CN112633568B - 牧场养殖风险提示方法、设备及介质 - Google Patents

牧场养殖风险提示方法、设备及介质 Download PDF

Info

Publication number
CN112633568B
CN112633568B CN202011492680.5A CN202011492680A CN112633568B CN 112633568 B CN112633568 B CN 112633568B CN 202011492680 A CN202011492680 A CN 202011492680A CN 112633568 B CN112633568 B CN 112633568B
Authority
CN
China
Prior art keywords
time period
preset time
predicted
livestock
cost
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.)
Active
Application number
CN202011492680.5A
Other languages
English (en)
Other versions
CN112633568A (zh
Inventor
魏谢木
黄彬
何林桦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Yoohoomis Technology Co ltd
Original Assignee
Shenzhen Yoohoomis Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Yoohoomis Technology Co ltd filed Critical Shenzhen Yoohoomis Technology Co ltd
Priority to CN202011492680.5A priority Critical patent/CN112633568B/zh
Publication of CN112633568A publication Critical patent/CN112633568A/zh
Application granted granted Critical
Publication of CN112633568B publication Critical patent/CN112633568B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K29/00—Other apparatus for animal husbandry
    • A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Environmental Sciences (AREA)
  • Animal Husbandry (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Educational Administration (AREA)
  • Biophysics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Agronomy & Crop Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种牧场养殖风险提示方法，包括：获取历史第一预设时间段内的养殖成本，养殖成本包括饲喂成本、人工成本以及药品投入品成本；根据历史第一预设时间段内的养殖成本确定未来第二预设时间段内的预测养殖成本，第一预设时间段与第二预设时间段相同或不同；获取历史第一预设时间段内牲畜平均重量以及平均增肉幅度；根据平均重量以及平均增肉幅度确定未来第二预设时间段内的预测重量；获取牲畜的进场重量以及价格信息；根据进场重量、预测重量以及价格信息确定未来第二预设时间段内的预测牲畜资产；根据预测养殖成本以及预测牲畜资产确定预测养殖风险值；显示养殖风险值对应的提示信息。提高了牧场养殖风险预测的准确性。

