) | 基于工业互联网的生产智能监控方法、***及装置 | |
| CN114580572B (zh) | 一种异常值的识别方法、装置、电子设备及存储介质 | |
| CN115659195A (zh) | 一种大气污染在线识别方法 | |
| CN117113118B (zh) | 一种生物气溶胶用智能监测方法及*** | |
| CN116975672B (zh) | 一种煤矿皮带输送电机温度监测方法及*** | |
| CN116257651B (zh) | 一种贯通道渡板异响智能监测*** | |
| CN117455245A (zh) | 一种用于企业安全生产的风险智能评定*** | |
| CN116206208B (zh) | 一种基于人工智能的林业病虫害快速分析*** | |
| CN111274949A (zh) | 一种基于结构分析的血液病白细胞散点图相似度分析方法 | |
| CN113836813A (zh) | 一种基于数据分析的高炉风口漏水检测方法 | |
| CN113408383A (zh) | 基于有界β(g,h)分布和MWKPCA的可听噪声无效数据判定方法 | |
| CN106326882A (zh) | 一种基于图像质量评估技术的指纹识别***及方法 | |
| CN116034905B (zh) | 一种基于智能耳标运动量的猪只行为节律分析方法 | |
| CN117969774B (zh) | 一种自动化燕窝检测与分级*** | |
| CN115082722B (zh) | 基于正向样本的设备缺陷检测方法、***、终端及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |