CN104871999B - 一种智能集约化家畜、家禽监测系统及方法 - Google Patents

Abstract

本发明涉及一种智能集约化家畜、家禽监测系统及方法，其包括体重随机测定装置、料量消耗量测定装置，其中，所述的体重随机测定装置，其动态实时、智能测定所控制动物群体的体重数据，结合每日群体体重差异获得平均日增重的群体参数；所述的料量消耗量测定装置，其获得动态实时的饲粮消耗量参数；所述的体重随机测定装置和料量消耗测定装置分别将体重信息和料量消耗信息通过传输网络传输至数据处理中心，数据处理中心将处理后的数据发送至数据接收终端。本发明的系统以及方法能够实时、动态、智能测定最大边际收益和边际成本的实时变化趋势，具有极高的可靠性与实用性。

Description

一种智能集约化家畜、家禽监测系统及方法

技术领域

本发明涉及家畜监测领域，尤其涉及一种智能集约化家畜、家禽监测系统及方法。

背景技术

到目前为止，全世界范围内针对智能测定集约化生产条件下，家畜、家禽动态实时边际收益与边际成本的方法及系统测定技术仍为空白。历史上都是出栏算总账的“秋后算账”方式。由此导致养殖业亏损严重的现实问题。

目前人们还不能做到智能测定集约化生产条件下，家畜、家禽动态实时边际收益与边际成本的主要原因是：

技术障碍：

a)群体耗料量智能测定技术；

b)动物群体体重非介入、智能测定技术；

c)云数据动态实时分析技术；

d)生物统计学对动态数据流的处理方法学；

e)物料体积计算当中的动态曲面积分方法学等。

鉴于上述缺陷，本发明创作者经过长时间的研究和实践终于获得了本创作。

发明内容

本发明的目的在于提供一种智能集约化家畜、家禽监测系统及方法，用以克服上述技术缺陷。

为实现上述目的，本发明提供一种智能集约化家畜、家禽监测系统，其包括体重随机测定装置、料量消耗量测定装置，其中，

所述的体重随机测定装置，其动态实时、智能测定所控制动物群体的体重数据，结合每日群体体重差异获得平均日增重的群体参数；

所述的料量消耗量测定装置，其获得动态实时的饲粮消耗量参数；

所述的体重随机测定装置和料量消耗测定装置分别将体重信息和料量消耗信息通过传输网络传输至数据处理中心，数据处理中心将处理后的数据发送至数据接收终端。

进一步地，所述的体重随机测定装置包括在引水口处安装的体重智能测定仪，其为三个重量传感器，在家畜从进入口中进入后，在引水口处的重量传感器获取重量信息；

重量传感器的输出端与第一A/D转换器连接，第一A/D转换器的输出端与第一数据处理模块连接。

进一步地，所述的料量消耗量测定装置包括桶仓，在桶仓内设置有饲粮，在桶仓的上方设置有探测雷达，探测雷达的输出端连接有第二A/D转换器，所述的第二A/D转换器的输出端与第二数据处理模块连接。

进一步地，所述的重量传感器的数据信息的采集，在动态条件下以每秒钟测定8次的频率在一次饮水行为时间内完成的，针对如此大量的体重信息的处理方式，本发明采用了统计学方式，首先确定每一次测定体重期间所测定数据的分布，依分布按照统计学原理剔除两端极端参数，保留一次测定区间数据的主体部分作为此次测定的数据基础。

进一步地，所述的重量传感器采集数据信息后，计算正态曲线下横轴上某一区间的面积占总面积的百分数，以便估计该区间的例数占总例数的百分数或测定值落在该区间的概率。

进一步地，所述的体重随机测定装置，其动态实时、智能测定所控制动物群体的体重数据，结合每日群体体重差异获得平均日增重的群体参数；

平均日增重的群体计算方法为：

试验期间无死淘情况，请参见公式(1)，

试验期间有死淘猪只，请参见公式(2)

平均日采食量计算法：

试验期间无死淘情况，请参见公式(3)，

试验期间有死淘猪情况，请参见公式(4)，

平均日采食量(kg/日/头)＝试验期间的全部耗料量(kg)÷试验期间每天的所有存活猪头数之和(日/头)。

进一步地，所述的数据处理中心将数据进行处理后，经过加密传输至所述的数据接收终端，所述的数据接收终端解密后对数据进行处理；

所述的数据处理中心包括加密模块，所述加密模块包括一密钥产生模块、一管理模块和一变换模块，其中密钥产生模块产生一随机密钥key并存储在管理模块中；所述变换模块，对消息帧中data1或data2即信息部分和密钥key分别进行移位变换；所述变换模块，对移位变换后的消息部分和密钥部分进行乘积变换，并对所述对上述步骤中乘积变换结果进行移位变换，得到加密后的消息帧中data1或data2即信息部分；

所述变换模块对管理单元存储的初始密钥K_known和密钥key分别进行移位变换，对移位变换后的管理单元存储的初始密钥K_known和密钥部分进行乘积变换，并对所述对上述步骤中乘积变换结果进行移位变换，得到加密后的密钥key。

进一步地，在每个用户终端中都包括一解密模块、一验证模块、一管理模块和一逆变换模块，其中验证模块对信息进行CRC校验和配对信息验证；如果接收到的一对消息帧，有一个CRC校验结果错误，则丢弃两个消息帧，管理模块向数据处理中心发送请求，等待数据处理中心重传。若校验结果正确，则对消息帧进行配对验证，选取配对信息一致的一对消息帧传递到逆变换模块中进行解码；

所述的逆变换模块，首先使用管理模块存储的初始密钥k_known对密钥key解密，所述的逆变换模块，对消息帧中密钥key和管理模块存储的初始密钥k_known进行反移位变换，对移位变换后的消息帧中密钥key和管理模块存储的初始密钥k_known进行逆乘积变换，对所述对上述步骤中乘积变换结果进行反移位变换，得到密钥key。

进一步地，所述的数据处理中心获取数据后，采取随机抽样的方式进行，对信号波形，在每连续的K个周期内，每周期选择n个预设时刻的采样点，每间隔时间T₀采样一次，连续取样M次；为了保证取样数据的可参考性与准确性，在每一周期内选择的n个采样点的时间间隔Δt按照下述公式计算，

式中，Δt表示采样点的时间间隔，a为修正系数，其大小由采样点数量决定，ω表示信号的角频率，由重量传感器和探测雷达的性能决定，β为初始相角，T表示信号周期的时间，λ表示信号波形的峰值。

本发明还提供一种智能集约化家畜、家禽监测方法，该方法的具体过程为：

步骤a，家畜进入饮水端获取数据；该过程是：由一个家畜、家禽进入饮水端触发一个数据获取流程启动，由家畜、家禽退出饮水端的信号停止数据获取流程；

重量数据流的获取过程为：

步骤a1，获取家畜、家禽非特异个体信息；

步骤a2，通过重力传感器记录家畜、家禽的重量信息；

步骤a3，通过探测雷达获取家畜、家禽的进食饲粮的重量；

步骤b，随机测定装置、料量消耗量测定装置将获取的重量和进食饲粮的数据传输至数据处理中心进行处理，并传输至数据接收终端；

步骤c，逐日动态累计获取体重和采食量数据，逐日对所获取的重量数据应对日期变化采用拟合的方式形成边际收益和边际成本曲线。

与现有技术相比本发明的有益效果在于，本发明的系统以及方法能够实时、动态、智能测定最大边际收益和边际成本的实时变化趋势，杜绝盲目养殖过程；具有极高的可靠性与实用性，给生产、研发带来了全新的决策依据，是养猪业、养禽业提高利润率的必备工具。

现行的“秋后算账”这类方法与本发明之间的关键区别在于：

a、本发明技术直接测定养殖的边际收益和边际成本。

b、本发明为群体直接测定体系，传统方法没有测定。两者之间存在着本质的区别。

c、本发明为动态、实时、非介入、智能测定技术，具有极高的可靠性与实用性。是全新的动态、实时、非介入与智能化的测定系统。

本发明针对边际收益和边际成本智能测定的问题，运用大云计算与大数据处理技术，成功地将在非介入条件下实时、动态采集的信息进行实时、动态、智能分析后实时反馈到用户和决策者手中。

附图说明

图1为本发明的智能集约化家畜、家禽监测系统的功能框图；

图2为本发明的体重测定装置的结构示意图；

图3为本发明的料量消耗量的结构示意图；

图4为本发明的体重正态分布示意图。

具体实施方式

以下结合附图，对本发明上述的和另外的技术特征和优点作更详细的说明。

请参阅图1所示，其为本发明的智能集约化家畜、家禽监测系统的功能框图，本发明实施例的系统包括非介入、动态实时状态下智能测定集约化生产条件下家畜、家禽的平均日增重、平均日采食量指标，结合饲粮成本和市场动态畜产品交易价格实时计算出家畜、家禽生长过程中的边际收益和边际成本。在此基础上形成两条非常直观的曲线，一条边际收益曲线和一条边际成本曲线，用于指导畜牧业生产实践中的投入产出效益控制。

本发明系统包括体重随机测定装置、料量消耗量测定装置；其中，体重随机测定装置其动态实时、智能测定所控制动物群体的体重数据，结合每日群体体重差异获得平均日增重的群体参数。

平均日增重的群体计算方法为：

试验期间无死淘情况，请参见公式(1)，

试验期间有死淘猪只，请参见公式(2)

平均日采食量计算法：

试验期间无死淘情况，请参见公式(3)，

试验期间有死淘猪情况，请参见公式(4)，

平均日采食量(kg/日/头)＝试验期间的全部耗料量(kg)÷试验期间每天的所有存活猪头数之和(日/头)。 (4)

所述的料量消耗量测定装置，获得动态实时的饲粮消耗量参数；所述的体重随机测定装置和料量消耗测定装置分别将体重信息和料量消耗信息通过传输网络传输至数据处理中心，数据处理中心将处理后的数据发送至数据接收终端。

请结合图2所示，在本实施例中，所述的体重随机测定装置包括在引水口11安装体重智能测定仪，其为三个重量传感器12，在家畜从进入口13中进入后，在引水口11处的重量传感器12获取重量信息；重量传感器12的输出端与第一A/D转换器14连接，第一A/D转换器14的输出端与第一数据处理模块15连接。

重量传感器12的数据信息的采集，在动态条件下以每秒钟测定8次的频率在一次饮水行为时间内完成的，针对如此大量的体重信息的处理方式，本发明采用了统计学方式，首先确定每一次测定体重期间所测定数据的分布，依分布按照统计学原理剔除两端极端参数，保留一次测定区间数据的主体部分作为此次测定的数据基础。该设备具有感量高(1/3000)、抗干扰、防水、连续复位速度快等特点。

在本发明实施例中，重量传感器测量的数据，线性变化时：100Kg时，A/D转换得到的数据信号为100mV(进制换算)；在50Kg时，A/D转换得到的数据信号为50mV；在0Kg时，A/D转换得到的数据信号为0mV。这样，可以直接把mV转化为Kg。

非线性变化时：对非线性曲线线性化，再输出。

本发明中所涉及体重分布符合正态分布的特征。需要计算正态曲线下横轴上某一区间的面积占总面积的百分数，以便估计该区间的例数占总例数的百分数(频数分布)或测定值落在该区间的概率。请参阅图4所示，其为本发明的体重正态分布示意图。

全体测定参数获得后，本发明中，对每一个测定数据群都要进行分布频率计算，从中获得68.27％区域内所有测值的平均数，该范围之外的数据，本发明认定为异常数据，从而确保了该发明专利的准确和客观性。由此，我们便可以决定数值的去留了。这是本发明专利的重要理论依据之一。

请结合图3所示，本发明针对动态条件下瞬间获得群体饲料消耗量的核心技术为储料仓余料量瞬间微积分动态测定技术；每次储料仓加料与饲料输出都会导致余料量重量的动态变化；这种变化可以分解为曲面动态变异、余料总体积等因素的变异。本发明采用一种特殊雷达波反射技术装置，对所探测对象可以实施全时空信息测控。该设备具有微积分测定体积、精度高(1/1000)、可连续、动态测定等特点。

储料仓余料量瞬间微积分动态测定技术的实现方法与运算过程：

本发明采用定积分方法计算不规则图形面积的；不规则图形的产生不是认为设定或者已知，它是由雷达测定的处于同一平面的无数不规则的小面积的总和。是瞬间产生的处于直角坐标系中的不规则但连续的曲线与x轴围成的图形的面积。定积分是对一个函数积分后求出原函数。定积分的积分符号上多了上下限，就把上限和下限各代入原函数中计算，再把两者相减。定积分其实就是积分，只不过积分后要把上、下限代入再相减，因为我们测定的是局部的无数小面积的总和。

雷达发射技术装置进行检测原理：

采用超高频微波脉冲通过天线系统发射并接收，雷达波的传输时间可以通过电子部件被转换成料位信号；用时间延伸方法来确保在极短时间内达到稳定和精确测量；可以准确的识别出料位的回波。

雷达发射装置构成：

料量消耗量测定装置包括桶仓21，在桶仓21内设置有饲粮22，在桶仓21的上方设置有探测雷达23，探测雷达23的输出端连接有第二A/D转换器24，所述的第二A/D转换器24的输出端与第二数据处理模块连接。

所述的数据处理中心获取数据后，采取随机抽样的方式进行，对信号波形，在每连续的K个周期内，每周期选择n个预设时刻的采样点，每间隔时间T₀采样一次，连续取样M次；为了保证取样数据的可参考性与准确性，在每一周期内选择的n个采样点的时间间隔Δt按照下述公式计算，

式中，Δt表示采样点的时间间隔，α为修正系数，其大小由采样点数量决定，ω表示信号的角频率，由重量传感器和探测雷达的性能决定，β为初始相角，T表示信号周期的时间，λ表示信号波形的峰值。

所述的数据处理中心将数据进行处理后，经过加密传输至所述的数据接收终端，所述的数据接收终端解密后对数据进行处理。

所述的数据处理中心包括加密模块，所述加密模块包括一密钥产生模块、一管理模块和一变换模块，其中密钥产生模块产生一随机密钥key并存储在管理模块中；所述变换模块，对消息帧中data1或data2即信息部分和密钥key分别进行移位变换；所述变换模块，对移位变换后的消息部分和密钥部分进行乘积变换，并对所述对上述步骤中乘积变换结果进行移位变换，得到加密后的消息帧中data1或data2即信息部分。

所述变换模块对管理单元存储的初始密钥K_known和密钥key分别进行移位变换，对移位变换后的管理单元存储的初始密钥K_known和密钥部分进行乘积变换，并对所述对上述步骤中乘积变换结果进行移位变换，得到加密后的密钥key。

在每个用户终端中都包括一解密模块、一验证模块、一管理模块和一逆变换模块，其中验证模块对信息进行CRC校验和配对信息验证。如果接收到的一对消息帧，有一个CRC校验结果错误，则丢弃两个消息帧，管理模块向数据处理中心发送请求，等待数据处理中心重传。若校验结果正确，则对消息帧进行配对验证，选取配对信息一致的一对消息帧传递到逆变换模块中进行解码。