Description

牧场养殖风险提示方法、设备及介质
技术领域
本发明涉及人工智能的技术领域，尤其涉及一种牧场养殖风险提示方法、设备及介质。
背景技术
随着牲畜养殖业的发展，养殖都有风险，养殖业有四大风险。一是市场风险，市场的牲畜销售价格及肉品销售价格浮动较大，所以需要养殖企业要对市场期间及时了解销售价格及销售渠道，这样才能预防一定的养殖风险值，并获得良好收益。二是自然灾害风险，暴雨、旱灾、寒冷等自然灾害导致的风险。三是疫病风险，疫病发生不但会减低生产性能，而且会增加养殖成本，严重时会导致血本无归，四是养殖成本风险，不好的饲养技术能够增加饲养成本，严重的会导致饲养亏损。四大风险中，疫病风险是最大的风险，其次最可控的风险是养殖成本风险。特别是肉牛养殖领域，必须要管控好每日的消耗饲料成本与药品成本，转换成增长的肉，即养殖的料肉比。
在没有风险提示的情况下，企业操作人员只能感知自己养殖的牲畜的大概数量及重量，然后再减去大概的成本，这样预测的养殖风险不够准确。
发明内容
本发明通过提供一种牧场养殖风险提示方法、设备及计算机存储介质，旨在解决现有技术中养殖业无法准确预测养殖风险值的技术问题。
为实现上述目的，本发明提供了一种牧场养殖风险提示方法，所述方法包括以下步骤：
获取历史第一预设时间段内的养殖成本，所述养殖成本包括饲喂成本、人工成本以及药品投入品成本；
根据所述历史第一预设时间段内的养殖成本确定未来第二预设时间段内的预测养殖成本，所述第一预设时间段与所述第二预设时间段相同或不同；
获取历史第一预设时间段内牲畜平均重量以及平均增肉幅度；
根据所述平均重量以及平均增肉幅度确定未来第二预设时间段内的预测重量；
获取所述牲畜的进场重量以及价格信息；
根据所述进场重量、预测重量以及价格信息确定未来第二预设时间段内的预测牲畜资产；
根据所述预测养殖成本以及预测牲畜资产确定预测养殖风险值；
显示所述养殖风险值对应的提示信息。
可选地，所述根据所述历史第一预设时间段内的养殖成本确定未来第二预设时间段内的预测养殖成本的步骤包括：
获取历史第一预设时间段内单个牲畜在每个第三预设时间段内的历史平均饲喂成本，所述第一预设时间段包括多个所述第三预设时间段；
根据所述历史平均饲喂成本确定单个牲畜在每个第三预设时间段内的历史饲喂成本变化趋势；
根据所述单个牲畜的所述历史平均饲喂成本与所述历史饲喂成本变化趋势确定未来第二预设时间段内单个牲畜的预测饲喂成本，所述预测养殖成本包括预测饲喂成本。
可选地，所述根据所述历史第一预设时间段内的养殖成本确定未来第二预设时间段内的预测养殖成本的步骤还包括：
获取历史第一预设时间段内在每个第三预设时间段内的工资金额与牲畜数量，所述第一预设时间段包括多个所述第三预设时间段；
根据所述工资金额与牲畜数量确定单个牲畜的人工成本并作为未来第二预设时间段内单个牲畜的预测人工成本，所述预测养殖成本包括预测人工成本。
可选地，所述根据所述历史第一预设时间段内的养殖成本确定未来第二预设时间段内的预测养殖成本的步骤还包括：
获取历史第一预设时间段内在每个第三预设时间段内药品投入成本以及在每个第三预设时间段内平均牲畜数量；
根据所述在每个第三预设时间段内药品投入成本以及在每个第三预设时间段内平均牲畜数量确定未来第二预设时间段内单个牲畜的预测药品投入成本，所述预测养殖成本包括预测药品投入成本。
可选地，所述根据所述平均重量以及平均增肉幅度确定未来第二预设时间段内的预测重量的步骤包括：
获取历史第一预设时间段内单个牲畜在每个第三预设时间段内的平均重量与平均增肉幅度以及相同月龄的所有牲畜在每个第三预设时间段内的平均重量与平均增肉幅度；
根据所述单个牲畜在每个第三预设时间段内的平均增肉幅度与所述相同月龄的所有牲畜在每个第三预设时间段内的平均增肉幅度确定平均增肉差异比；
获取大于所述单个牲畜第二预设时间段的所有牲畜在每个第三预设时间段内的平均重量与平均增肉幅度；
根据所述大于单个牲畜第二预设时间段的所有牲畜在每个第三预设时间段内的平均重量、平均增肉幅度、单个牲畜在每个第三预设时间段内的平均增肉幅度以及增肉差异比确定未来第二预设时间段的单个牲畜的预测重量。
可选地，所述牧场养殖风险提示方法还包括：
获取历史第一预设时间段内牲畜患病概率与重复患病概率；
根据所述患病概率与重复患病概率确定未来第二预设时间段内预测患病概率；
根据所述预测养殖成本、预测牲畜资产以及预测患病概率确定养殖风险值；
显示所述养殖风险值对应的提示信息。
可选地，所述根据所述患病概率与重复患病概率确定未来第二预设时间段内预测患病概率的步骤包括：
获取历史第一预设时间段内单个牲畜的患病概率、单个牲畜患病时长以及所有牲畜患病总时长；
根据所述单个牲畜患病时长与所有牲畜患病总时长确定重复患病概率；
根据所述患病概率与所述重复患病概率确定未来第二预设时间段内预测患病概率。
可选地，所述根据所述预测养殖成本以及预测牲畜资产确定预测养殖风险值的步骤之后包括：
在所述预测养殖风险值大于预设值时向企业关联的终端输出风险预警提示。
为实现上述目的，本发明还提供一种牧场养殖风险提示设备，所述设备包括存储器、处理器以及存储在所述存储器并可在所述处理器上运行的牧场养殖风险提示程序，所述牧场养殖风险提示程序被所述处理器执行时实现如上述的牧场养殖风险提示方法。
