[0001]技术领域
[0002]本发明属于环境调控技术领域，具体涉及一种基于健康舒适度的笼养肉鸭养殖环境调控方法。
[0003]背景技术
[0004]随着家禽养殖产业技术和装备不断完善，笼养肉鸭养殖方式得到了快速发展。由于笼养肉鸭养殖密度大且肉鸭活动范围有限，养殖舍环境条件成为影响肉鸭健康与生产性能发挥的关键制约因素。因此，控制笼养肉鸭养殖环境处于适宜范围具有重要意义。
[0005]目前，家禽养殖舍环境调控系统是基于环境参数监测结果的调控方法，通过养殖舍内环境传感器的监测数据判断是否符合舍内环境要求进行控制。张龙爱等人设计了了一种用于养殖的空调控制方法、控制装置及系统，能够实现自动化控制养殖场所的空气环境，但仅能对空气和风量进行调控。周丰等人提出一种基于大数据的智能化多层立体肉鸭养殖系统，包含环境监测和环境调控模块，根据检测环境变化进行环境调控，未考虑环境调控设备的调节滞后性，导致环境调控的实时性和准确性不足。李保明等人提出了一种畜禽舍养殖环境温度预测控制系统及其调控方法，基于温度预测模型对养殖环境的温度进行模糊控制，提高了养殖舍温度调控的实时性和适应性，但未针对动物舒适度优化温度调控模型，在科学性和适应性上有所欠缺。因此，需要一种融合多环境参数以及肉鸭监测信息的方法，提高养殖舍环境调控的实时性、准确性、科学性和适应性。
[0006]发明内容
[0007]本发明的目的是为了解决现有环境调控存在的科学性和适应性不足且实时性和准确性低的问题，提出了一种基于健康舒适度的笼养肉鸭养殖环境调控方法。
[0008]本发明的技术方案是：一种基于健康舒适度的笼养肉鸭养殖环境调控方法包括以下步骤：
[0009]S1：获取鸭舍内外环境监测信息和肉鸭健康表征信息；
[0010]S2：根据鸭舍内外环境监测信息和肉鸭健康表征信息，确定肉鸭健康舒适度关键指标；
[0011]S3：根据肉鸭健康舒适度关键指标，确定肉鸭健康舒适度指数；
[0012]S4：将鸭舍内外环境监测信息和肉鸭健康舒适度指数作为神经网络的输入，得到下一时刻鸭舍内环境信息和肉鸭健康舒适度指数预测值；
[0013]S5：根据下一时刻鸭舍内环境信息和肉鸭健康舒适度指数预测值，进行环境调控。
[0014]进一步地，步骤S1中，肉鸭健康表征信息包括行为异常觉察信息、采食量异常觉察信息、运动异常觉察信息、声音异常觉察信息和体温异常觉察信息；
[0015]获取行为异常觉察信息和采食量异常觉察信息的具体方法为：采集鸭舍视频，并利用自适应阈值方法从鸭舍视频中获取肉鸭图像，将肉鸭图像作为卷积神经网络的输入，得到行为异常觉察信息和采食量异常觉察信息；
[0016]获取声音异常觉察信息的具体方法为：采集肉鸭声音数据，对肉鸭声音数据依次进行预加重、分帧、加窗、傅里叶变换和梅尔频率倒谱系数求解，得到声音特征向量，作为声音异常觉察信息；
[0017]获取运动异常觉察信息的具体方法为：采集肉鸭运动数据，利用信号时域分析方法、信号频域分析方法和信号时频域分析方法提取肉鸭运动数据的多维特征，得到运动特征向量，将声音特征向量和运动特征向量进行融合，得到融合特征向量，作为运动异常觉察信息；
[0018]获取体温异常觉察信息的具体方法为：采集肉鸭体温数据，将处于设定温度阈值范围外的体温数据作为体温异常觉察信息。
[0019]进一步地，步骤S2包括以下子步骤：
[0020]S21：将鸭舍内外环境监测信息和肉鸭健康表征信息进行时序配对并加上时间信息，将鸭舍内外环境监测信息的集合作为环境监测事务库，将肉鸭健康表征信息的集合作为肉鸭健康表征事务库，将环境监测事务库、肉鸭健康表征事务库和时间信息的集合作为总事务库；
[0021]S22：根据总事务库，计算事务支持度和事务置信度；