所述逆变换模块，首先使用管理模块存储的初始密钥k_known对密钥key解密，所述逆变换模块，对消息帧中密钥key和管理模块存储的初始密钥k_known进行反移位变换，对移位变换后的消息帧中密钥key和管理模块存储的初始密钥k_known进行逆乘积变换，对所述对上述步骤中乘积变换结果进行反移位变换，得到密钥key。

所述逆变换模块，后用密钥对两个存放data1、data2的消息帧分别解密，所述逆变换模块，对消息帧中密钥key和消息帧中的data1、data2进行反移位变换，对移位变换后的消息帧中密钥key和消息帧中的data1、data2进行逆乘积变换，对所述对上述步骤中乘积变换结果进行反移位变换，逆变换模块得到解密后信息，发送解密信息。

请参阅表1、表2所示，其为消息帧结构格式图，表1为data1部分消息帧格式图，表2为data2部分消息帧格式图，其中加密模块产生一组相同的随机数，作为加密信息的配对信息，加密信息中data1部分选取信息的基数位，data2部分选取信息的偶数位，key为对信息加密和解密密钥，CRC验证为一种差错校验码，验证传输过程中是否有误码。

表1

配对信息

data1

key

CRC校验

表2

配对信息

data2

key

CRC校验

在本发明中，边际收益指每增加一个单位畜产品的产出所增加的收益，即最后一个单位畜产品的产出所增加的收益。它可以是正值或负值(养殖获益或赔本)。边际收益是本发明专利分析中的重要创新性概念。

总边际收益＝总销售收入-总变动成本

单位边际收益＝单位销售收入-单位变动成本

边际收益率是反映销售收入后所得到的利益比率，比率可以通过以下两种方法计算：

边际收益率＝总边际收益/总销售收入

＝单位边际收益/单位销售收入

边际成本：养殖业边际成本是指每增加一个单位畜产品所带来的饲养成本的增加量。每一单位的畜产品的成本与总畜产品量有关。比如，一个集约化养殖企业仅生产一头猪的成本是极高的，生产第1000头猪的成本就低得多，而生产第10000头猪的成本就更低了(源于规模效益)。但是，考虑到机会成本，随着生产量的增加，边际成本可能会增加。例如，生产一头猪时，其饲料消耗会很高，所以我们一直在追求高效的养殖模式，这样才能提高养殖业边际收益。

边际成本计算公式：

边际成本(MC)＝总成本变化量(ΔTC)/对应的产量上的变化量(ΔQ)

随着产量的增加，边际成本会先减少，后增加。

当增加一个单位产量所增加的收入(单位产量售价)高于边际成本时，是合算的；反之，就是不合算的。所以，任何增加一个单位产量的收入不能低于边际成本，否则必然会出现亏损；只要增加一个产量的收入能高于边际成本，即使高于总的平均单位成本，也会增加利润或减少亏损。因此计算边际成本对制订产品决策具有重要的作用。

边际成本作用就是研究成本变化规律，配合边际收入，计算边际利润。

当：边际收入-边际成本＝边际利润＞0时，方案可行。

当：边际收入-边际成本＝边际利润＜0时，方案不可行。

运用边际成本法取得信息，对养殖企业管理者进行相关分析和决策具有重要的指导作用。它克服了完全成本法的缺点，完全成本法依赖于对产量的估计，养殖企业一定时期的利润在一定程度上取决于生产水平。