为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有牧场养殖风险提示程序，所述牧场养殖风险提示程序被处理器执行时实现如上述的牧场养殖风险提示方法。
本发明提供的牧场养殖方法、设备及计算机存储介质，牧场养殖风险预测设备获取历史第一预设时间段内的养殖成本并基于此预测未来第二预设时间段内的养殖成本，获取历史第一预设时间段内的牲畜重量与增肉幅度并基于此预测未来第二预设时间段内的预测重量，再获取进场重量以及市场价，根据进场重量、预测重量以及市场价格信息预测未来预设时间段内的预测牲畜资产，并根据预测养殖成本以及预测牲畜资产确定预测养殖风险值，并将养殖风险值对应的提示信息显示在牧场养殖风险管理处关联的终端。这样企业可以根据准确的历史养殖信息确定未来预设时间段内的预测养殖风险，实现了准确预测未来预设时间段养殖风险的效果，提高了牧场养殖风险预测的准确性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图；
图2为本发明牧场养殖风险提示方法第一实施例的流程示意图；
图3为本发明牧场养殖风险提示方法第二实施例的流程示意图；
图4为本发明牧场养殖风险提示方法第三实施例的流程示意图。
具体实施方式
在没有风险提示的情况下，企业操作人员只能感知自己养殖的牲畜的大概数量及重量，然后再减去大概的成本，这样太过于模糊，存在不能够较准确地预测养殖风险值以及养殖利润的问题。为解决上述问题，本发明提供一种牧场养殖风险提示方法，包括：获取历史第一预设时间段内的养殖成本，所述养殖成本包括饲喂成本、人工成本以及药品投入品成本；根据所述历史第一预设时间段内的养殖成本确定未来第二预设时间段内的预测养殖成本，所述第一预设时间段与所述第二预设时间段相同或不同；获取历史第一预设时间段内牲畜平均重量以及平均增肉幅度；根据所述平均重量以及平均增肉幅度确定未来第二预设时间段内的预测重量；获取所述牲畜的进场重量以及价格信息；根据所述进场重量、预测重量以及价格信息确定未来第二预设时间段内的预测牲畜资产；根据所述预测养殖成本以及预测牲畜资产确定预测养殖风险值；显示所述养殖风险值对应的提示信息。解决了无法准确地预测养殖风险值以及养殖利润的问题，实现了准确预测未来预设时间段养殖风险的效果，提高了牧场养殖风险预测的准确性。
为了更好的理解上述技术方案，下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
作为一种实现方式，牧场养殖风险提示设备可以如图1所示。
本发明实施例方案涉及的是牧场养殖风险提示设备，牧场养殖风险提示设备包括：处理器101，例如CPU，存储器102，通信总线103。其中，通信总线103用于实现这些组件之间的连接通信。
存储器102可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。如图1所示，作为一种计算机存储介质的存储器103中可以包括牧场养殖风险提示程序；而处理器101可以用于调用存储器102中存储的牧场养殖风险提示程序，并执行以下操作：
获取历史第一预设时间段内的养殖成本，所述养殖成本包括饲喂成本、人工成本以及药品投入品成本；
根据所述历史第一预设时间段内的养殖成本确定未来第二预设时间段内的预测养殖成本，所述第一预设时间段与所述第二预设时间段相同或不同；
获取历史第一预设时间段内牲畜平均重量以及平均增肉幅度；
根据所述平均重量以及平均增肉幅度确定未来第二预设时间段内的预测重量；
获取所述牲畜的进场重量以及价格信息；
根据所述进场重量、预测重量以及价格信息确定未来第二预设时间段内的预测牲畜资产；
根据所述预测养殖成本以及预测牲畜资产确定预测养殖风险值；
显示所述养殖风险值对应的提示信息。
在一实施例中，处理器101可以用于调用存储器102中存储的牧场养殖风险提示程序，并执行以下操作：
获取历史第一预设时间段内单个牲畜在每个第三预设时间段内的历史平均饲喂成本，所述第一预设时间段包括多个所述第三预设时间段；
根据所述历史平均饲喂成本确定单个牲畜在每个第三预设时间段内的历史饲喂成本变化趋势；
根据所述单个牲畜的所述历史平均饲喂成本与所述历史饲喂成本变化趋势确定未来第二预设时间段内单个牲畜的预测饲喂成本，所述预测养殖成本包括预测饲喂成本。
在一实施例中，处理器101可以用于调用存储器102中存储的牧场养殖风险提示程序，并执行以下操作：
获取历史第一预设时间段内在每个第三预设时间段内的工资金额与牲畜数量，所述第一预设时间段包括多个所述第三预设时间段；
根据所述工资金额与牲畜数量确定单个牲畜的人工成本并作为未来第二预设时间段内单个牲畜的预测人工成本，所述预测养殖成本包括预测人工成本。
在一实施例中，处理器101可以用于调用存储器102中存储的牧场养殖风险提示程序，并执行以下操作：
获取历史第一预设时间段内在每个第三预设时间段内药品投入成本以及在每个第三预设时间段内平均牲畜数量；
根据所述在每个第三预设时间段内药品投入成本以及在每个第三预设时间段内平均牲畜数量确定未来第二预设时间段内单个牲畜的预测药品投入成本，所述预测养殖成本包括预测药品投入成本。
在一实施例中，处理器101可以用于调用存储器102中存储的牧场养殖风险提示程序，并执行以下操作：