[0022]S23：根据事务支持度和事务置信度，计算事务提升度；
[0023]S24：将事务提升度大于设定提升度阈值的数据作为肉鸭健康舒适度关键指标。
[0024]进一步地，步骤S22中，事务支持度Support(X i ,Y i )的计算公式为：
[0025]式中，P(X i ,Y i )表示包含X i 状态的鸭舍内外环境监测信息和Y i 状态的肉鸭健康表征信息的事务占总事务库的比例，number(X i ,Y i )表示包含X i 状态的鸭舍内外环境监测信息和Y i 状态的肉鸭健康表征信息的事务数量，number(ALLSamples)表示总事务库内事务数量；
[0026]步骤S22中，事务置信度Confidence(X i →Y i )的计算公式为：
[0027]式中，P(X i 〡Y i )表示总事务库内鸭舍内外环境监测信息为X i 状态的事务中包含肉鸭健康表征信息为Y i 状态的比率，P(X i )表示鸭舍内外环境监测信息为X i 状态的概率；
[0028]步骤S23中，事务提升度Lift(X i ,Y i )的计算公式为：
[0029]式中，P(Y i )表示肉鸭健康表征信息为Y i 状态的概率。
[0030]进一步地，步骤S3包括以下子步骤：
[0031]S31：将鸭舍内外环境监测信息和肉鸭健康表征信息作为要素层，将肉鸭健康舒适度关键指标作为指标层，并根据要素层和指标层计算主观权重；
[0032]S32：根据要素层和指标层计算客观权重；
[0033]S33：根据主观权重和客观权重，计算综合主客观权重；
[0034]S34：根据综合主观权重，计算肉鸭健康舒适度指数。
[0035]进一步地，步骤S31中，主观权重μ 1 的计算公式为：
[0036]式中，U表示要素层元素个数，C表示指标层元素个数，ω表示各元素权重；
[0037]步骤S32中，对肉鸭健康舒适度关键指标进行归一化处理，计算归一化处理后第i个指标的综合数据值，根据第i个指标的综合数据值计算变异系数，根据变异系数计算客观权重；其中，第i个指标的综合数据值 变异系数b i 和客观权重μ 2 的计算公式分别为：
[0038]式中，t表示关键指标个数，Z il 表示第i个关键指标的第l个数据，x ij 表示t个关键指标中属于第j类关键指标的第i个指标的参数值， 表示第j个指标的综合数据值；
[0039]步骤S33中，综合主客观权重β i 的计算公式为：
[0040]式中，α i 表示第i个指标的经验因子， 为第i个指标的主观权重， 为第i个指标的客观权重；
[0041]步骤S34中，肉鸭健康舒适度指数的计算公式为：
[0042]式中，Z i 表示第i个关键指标。
[0043]进一步地，步骤S5中，进行环境调控的具体方法为：计算下一时刻鸭舍内环境信息与预设环境信息的偏差和偏差变化率，在偏差或偏差变化率大于设定阈值时，将肉鸭健康舒适度指数预测值作为约束条件进行环境调控。
[0044]本发明的有益效果是：
[0045](1)本发明将环境监测信息与肉鸭监测信息协同获取，并对肉鸭监测信息进行健康觉察处理得到肉鸭健康表征信息，结合关联分析方法将多源信息高效融合，与现有技术相比，将养殖设外部环境信息及肉鸭信息纳入考虑，使环境调控参考信息更全面科学，提高了环境调控的准确性和可靠性；
[0046](2)本发明采用的肉鸭健康舒适度评估过程是对现有养殖舍综合环境评价体系的升级，将肉鸭健康表征信息纳入评价指标，主客观权重的融合使各指标的权重更科学严谨，提高了环境信息和健康舒适度动态预测的准确性和可靠性；
[0047](3)本发明的肉鸭养殖环境调控方法在环境参数预测的基础上，以肉鸭健康舒适度预测指数作为约束制定的，与现有技术基于环境参数检测结果的调控方式相比，更加科学准确，且实时性更高。