本发明的只能集约化家畜、家禽监测方法为：

步骤a，家畜进入饮水端获取数据；该过程是：由一个家畜、家禽进入饮水端触发一个数据获取流程启动，由家畜、家禽退出饮水端的信号停止数据获取流程。

重量数据流的获取过程为：

步骤a1，获取家畜、家禽非特异个体信息；

步骤a2，通过重力传感器记录家畜、家禽的重量信息；

步骤a3，通过探测雷达获取家畜、家禽的进食饲粮的重量。

步骤b，随机测定装置、料量消耗量测定装置将获取的重量和进食饲粮的数据传输至数据处理中心进行处理，并传输至数据接收终端。

步骤c，逐日动态累计获取体重和采食量数据，逐日对所获取的重量数据应对日期变化采用拟合的方式形成边际收益和边际成本曲线。

依据下面计算公式：

边际成本＝总成本变化量/对应的产量上的变化量

总边际收益＝总销售收入-总变动成本

在本发明中，以时间为横坐标，对两个参数随着时间变化而测定的特定参数绘制成曲线，即：边际收益和边际成本曲线。

上所述仅为本发明的较佳实施例，对发明而言仅仅是说明性的，而非限制性的。本专业技术人员理解，在发明权利要求所限定的精神和范围内可对其进行许多改变，修改，甚至等效，但都将落入本发明的保护范围内。

Claims (7)

1.一种智能集约化家畜、家禽监测系统,其特征在于，其包括体重随机测定装置、料量消耗量测定装置，其中，

所述的体重随机测定装置，其动态实时、智能测定所控制动物群体的体重数据，结合每日群体体重差异获得平均日增重的群体参数；

所述的料量消耗量测定装置，其获得动态实时的饲粮消耗量参数；

所述的体重随机测定装置和料量消耗量测定装置分别将体重信息和料量消耗信息通过传输网络传输至数据处理中心，数据处理中心将处理后的数据发送至数据接收终端；所述的体重随机测定装置包括在引水口处安装的体重智能测定仪，其为三个重量传感器，在家畜从进入口中进入后，在引水口处的重量传感器获取重量信息；

重量传感器的输出端与第一A/D转换器连接，第一A/D转换器的输出端与第一数据处理模块连接；

平均日增重的群体计算方法为：

试验期间无死淘情况，请参见公式(1)，

试验期间有死淘猪只，请参见公式(2)

平均日采食量计算法：

试验期间无死淘情况，请参见公式(3)，

试验期间有死淘猪情况，请参见公式(4)，

平均日采食量(kg/日/头)＝试验期间的全部耗料量(kg)÷试验期间每天的所有存活猪头数之和(日/头)；

通过逐日动态累计获取体重和采食量数据，逐日对所获取的重量数据应对日期变化采用拟合的方式形成边际收益和边际成本曲线；其中，

总边际收益＝总销售收入-总变动成本

单位边际收益＝单位销售收入-单位变动成本

边际收益率是反映销售收入后所得到的利益比率，比率通过以下两种方法计算：

边际收益率＝总边际收益/总销售收入

＝单位边际收益/单位销售收入

边际成本：养殖业边际成本是指每增加一个单位畜产品所带来的饲养成本的增加量；

边际成本计算公式：

边际成本(MC)＝总成本变化量(△TC)/对应的产量上的变化量(△Q)随着产量的增加，边际成本会先减少，后增加；

所述的重量传感器采集数据信息后，计算正态曲线下横轴上某一区间的面积占总面积的百分数，以便估计该区间的例数占总例数的百分数或测定值落在该区间的概率。

2.根据权利要求1所述的智能集约化家畜、家禽监测系统,其特征在于，所述的料量消耗量测定装置包括桶仓，在桶仓内设置有饲粮，在桶仓的上方设置有探测雷达，探测雷达的输出端连接有第二A/D转换器，所述的第二A/D转换器的输出端与第二数据处理模块连接。

3.根据权利要求1所述的智能集约化家畜、家禽监测系统,其特征在于，所述的重量传感器的数据信息的采集，在动态条件下以每秒钟测定8次的频率在一次饮水行为时间内完成的，针对如此大量的体重信息的处理方式，采用了统计学方式，首先确定每一次测定体重期间所测定数据的分布，依分布按照统计学原理剔除两端极端参数，保留一次测定区间数据的主体部分作为此次测定的数据基础。