获取历史第一预设时间段内单个牲畜在每个第三预设时间段内的平均重量与平均增肉幅度以及相同月龄的所有牲畜在每个第三预设时间段内的平均重量与平均增肉幅度；
根据所述单个牲畜在每个第三预设时间段内的平均增肉幅度与所述相同月龄的所有牲畜在每个第三预设时间段内的平均增肉幅度确定平均增肉差异比；
获取大于所述单个牲畜第二预设时间段的所有牲畜在每个第三预设时间段内的平均重量与平均增肉幅度；
根据所述大于单个牲畜第二预设时间段的所有牲畜在每个第三预设时间段内的平均重量、平均增肉幅度、单个牲畜在每个第三预设时间段内的平均增肉幅度以及增肉差异比确定未来第二预设时间段的单个牲畜的预测重量。
在一实施例中，处理器101可以用于调用存储器102中存储的牧场养殖风险提示程序，并执行以下操作：
获取历史第一预设时间段内牲畜患病概率与重复患病概率；
根据所述患病概率与重复患病概率确定未来第二预设时间段内预测患病概率；
根据所述预测养殖成本、预测牲畜资产以及预测患病概率确定养殖风险值；
显示所述养殖风险值对应的提示信息。
在一实施例中，处理器101可以用于调用存储器102中存储的牧场养殖风险提示程序，并执行以下操作：
获取历史第一预设时间段内单个牲畜的患病概率、单个牲畜患病时长以及所有牲畜患病总时长；
根据所述单个牲畜患病时长与所有牲畜患病总时长确定重复患病概率；
根据所述患病概率与所述重复患病概率确定未来第二预设时间段内预测患病概率。
在一实施例中，处理器101可以用于调用存储器102中存储的牧场养殖风险提示程序，并执行以下操作：
在所述预测养殖风险值大于预设值时向企业关联的终端输出风险预警提示。
本实施例根据上述方案，牧场养殖风险预测设备获取历史第一预设时间段内的养殖成本并基于此预测未来第二预设时间段内的养殖成本，获取历史第一预设时间段内的牲畜重量与增肉幅度并基于此预测未来第二预设时间段内的预测重量，再获取进场重量以及市场价，根据进场重量、预测重量以及市场价格信息预测未来预设时间段内的预测牲畜资产，并根据预测养殖成本以及预测牲畜资产确定预测养殖风险值，并将养殖风险值对应的提示信息显示在牧场养殖风险管理处关联的终端。这样企业可以根据准确的历史养殖信息确定未来预设时间段内的预测养殖风险，实现了准确预测未来预设时间段养殖风险的效果，提高了牧场养殖风险预测的准确性。
基于上述牧场养殖风险提示设备的硬件构架，提出本发明牧场养殖风险提示方法的实施例。
参照图2，图2为本发明牧场养殖风险提示方法的第一实施例，所述牧场养殖风险提示方法包括以下步骤：
步骤S10、获取历史第一预设时间段内的养殖成本，所述养殖成本包括饲喂成本、人工成本以及药品投入品成本；
步骤S20、根据所述历史第一预设时间段内的养殖成本确定未来第二预设时间段内的预测养殖成本，所述第一预设时间段与所述第二预设时间段相同或不同；
需要说明的是，本实施例中所有的历史第一预设时间段内获取到的养殖成本、平均重量、进场重量以及价格信息都是从服务器或存储器抓取的。所述服务器或存储器实时获取养殖成本信息、重量信息以及价格信息并存储在存储器或服务器中以备查看。
所述历史第一预设时间段可以是指在过去的几个月内如过去6个月或一年，所述未来第二预设时间段可以是指在将来的几个月内如未来18个月，第一预设时间段与第二预设时间段可以相等也可以不相等。所述养殖成本包括饲喂成本如每个牲畜平均每月所耗费的饲料金额、人工成本如每个牲畜平均每月所需耗费的人工工资成本、药品投入成本以及其他投入成本，预测养殖成本包括预测饲喂成本、预测人工成本以及预测药品投入品成本。在没有预测的情况下，企业操作人员只能知道自己养殖的牲畜的大概数量及重量，根据大概重量与市场价得到牲畜资产，然后再减去大概的养殖成本，这样不能够较准确地计算出是否存在养殖风险值或者养殖到什么时候利润最大。本实施例通过计算每个牲畜的预测饲喂成本如未来18个月的饲喂重量与价格等，计算每个牲畜未来18个月的预测增肉情况，进一步计算未来18个月内的药品、耗材及固定资产等投入品的预测消耗平均价格，并计算未来18个月的人工成本及其他成本预测金额。
步骤S30、获取历史第一预设时间段内牲畜平均重量以及平均增肉幅度；
步骤S40、根据所述平均重量以及平均增肉幅度确定未来第二预设时间段内的预测重量；
可选地，步骤S30包括：获取历史第一预设时间段内单个牲畜在每个第三预设时间段内的平均重量与平均增肉幅度以及相同月龄的所有牲畜在每个第三预设时间段内的平均重量与平均增肉幅度；
进一步地，根据所述单个牲畜在每个第三预设时间段内的平均增肉幅度与所述相同月龄的所有牲畜在每个第三预设时间段内的平均增肉幅度确定平均增肉差异比；
获取大于所述单个牲畜第二预设时间段的所有牲畜在每个第三预设时间段内的平均重量与平均增肉幅度；
可选地，步骤S40包括：根据所述大于单个牲畜第二预设时间段的所有牲畜在每个第三预设时间段内的平均重量、平均增肉幅度、单个牲畜在每个第三预设时间段内的平均增肉幅度以及增肉差异比确定未来第二预设时间段的单个牲畜的预测重量。