[0048]附图说明
[0049]图1为笼养肉鸭养殖环境调控方法的流程图；
[0050]图2为笼养肉鸭养殖环境调控方法对应系统的结构图。
[0051]具体实施方式
[0052]下面结合附图对本发明的实施例作进一步的说明。
[0053]如图1所示，本发明提供了一种基于健康舒适度的笼养肉鸭养殖环境调控方法，包括以下步骤：
[0054]S1：获取鸭舍内外环境监测信息和肉鸭健康表征信息；
[0055]S2：根据鸭舍内外环境监测信息和肉鸭健康表征信息，确定肉鸭健康舒适度关键指标；
[0056]S3：根据肉鸭健康舒适度关键指标，确定肉鸭健康舒适度指数；
[0057]S4：将鸭舍内外环境监测信息和肉鸭健康舒适度指数作为神经网络的输入，得到下一时刻鸭舍内环境信息和肉鸭健康舒适度指数预测值；
[0058]S5：根据下一时刻鸭舍内环境信息和肉鸭健康舒适度指数预测值，进行环境调控。
[0059]步骤S1中，根据时序对肉鸭监测信息进行健康觉察处理得到肉鸭健康表征信息(采食量、运动轨迹、行为等)，将环境信息和肉鸭健康表征信息进行时序配对并加上时间信息。
[0060]步骤S2中，对步骤S1获取的环境监测信息和肉鸭健康表征信息根据时间信息进行数据融合，接着使用基于关联分析算法挖掘融合数据之间的关系，找出多源信息之间的强关联规则，提取出关键指标作为肉鸭健康舒适度评估体系建立的重要指标。
[0061]步骤S3中，将步骤S2得到的各重要指标输入肉鸭健康舒适度评估体系，得到当前肉鸭健康舒适度指数，将环境信息和肉鸭健康舒适度进行时序配对并加上时间信息。
[0062]步骤S4中，采用神经网络技术建立预测模型，将环境监测信息与肉鸭健康舒适度指数时间序列输入神经网络，得到下一时间段的环境信息和肉鸭健康舒适度动态预测值。
[0063]步骤S5中，将步骤S4得到环境信息预测值与适宜环境信息比较，获得偏差和偏差变化率。将环境信息预测值偏差和偏差变化率输入模糊控制模型得到养殖场各环境信息的模糊控制量，以肉鸭健康舒适度预测值作为约束条件，结合定性决策法制定环境调控设备调控规则，形成笼养肉鸭养殖环境调控决策。
[0064]在本发明实施例中，步骤S1中，肉鸭健康表征信息包括行为异常觉察信息、采食量异常觉察信息、运动异常觉察信息、声音异常觉察信息和体温异常觉察信息；
[0065]获取行为异常觉察信息和采食量异常觉察信息的具体方法为：采集鸭舍视频，并利用自适应阈值方法从鸭舍视频中获取肉鸭图像，将肉鸭图像作为卷积神经网络的输入，得到行为异常觉察信息和采食量异常觉察信息；
[0066]获取声音异常觉察信息的具体方法为：采集肉鸭声音数据，对肉鸭声音数据依次进行预加重、分帧、加窗、傅里叶变换和梅尔频率倒谱系数求解，得到声音特征向量，作为声音异常觉察信息；
[0067]获取运动异常觉察信息的具体方法为：采集肉鸭运动数据，利用信号时域分析方法、信号频域分析方法和信号时频域分析方法提取肉鸭运动数据的多维特征，得到运动特征向量，将声音特征向量和运动特征向量进行融合，得到融合特征向量，作为运动异常觉察信息；
[0068]综合运用信号时域、频域、时频域分析方法提取多维特征，组建表征肉鸭行为的运动特征向量，通过堆叠自编码器构造深度融合网络使声音特征与运动特征的交替优化融合，获得声音－运动融合特征向量，应用领域自适应理论获得运动异常觉察信息；
[0069]获取体温异常觉察信息的具体方法为：采集肉鸭体温数据，将处于设定温度阈值范围外的体温数据作为体温异常觉察信息。