4.根据权利要求1所述的智能集约化家畜、家禽监测系统,其特征在于，所述的数据处理中心将数据进行处理后，经过加密传输至所述的数据接收终端，所述的数据接收终端解密后对数据进行处理；

所述的数据处理中心包括加密模块，所述加密模块包括一密钥产生模块、一管理模块和一变换模块，其中密钥产生模块产生一随机密钥key并存储在管理模块中；所述变换模块，对消息帧中data1或data2即信息部分和密钥key分别进行移位变换；所述变换模块，对移位变换后的消息部分和密钥部分进行乘积变换，并对移位变换后的消息部分和密钥部分进行乘积变换的结果进行移位变换，得到加密后的消息帧中data1或data2即信息部分；

所述变换模块对管理模块存储的初始密钥K_known和密钥key分别进行移位变换，对移位变换后的管理模块存储的初始密钥K_known和密钥部分进行乘积变换，并移位变换后的管理模块存储的初始密钥K_known和密钥部分进行乘积变换的结果进行移位变换，得到加密后的密钥key。

5.根据权利要求1所述的智能集约化家畜、家禽监测系统,其特征在于，在每个用户终端中都包括一解密模块、一验证模块、一管理模块和一逆变换模块，其中验证模块对信息进行CRC校验和配对信息验证；如果接收到的一对消息帧，有一个CRC校验结果错误，则丢弃两个消息帧，管理模块向数据处理中心发送请求，等待数据处理中心重传；若校验结果正确，则对消息帧进行配对验证，选取配对信息一致的一对消息帧传递到逆变换模块中进行解码；

所述的逆变换模块，首先使用管理模块存储的初始密钥k_known对密钥key解密，所述的逆变换模块，对消息帧中密钥key和管理模块存储的初始密钥k_known进行反移位变换，对反移位变换后的消息帧中密钥key和管理模块存储的初始密钥k_known进行逆乘积变换，对上述步骤中逆乘积变换结果进行反移位变换，得到密钥key。

6.根据权利要求1所述的智能集约化家畜、家禽监测系统,其特征在于，所述的数据处理中心获取数据后，采取随机抽样的方式进行，对信号波形，在每连续的K个周期内，每周期选择n个预设时刻的采样点，每间隔时间T₀采样一次，连续取样M次；为了保证取样数据的可参考性与准确性，在每一周期内选择的n个采样点的时间间隔Δt按照下述公式计算，

<mrow> <mi>&amp;Delta;</mi> <mi>t</mi> <mo>=</mo> <mfrac> <mrow> <mi>a</mi> <mo>&amp;CenterDot;</mo> <mi>s</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <mi>&amp;omega;</mi> <mo>+</mo> <mi>&amp;beta;</mi> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mi>T</mi> </mrow> <mi>&amp;lambda;</mi> </mfrac> </mrow>

式中，Δt表示采样点的时间间隔，a为修正系数，其大小由采样点数量决定，ω表示信号的角频率，由重量传感器和探测雷达的性能决定，β为初始相角，T表示信号周期的时间，λ表示信号波形的峰值。

7.一种智能集约化家畜、家禽监测方法,其特征在于，该方法的具体过程为：

步骤a，家畜、家禽进入饮水端获取数据；该过程是：由一个家畜、家禽进入饮水端触发一个数据获取流程启动，由家畜、家禽退出饮水端的信号停止数据获取流程；

重量数据流的获取过程为：

步骤a1，获取家畜、家禽非特异个体信息；

步骤a2，通过重力传感器记录家畜、家禽的重量信息；

步骤a3，通过探测雷达获取家畜、家禽的进食饲粮的重量；

步骤b，体重随机测定装置、料量消耗量测定装置将获取的重量和进食饲粮的数据传输至数据处理中心进行处理，并传输至数据接收终端；

步骤c，逐日动态累计获取体重和采食量数据，逐日对所获取的重量数据应对日期变化采用拟合的方式形成边际收益和边际成本曲线。