所述第三预设时间段可以是一个月第一预设时间段包括多个第三预设时间段，所述历史第一时间段内牲畜平均重量可以是指在过去6个月内单个牲畜每月的平均重量，所述平均增肉幅度根据所述平均重量进行平方差来计算。再计算与某个牲畜相同月龄大小(如全部都是生长周期为2个月的牲畜)的所有牲畜在过去6个月内的每月平均重量以及平均增肉幅度，计算单个牲畜每月平均增肉幅度与全部同月龄牲畜的平均增肉幅度之间的平均增肉差异比。再计算比上述相同月龄大第二预设时间段的牲畜(例如比生长周期为两个月牲畜大18个月，即生长周期为20个月的牲畜)的每月平均以及平均增肉幅度，根据所述大于单个牲畜第二预设时间段的所有牲畜每月平均重量、平均增肉幅度、所述单个牲畜每月平均增肉幅度以及增肉差异比确定未来第二预设时间段的单个牲畜的预测重量。
具体地，(1)计算单个牲畜每月平均重量：
Δg＝(g1+g2+g3+....+gn)/(k1+k2+k3+...+kn)
其中Δg是单个牲畜每月平均重量，g是每月所有牲畜总重量，k是存栏数即场子里牲畜数量，n是月数，如n为6，则g1表示在过去6个月中第一个月所有牲畜的总重量，k1表示在过去6个月中的第一个月场子里牲畜的数量，Δg表示单个牲畜在过去6个月内每月平均重量。可以理解的是，与某头牲畜相同月龄下(如生长周期全部为两个月的牲畜)的全部牲畜的每月平均重量为
ΔG＝(G1+G2+G3+...+Gn)/n
其中ΔG是同月龄下全部牲畜的每月平均重量，G是同月龄下全部牲畜的每月总重量，n是月数，如n为6，则G1表示在过去6个月中的第一个月同月龄全部牲畜的重量，ΔG表示过去6个月内同月龄全部牲畜的每月平均重量。
(2)计算单个牲畜每月平均增肉幅度
Figure BDA0002839954670000101
其中，g是每月牲畜总重量，Δg是单个牲畜每月平均重量，n是月份，s是单个牲畜每月平均增肉幅度，如n为6，则S为在过去6个月内单个牲畜每月平均增肉幅度。可以理解的是，相同月龄下全部牲畜的每月平均增肉幅度为
Figure BDA0002839954670000102
其中，G是相同月龄下全部牲畜每月总重量，ΔG是相同月龄下全部牲畜每月平均重量，n是月份，S是相同月龄下全部牲畜每月平均增肉幅度，如n为6，则s为在过去6个月内相同月龄下全部牲畜每月平均增肉幅度。
(3)计算平均增肉差异比
Figure BDA0002839954670000103
其中，s1是单个牲畜每月平均增肉幅度，S是相同月龄下全部牲畜的平均增肉幅度。
(4)计算单个牲畜未来预测重量
Figure BDA0002839954670000104
其中，Δg18是指比所述相同月龄即2个月龄大18个月(即生长周期为20个月)的牲畜每月平均重量，s18是指比所述相同月龄即2个月龄大18个月(即生长周期为20个月)的牲畜每月平均增肉幅度，s1是指某个牲畜平均增肉幅度，q是单个牲畜18个月后的平均预测重量。将未来18个月单个牲畜的预测重量减去入场时单个牲畜的平均重量后与预测市场价相乘再减去预测养殖成本即可得到预测养殖利润金额，即预测养殖利润＝(预测重量-进场重量)*预测市场价-预测平均人工成本*饲养月数-预测饲喂成本-预测药品等投入成本。
步骤S50、获取所述牲畜的进场重量以及价格信息；
步骤S60、根据所述进场重量、预测重量以及价格信息确定未来第二预设时间段内的预测牲畜资产；
步骤S70、根据所述预测养殖成本以及预测牲畜资产确定预测养殖风险值；
步骤S80、显示所述养殖风险值对应的提示信息。
所述提示信息包括牲畜在未来预设时间的各种预测养殖成本、预测重量、预测牲畜资产以及根据所述预测养殖成本、预测重量、预测牲畜资产综合评价生成的预测养殖风险值信息。
进一步地，在所述预测养殖风险值大于预设值时向企业关联的终端输出风险预警提示。
所述预设值由企业风险管理人员设定。
本实施例根据上述方案，牧场养殖风险预测设备获取历史第一预设时间段内的养殖成本并基于此预测未来第二预设时间段内的养殖成本，获取历史第一预设时间段内的牲畜重量与增肉幅度并基于此预测未来第二预设时间段内的预测重量，再获取进场重量以及市场价，根据进场重量、预测重量以及市场价格信息预测未来预设时间段内的预测牲畜资产，并根据预测养殖成本以及预测牲畜资产确定预测养殖风险值，并将养殖风险值对应的提示信息显示在牧场养殖风险管理处关联的终端。这样企业可以根据准确的历史养殖信息确定未来预设时间段内的预测养殖风险，实现了准确预测未来预设时间段养殖风险的效果，提高了牧场养殖风险预测的准确性。
参照图3，图3为本发明牧场养殖风险提示方法的第二实施例，基于第一实施例，所述步骤S20包括：
步骤S21、获取历史第一预设时间段内单个牲畜在每个第三预设时间段内的历史平均饲喂成本，所述第一预设时间段包括多个所述第三预设时间段；
步骤S22、根据所述历史平均饲喂成本确定单个牲畜在每个第三预设时间段内的历史饲喂成本变化趋势；
步骤S23、根据所述单个牲畜的所述历史平均饲喂成本与所述历史饲喂成本变化趋势确定未来第二预设时间段内单个牲畜的预测饲喂成本，所述预测养殖成本包括预测饲喂成本。
在本实施例中，若第一预设时间段为6个月，第二预设时间段为18个月，通过计算最近6个月内某个牲畜的平均每日饲喂金额，乘以月份天数得到平均每月饲喂金额，再通过最近6个月的平均饲喂成本与每月饲喂成本计算得到饲喂成本变化趋势方程差z，进而计算出未来18个月内的预测饲喂成本。
具体地，(1)计算某个牲畜平均每日饲喂金额：
Figure BDA0002839954670000121
其中，m是当月某个牲畜饲喂饲料的重量，a是当月某个牲畜饲喂饲料的单价，d是当月某个牲畜饲养天数，n是指单月份数。