[0070]对接入的视频流数据，应用自适应阈值方法对肉鸭图像分割，实现快速准确地提取肉鸭图像区域。在肉鸭图像分割的基础上，结合卡尔曼滤波算法进行肉鸭目标跟踪。首先利用提出的自适应阈值肉鸭图像分割算法找到完整运动目标区域，遍历每一个轮廓，并计算质心点坐标，采用卡尔曼滤波与前景目标分割算法相结合的改进算法进行实时跟踪，实现动态肉鸭目标的行为跟踪。基于深度学习的卷积神经网络，训练并建立针对肉鸭笼养环境下的卷积人工神经网络模型，获得肉鸭行为异常觉察、采食量异常觉察和运动异常觉察等信息。
[0071]对接入的肉鸭声音数据进行放大，分析采集到的肉鸭声音特点选择合适滤波方式，通过鉴频与定位算法相结合的方式，确定发出异常声音的肉鸭位置。基于MFCC(梅尔频率倒谱系数)设计适合肉鸭声音数据的声学特征，通过数据预加重、分帧、加窗、快速傅里叶变换和MFCC求解，得到表征肉鸭行为的声音特征向量。利用肉鸭运动行为数据，对肉鸭运动行为在X、Y、Z三轴方向曲线波动性进行分析，综合运用信号时域、频域和时频域分析方法提取多维特征，组建表征肉鸭行为的运动特征向量。为充分发挥多源异构数据的关联性和互补性，通过堆叠自编码器构造深度融合网络使声音特征与运动特征的交替优化融合，获得声音－运动融合特征向量。针对传感器所采集到的数据集存在类别不平衡问题，即部分类别的数量远远多于其他类别的数量，应用领域自适应理论，首先对融合特征向量归一化处理，定义边界损失函数，自适应地结合已知的行为分类确定球状决策边界中心和半径，进而确定决策边界用于肉鸭行为识别，获得行为异常觉察、运动异常觉察和声音异常觉察等信息。
[0072]综合行为异常觉察、采食量异常觉察、运动异常觉察、声音异常觉察和体温异常觉察等信息，作为肉鸭健康表征信息。
[0073]在本发明实施例中，步骤S2包括以下子步骤：
[0074]S21：将鸭舍内外环境监测信息的集合作为环境监测事务库，将肉鸭健康表征信息的集合作为肉鸭健康表征事务库；
[0075]S22：根据环境监测事务库和肉鸭健康表征事务库，计算事务支持度和事务置信度；
[0076]S23：根据事务支持度和事务置信度，计算事务提升度；
[0077]S24：将事务提升度大于设定提升度阈值的数据作为肉鸭健康舒适度关键指标。
[0078]本发明设计的基于Apriori的多源信息关联分析算法是步骤S2中的应用。该算法针对环境监测和肉鸭健康表征多源信息，使用逐层搜索的迭代方法，提取出关键指标建立肉鸭健康舒适度评估体系，算法相关概念如下：
[0079]事务：在本发明中带有时间信息的环境监测数据x i 和肉鸭健康表征数据y i 分别组成的数据集X i 和Y i 称为事务，事务X i 和Y i 组成的数据集为环境监测事务库X和肉鸭健康表征事务库Y。将环境监测信息分为三个范围：正常、偏高和偏低，则其中一个事务X i 可表示为：
[0080][温度适宜、湿度适宜、CO2浓度偏高……]。将肉鸭健康表征信息分为三个等级：正常、健康和临界，则其中一个事务Y i 可表示为：[行为正常、运动异常、声音正常、体温正常]。
[0081]k项集：如果事务X i 中包含k个元素，那么称这个事务X i 为k项集，并且事件X满足最小支持度阈值的事件称为频繁k项集。
[0082]在本发明实施例中，步骤S22中，支持度指事务库中几个事务同时出现的概率；事务支持度Support(X i ,Y i )的计算公式为：
[0083]式中，P(X i ,Y i )表示包含鸭舍内外环境监测信息X i 和肉鸭健康表征信息Y i 的事务占事务库的比例，number(X i ,Y i )表示包含鸭舍内外环境监测信息X i 和肉鸭健康表征信息Y i 的事务数量，number(ALLSamples)表示两个事务库内事务总数量；
[0084]步骤S22中，置信度指针对关联规则定义，P(X i 〡Y i )指当事务X i 发生时，事务X i 推出事务Y i (“X i →Y i ”)的概率，事务置信度Confidence(X i →Y i )的计算公式为：
[0085]式中，P(X i 〡Y i )表示环境监测信息为X i 时肉鸭健康表征信息为Y i 的概率，P(X i )表示环境监测信息为X i 概率；
[0086]步骤S23中，提升度指“X i →Y i ”的置信度与Y i 发生的机率之比；事务提升度Lift(X i ,Y i )的计算公式为：
[0087]式中，P(Y i )表示肉鸭健康表征信息为Y i 概率。
[0088]提升度体现了X i 与Y i 的关联性，当Lift(X i ,Y i )>1时，提升度值越大，则正向关联越强，当Lift(X i ,Y i )<1时，提升度值越小，则负向关联越弱，Lift(X i ,Y i )＝1当时，则没有相关性。
[0089]对环境监测和肉鸭健康表征事务库计算支持度和置信度，设定最小支持度阀值和最小置信度阀值，逐层搜索迭代找出多源信息之间的强关联规则(同时满足最小支持度阀值和最小置信度阀值的规则)例如：“[舍内温度适宜、舍内湿度适宜、CO2浓度偏高……]→[行为正常、运动异常、声音正常、体温正常]”，从中提取出关键指标(如舍内温度、舍内湿度、CO2浓度……)素作为肉鸭健康舒适度评估体系建立的重要指标。
[0090]在本发明实施例中，步骤S3包括以下子步骤：
[0091]S31：将鸭舍内外环境监测信息和肉鸭健康表征信息作为要素层，将肉鸭健康舒适度关键指标作为指标层，并根据要素层和指标层计算主观权重；
[0092]S32：根据要素层和指标层计算客观权重；
[0093]S33：根据主观权重和客观权重，计算综合主客观权重；
[0094]S34：根据综合主观权重，计算肉鸭健康舒适度指数。
[0095]本发明设计了一种肉鸭健康舒适度评估体系。该评估体系是在步骤S3中应用，依据步骤S2对环境监测和肉鸭健康表征信息关联分析的结果，将整个评估体系划分为三个层次，即目标层、要素层和指标层。目标层为肉鸭健康舒适度指数A；要素层包含舍内环境监测信息U 1 、舍外环境监测信息U 2 和肉鸭健康表征信息U 3 ；指标层为步骤S2对环境监测和肉鸭监测信息关联分析后提取的关键指标C，C＝{C 1 ,C 2 ,C 3 …C c }，c为关键指标个数。肉鸭健康舒适度评估为：
[0096]主观权重计算：以要素层作判断依据，得到要素层的判断矩阵，记为PU 1 ，PU 2 ，PU 3 ；以指标层为判断依据，得到指标层的判断矩阵，记为PC 1 ,PC 2 ,PC 3 ,…,PC c 。判断矩阵P的形式如下：
[0097]式中，对于要素层的判断矩阵PU，b ij 表示要素i相对于要素j的重要程度；对于指标层的判断矩阵PC，b ij 表示指标i相对于指标j的重要程度，关系如下：
[0098]将各层元素两两之间进行重要性比较，计算各元素权重：
[0099]Pω＝λ max ω
[0100]式中，λ max 为R的最大特征根，ω＝(ω 1 ,ω 2 …,ω n ) T 为P的权重向量。利用以上公式计算要素层权重为ω U ，指标层权重为ω C 指标层相对目标层的权重为ω CA ，综合主观权重为 各权重表达式分别为：
[0101]式中，u为要素层元素个数，c为指标层元素个数。将综合主观权重 记为μ 1 。
[0102]客观权重计算：将各关键指标的全部数据归一化处理后，对每一项指标进行平均统计，其计算过程如下：对肉鸭健康评估指标构造决策矩阵，记为：x＝(x ij ) m*t ，m为关键指标类型数量(本发明的关键指标类型有舍内环境信息、舍外环境信息和肉鸭健康表征信息),x ij 表示t个关键指标中属于第j(1≤j≤m)类关键指标的第i个指标的参数值。变异系数值越大越能够表示第i个指标在不同评价次序之间的权值越大。