(2)计算某个牲畜平均每月饲喂金额：
Δmm＝Δsm*ds/6
其中，ds是6个月内的总天数，也可以直接默认为30*6。
(3)计算某个牲畜每月饲喂成本方程差
Figure BDA0002839954670000122
(4)计算未来18个月内单个牲畜的预测饲喂成本Δp＝Δmm+s*18
进一步地，所述步骤S20还包括：步骤S24、获取历史第一预设时间段内在每个第三预设时间段内的工资金额与牲畜数量，所述第一预设时间段包括多个所述第三预设时间段；
步骤S25、根据所述工资金额与牲畜数量确定单个牲畜的人工成本并作为未来第二预设时间段内单个牲畜的预测人工成本，所述预测养殖成本包括预测人工成本。
由于人工工资成本变化很细微不会有太大变化，所以可以通过计算分摊每个牲畜的成本值即人工成本值作为未来每个牲畜的人工成本。具体地，计算最近预设时间段内如6个月内的人工工资的加权平均算法得到单个牲畜的人工成本：ΔA＝(A1+A2+A3+....+An)/(k1+k2+k3+...+kn)
其中，ΔA是单个牲畜平均人工成本，A是每个月人工成本总金额，k是每月存活牲畜存栏数即在场内的牲畜总数，n是月份。
进一步地，所述步骤S20还包括：
步骤S26、获取历史第一预设时间段内在每个第三预设时间段内药品投入成本以及在每个第三预设时间段内平均牲畜数量；
步骤S27、根据所述在每个第三预设时间段内药品投入成本以及在每个第三预设时间段内平均牲畜数量确定未来第二预设时间段内单个牲畜的预测药品投入成本，所述预测养殖成本包括预测药品投入成本。
由于药品的成本支出与每月的季节性有密切联系，每个月都会有一定差异，因此需要通过获取最近一年的药品投入平均金额，计算药品等的投入成本。具体地，历史一年平均金额
Figure BDA0002839954670000131
其中，x是每个月的药品投入金额，n是总月份数，如n为12时，x1表示在过去12个月中第一个月药品投入金额。
单个牲畜每月平均药品投入成本为
Figure BDA0002839954670000132
其中k为每月存栏数即场内牲畜总数。将最近一年药品每月平均投入成本作为未来18个月内的单个牲畜平均每月预测药品投入成本。将单个牲畜每月平均预测饲喂成本、预测人工成本以及预测药品投入成本相加作为未来预设时间内单个牲畜的预测养殖成本。
本实施例根据上述方案，牧场养殖风险提示设备通过获取单个牲畜在历史第一预设时间段内的平均饲喂成本以及饲喂成本变化趋势确定未来第二预设时间段内单个牲畜的预测饲喂成本。并根据单个牲畜在历史第一预设时间段内的平均人工成本以及药品投入成本作为预测人工成本与药品投入成本，根据所述预测饲喂成本、预测人工成本以及药品投入成本确定预测养殖成本。这样根据历史第一预设时间段内准确的养殖成本信息计算未来第二预设时间段内的预测养殖成本，实现了准确计算未来预测养殖成本的效果，提高了牧场养殖风险预测的准确性。
参照图4，图4为本发明牧场养殖风险提示方法的第三实施例，基于第一或第二实施例，所述牧场养殖风险提示方法还包括：
步骤S91、获取历史第一预设时间段内牲畜患病概率与重复患病概率；
步骤S92、根据所述患病概率与重复患病概率确定未来第二预设时间段内预测患病概率；
可选地，所述步骤S92包括：获取历史第一预设时间段内单个牲畜的患病概率、单个牲畜患病时长以及所有牲畜患病总时长；
根据所述单个牲畜患病时长与所有牲畜患病总时长确定重复患病概率；
根据所述患病概率与所述重复患病概率确定未来第二预设时间段内预测患病概率。
统计最近三个月牲畜的患病情况如患病率、治愈率等信息计算得到牲畜的患病概率L，重复患病概率为
Figure BDA0002839954670000141
其中，h是单个牲畜患病时长，H是所有牲畜患病总时长，预测患病概率为B＝L+Q即患病概率+重复患病概率。若当前错在重大传染类疾病，则预测患病概率直接加上预设概率参数，预设概率参数可以是90％。通过患病概率预测其疾病风险，患病概率越高，疾病风险越大。
步骤S93、根据所述预测养殖成本、预测牲畜资产以及预测患病概率确定养殖风险值；
步骤S94、显示所述养殖风险值对应的提示信息。
综合评估预测养殖成本、预测牲畜资产以及预测患病概率得到一个最终预测养殖风险值，并将养殖风险值实时上报至养殖风险管理处关联的终端。
进一步地，在所述预测养殖风险值大于预设值时向企业关联的终端输出风险预警提示。
所述预设值由养殖风险管理人员依据情况设定，所述预警提示可以是音视频或文字或警报灯提示信息。
在本实施例提供的技术方案中，牧场养殖风险提示设备通过获取历史第一时间段内牲畜的患病情况确定患病概率与重复患病概率，并根据患病概率与重复患病概率确定未来第二预设时间段内的预测患病概率，并在遇到突发传染病时将预测患病概率增加预设概率参数。这样将患病概率与预测养殖成本以及预测牲畜资产综合评估后输出预测养殖风险值，达到了更加准确预测养殖风险的效果。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有牧场养殖风险提示程序，所述牧场养殖风险提示程序被处理器执行时实现如上述的牧场养殖风险提示方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种牧场养殖风险提示方法，其特征在于，所述牧场养殖风险提示方法包括以下步骤：
获取历史第一预设时间段内的养殖成本，所述养殖成本包括饲喂成本、人工成本以及药品投入品成本；
根据所述历史第一预设时间段内的养殖成本确定未来第二预设时间段内的预测养殖成本，所述第一预设时间段与所述第二预设时间段不同；
获取历史第一预设时间段内牲畜平均重量以及平均增肉幅度；
根据所述平均重量以及平均增肉幅度确定未来第二预设时间段内的预测重量；
获取所述牲畜的进场重量以及价格信息；
根据所述进场重量、预测重量以及价格信息确定未来第二预设时间段内的预测牲畜资产；
根据所述预测养殖成本以及预测牲畜资产确定预测养殖风险值；
显示所述养殖风险值对应的提示信息；
其中，所述根据所述历史第一预设时间段内的养殖成本确定未来第二预设时间段内的预测养殖成本的步骤包括：
获取历史第一预设时间段内单个牲畜在每个第三预设时间段内的历史平均饲喂成本，所述第一预设时间段包括多个所述第三预设时间段；
根据所述历史平均饲喂成本确定单个牲畜在每个第三预设时间段内的历史饲喂成本变化趋势；
根据所述单个牲畜的所述历史平均饲喂成本与所述历史饲喂成本变化趋势确定未来第二预设时间段内单个牲畜的预测饲喂成本。
2.如权利要求1所述的牧场养殖风险提示方法，其特征在于，所述根据所述历史第一预设时间段内的养殖成本确定未来第二预设时间段内的预测养殖成本的步骤还包括：
获取历史第一预设时间段内在每个第三预设时间段内的工资金额与牲畜数量，所述第一预设时间段包括多个所述第三预设时间段；
根据所述工资金额与牲畜数量确定单个牲畜的人工成本并作为未来第二预设时间段内单个牲畜的预测人工成本，所述预测养殖成本包括预测人工成本。
3.如权利要求1所述的牧场养殖风险提示方法，其特征在于，所述根据所述历史第一预设时间段内的养殖成本确定未来第二预设时间段内的预测养殖成本的步骤还包括：
获取历史第一预设时间段内在每个第三预设时间段内药品投入成本以及在每个第三预设时间段内平均牲畜数量；
根据所述在每个第三预设时间段内药品投入成本以及在每个第三预设时间段内平均牲畜数量确定未来第二预设时间段内单个牲畜的预测药品投入成本，所述预测养殖成本包括预测药品投入成本。
4.如权利要求1所述的牧场养殖风险提示方法，其特征在于，所述根据所述平均重量以及平均增肉幅度确定未来第二预设时间段内的预测重量的步骤包括：
获取历史第一预设时间段内单个牲畜在每个第三预设时间段内的平均重量与平均增肉幅度以及相同月龄的所有牲畜在每个第三预设时间段内的平均重量与平均增肉幅度；
根据所述单个牲畜在每个第三预设时间段内的平均增肉幅度与所述相同月龄的所有牲畜在每个第三预设时间段内的平均增肉幅度确定平均增肉差异比；
获取大于所述单个牲畜第二预设时间段的所有牲畜在每个第三预设时间段内的平均重量与平均增肉幅度；
根据大于所述单个牲畜第二预设时间段的所有牲畜在每个第三预设时间段内的平均重量、平均增肉幅度、单个牲畜在每个第三预设时间段内的平均增肉幅度以及增肉差异比确定未来第二预设时间段的单个牲畜的预测重量。
5.如权利要求1所述的牧场养殖风险提示方法，其特征在于，所述牧场养殖风险提示方法还包括：
获取历史第一预设时间段内牲畜患病概率与重复患病概率；
根据所述患病概率与重复患病概率确定未来第二预设时间段内预测患病概率；
根据所述预测养殖成本、预测牲畜资产以及预测患病概率确定养殖风险值；
显示所述养殖风险值对应的提示信息。
6.如权利要求5所述的牧场养殖风险提示方法，其特征在于，所述根据所述患病概率与重复患病概率确定未来第二预设时间段内预测患病概率的步骤包括：
获取历史第一预设时间段内单个牲畜的患病概率、单个牲畜患病时长以及所有牲畜患病总时长；
根据所述单个牲畜患病时长与所有牲畜患病总时长确定重复患病概率；
根据所述患病概率与所述重复患病概率确定未来第二预设时间段内预测患病概率。
7.如权利要求1或6所述的牧场养殖风险提示方法，其特征在于，所述根据所述预测养殖成本以及预测牲畜资产确定预测养殖风险值的步骤之后包括：
在所述预测养殖风险值大于预设值时，向企业关联的终端输出风险预警提示。
8.一种牧场养殖风险提示设备，其特征在于，所述设备包括存储器、处理器以及存储在所述存储器并可在所述处理器上运行的牧场养殖风险提示程序，所述牧场养殖风险提示程序被所述处理器执行时实现如权利要求1-7任一项所述的牧场养殖风险提示方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有牧场养殖风险提示程序，所述牧场养殖风险提示程序被处理器执行时实现如权利要求1-7任一项所述的牧场养殖风险提示方法。
CN202011492680.5A 2020-12-16 2020-12-16 牧场养殖风险提示方法、设备及介质 Active CN112633568B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011492680.5A CN112633568B (zh) 2020-12-16 2020-12-16 牧场养殖风险提示方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011492680.5A CN112633568B (zh) 2020-12-16 2020-12-16 牧场养殖风险提示方法、设备及介质