[0103]综合主客观权重：利用变异系数对主观权重进行修正。
[0104]肉鸭健康舒适度评估：使用线性加权的方法求出目标层的综合评分F，即肉鸭健康舒适度指数，肉鸭健康舒适度指数越大说明肉鸭健康异常可能性越低。
[0105]在本发明实施例中，步骤S31中，主观权重μ 1 的计算公式为：
[0106]式中，U表示要素层元素个数，C表示指标层元素个数，ω表示各元素权重；
[0107]步骤S32中，对肉鸭健康舒适度关键指标进行归一化处理，计算归一化处理后第i个指标的综合数据值，根据第i个指标的综合数据值计算变异系数，根据变异系数计算客观权重；其中，第i个指标的综合数据值 变异系数b i 和客观权重μ 2 的计算公式分别为：
[0108]式中，t表示关键指标个数，Z il 表示第i个关键指标的第l个数据，x ij 表示t个关键指标中属于第j类关键指标的第i个指标的参数值， 表示第j个指标的综合数据值；
[0109]步骤S33中，综合主客观权重β i 的计算公式为：
[0110]式中，α i 表示第i个指标的经验因子， 为第i个指标的主观权重， 为第i个指标的客观权重；
[0111]步骤S34中，肉鸭健康舒适度指数的计算公式为：
[0112]式中，Z i 表示第i个关键指标。
[0113]在本发明实施例中，步骤S5中，进行环境调控的具体方法为：计算下一时刻鸭舍内环境信息与预设环境信息的偏差和偏差变化率，在偏差或偏差变化率大于设定阈值时，将肉鸭健康舒适度指数预测值作为约束条件进行环境调控。
[0114]将步骤S4得到环境信息预测值与适宜环境信息比较，获得偏差E和偏差变化率△E，共同作为环境调控模型的输入。以温度监测指标舍内温度为例，E＝H-H 0 ， 式中：H为温度预测值；H 0 为舍内适宜温度。基于模糊理论，将偏差E和偏差变化率△E转化为模糊控制理论语言值，具体转换公式如下：
[0115]式中，X为偏差值E及其变化率△E，a为论域上限；b为论域下限；Y为X对应的模糊语言值。
[0116]设定舍内温度预测值偏差模糊集论域为[-3,3]，可分为7个等级{-3,-2,-1,0,1,2,3}，这是输入值的量化过程。偏差的模糊语言值取：{NB＝负大，NM＝负中，NS＝负小，Z＝0中，PM＝正小，PM＝正中，PB＝正大}。同理，舍内温度预测值偏差的变化率也根据上述方法划分三个等级模糊语言值(负，中，正)；模糊控制模型输出控制量的模糊值取：{NB＝负大，NM＝负中，Z＝0中，PM＝正中，PB＝正大}，将模糊输出语言值转化为温度调控设备的模糊控制量。环境调控模型具体规则如下：当舍内温度预测值偏差E及其变化率△E较大时，应尽快消除偏差；当它们较小或为零时，需优先保持舍内温度预测值稳定性。
[0117]最后，根据环境调控模型输出的温度调控设备的模糊控制量，以肉鸭健康舒适度预测值作为约束条件定性分析制定温度调控设备调控规则，形成笼养肉鸭养殖环境调控决策。
[0118]笼养肉鸭养殖环境调控方法基于笼养肉鸭养殖环境调控系统实现，包括环境监测模块、肉鸭监测模块、环境调控模块和核心处理模块。其中，环境监测模块采用环境监测传感器实时获取鸭舍内外环境信息(温度、湿度、风速、光照度、CO2浓度、NH3浓度、H2S浓度、PM2.5浓度、PM10浓度、舍外温度、舍外湿度、舍外风速和舍外光照度)，肉鸭监测模块采用RGB摄像头、声音传感器、运动传感器和体温传感器实时采集肉鸭视频、声音、运动和体温信息，环境调控模块包括环境调控模型和环境调控设备，核心处理模块包括肉鸭健康舒适度评估体系和预测模型。
[0119]本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