Publications (2)

Publication Number Publication Date
CN112633568A CN112633568A (zh) 2021-04-09
CN112633568B true CN112633568B (zh) 2023-05-26

Family

ID=75316235

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011492680.5A Active CN112633568B (zh) 2020-12-16 2020-12-16 牧场养殖风险提示方法、设备及介质

Country Status (1)

Country Link
CN (1) CN112633568B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805238A (zh) * 2018-06-11 2018-11-13 西宁市畜牧兽医站 一种肉牛养殖及食品安全追溯系统
WO2020119184A1 (zh) * 2018-12-12 2020-06-18 京东数字科技控股有限公司 一种家畜的智能投喂系统和方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5960105A (en) * 1993-05-03 1999-09-28 Kansas State University Research Foundation Measurement of intramuscular fat in cattle
US8660888B2 (en) * 2013-04-13 2014-02-25 Leachman Cattle of Colorado, LLC System, computer-implemented method, and non-transitory, computer-readable medium to determine relative market value of a sale group of livestock based on genetic merit and other non-genetic factors
US20160027130A1 (en) * 2014-03-03 2016-01-28 Leachman Cattle of Colorado, LLC System, computer-implemented method, and non-trnsitory, computer-readable medium to determine relative market value of a sale group of livestock based on genetic merit and other non-genetic factors
CN109509042A (zh) * 2019-01-08 2019-03-22 北京探感科技股份有限公司 一种养禽畜成本考评系统及方法
CN111008353A (zh) * 2019-12-05 2020-04-14 中国农业科学院草原研究所 一种牧场经营周期预测方法、系统和计算机可读存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805238A (zh) * 2018-06-11 2018-11-13 西宁市畜牧兽医站 一种肉牛养殖及食品安全追溯系统
WO2020119184A1 (zh) * 2018-12-12 2020-06-18 京东数字科技控股有限公司 一种家畜的智能投喂系统和方法

Also Published As

Publication number Publication date
CN112633568A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
Iliyasu et al. Evaluating contextual factors affecting the technical efficiency of freshwater pond culture systems in Peninsular Malaysia: A two-stage DEA approach
Groeneveld et al. The effect of milk quota abolishment on farm intensity: Shifts and stability
Fromhage et al. Sexually selected traits evolve positive allometry when some matings occur irrespective of the trait
CN107707875A (zh) 牲畜监控方法、计算机程序、存储介质及电子设备
Domínguez-May et al. Effect of ration and size heterogeneity on harvest time: tilapia culture in Yucatan, Mexico
Plà Review of mathematical models for sow herd management
KR20210109575A (ko) 정보 처리 장치 및 정보 처리 시스템
Yu et al. Optimal production schedule in commercial shrimp culture
Patison et al. Time is of the essence: an application of a relational event model for animal social networks
Vander Wal et al. Dyadic associations and individual sociality in bighorn ewes
Berezowski et al. Complex system approaches for animal health surveillance
Ferrière et al. Assessing the risks of changing ongoing management of endangered species
JPWO2016121432A1 (ja) 技能承継支援装置、技能承継支援方法、及びコンピュータ読み取り可能な記録媒体
Hogan et al. The impact of work organisation on the work life of people on pasture-based dairy farms
Carlesso et al. A simple mechanism for collective decision-making in the absence of payoff information
CN112633568B (zh) 牧场养殖风险提示方法、设备及介质
Seidel et al. Estimating a dual value function as a meta-model of a detailed dynamic mathematical programming model
Collazo et al. Optimal allocation of captive‐reared Puerto Rican parrots: Decisions when divergent dynamics characterize managed populations
Halachmi Systems engineering for ornamental fish production in a recirculating aquaculture system
Kankainen et al. Modeling the economic impact of welfare interventions in fish farming—A case study from the UK rainbow trout industry
CN111159430A (zh) 基于知识图谱的生猪养殖预测方法及系统
CN111177415A (zh) 基于大数据和知识图谱的生猪养殖预测方法及系统
Thorson Auxiliary and focal assessment models: a proof-of-concept involving time-varying catchability and fishery stock-status evaluation
Wey et al. Refuge size variation and potential for sperm competition in Wellington tree weta
WO2021111718A1 (ja) 畜産情報管理システム、畜産情報管理サーバ、畜産情報管理方法、及び畜産情報管理プログラム

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