CN114710537A - 一种养殖场内氨气监测方法、装置、电子设备及存储介质 - Google Patents
一种养殖场内氨气监测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114710537A CN114710537A CN202210303189.6A CN202210303189A CN114710537A CN 114710537 A CN114710537 A CN 114710537A CN 202210303189 A CN202210303189 A CN 202210303189A CN 114710537 A CN114710537 A CN 114710537A
- Authority
- CN
- China
- Prior art keywords
- preset
- ammonia gas
- ammonia
- abnormal area
- temperature
- 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.)
- Pending
Links
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 title claims abstract description 324
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012544 monitoring process Methods 0.000 title claims description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 132
- 241001465754 Metazoa Species 0.000 claims abstract description 129
- 229910021529 ammonia Inorganic materials 0.000 claims abstract description 90
- 238000010438 heat treatment Methods 0.000 claims description 39
- 238000012806 monitoring device Methods 0.000 claims description 7
- 238000009395 breeding Methods 0.000 claims description 6
- 230000001488 breeding effect Effects 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 19
- 230000000694 effects Effects 0.000 abstract description 13
- 239000003570 air Substances 0.000 description 53
- 238000007599 discharging Methods 0.000 description 22
- 206010011224 Cough Diseases 0.000 description 14
- 208000006673 asthma Diseases 0.000 description 14
- 238000012549 training Methods 0.000 description 6
- 208000024891 symptom Diseases 0.000 description 4
- 239000012080 ambient air Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K17/00—Measuring quantity of heat
- G01K17/06—Measuring quantity of heat conveyed by flowing media, e.g. in heating systems e.g. the quantity of heat in a transporting medium, delivered to or consumed in an expenditure device
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0054—Ammonia
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/26—Recognition of special voice characteristics, e.g. for use in lie detectors; Recognition of animal voices
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Exhaust Gas Treatment By Means Of Catalyst (AREA)
Abstract
本申请涉及一种养殖场内氨气监测方法、装置、电子设备及存储介质,涉及畜牧养殖的领域,该方法包括获取养殖场内多处区域各自对应的氨气浓度值以及温度值,判断是否存在氨气浓度值达到预设浓度阈值的异常区域,若存在异常区域,则确定异常区域的温度值与第一预设温度阈值的关系,基于异常区域温度值与第一预设温度阈值的关系控制排放氨气。本申请具有减少在排放氨气过程中动物出现不适的情况的效果。
Description
技术领域
本申请涉及畜牧养殖的领域,尤其是涉及一种养殖场内氨气监测方法、装置、电子设备及存储介质。
背景技术
氨气是一种有毒有害的物质,养殖场里动物的粪便会释放氨气,粪便长期堆积会导致氨气超标。氨气浓度过高不仅对人体有害,也会对动物生长造成极大影响。
目前在排放养殖场中的氨气,通常由工作人员控制风机工作或打开窗户来排放氨气。通常养殖场面积较大,因此养殖场中氨气浓度在不同区域也有所不同。但在冬季时,为了起到保温的效果,通常对养殖场进行密封,此时养殖场内的氨气更容易堆积,工作人员排放养殖场内的氨气浓度过高区域的氨气时,会导致该区域内的温度下降,温度降低进而使得该区域内动物在排放氨气过程中出现不适。
发明内容
为了减少在排放氨气过程中动物出现不适的情况,本申请提供一种养殖场内氨气监测方法、装置、电子设备及存储介质。
第一方面,本申请提供一种养殖场内氨气监测方法,采用如下的技术方案:
一种养殖场内氨气监测方法,包括:
获取养殖场内多处区域各自对应的氨气浓度值以及温度值;
判断是否存在氨气浓度值达到预设浓度阈值的异常区域;
若存在异常区域,则确定所述异常区域的温度值与第一预设温度阈值的关系;
基于所述异常区域温度值与第一预设温度阈值的关系控制排放氨气。
通过采用上述技术方案,养殖场面积通常较大,因此将养殖场分隔成多个区域。获取每个区域的氨气浓度值和温度值,从而便于对每个区域的氨气浓度和温度情况进行更好地监测。判断是否存在氨气浓度值达到预设浓度阈值的异常区域,若存在氨气浓度值达到预设浓度阈值的异常区域,则说明需要减小异常区域的氨气浓度,即将外界环境的空气与养殖场内空气进行交换。
在进行空气交换时,外界环境的空气会导致异常区域的温度降低,进而可能导致异常区域内的动物产生不适,影响动物生长。因此确定异常区域的温度值与第一预设温度阈值的关系,第一预设温度阈值排放氨气过程中异常区域温度的最低点。确定出异常区域温度值与第一预设温度阈值的关系后,根据异常区域温度值与第一预设温度阈值的关系控制排放氨气,从而不容易使得动物在排放氨气的过程中感到不适。
在另一种可能实现的方式中,所述基于所述异常区域温度值与第一预设温度阈值的关系控制排放氨气,包括以下中的至少一项:
若任一异常区域的温度值大于第一预设温度阈值,则确定距离所述任一异常区域最近的排放氨气设备,控制所述排放氨气设备工作;
若所述任一异常区域的温度值不大于第一预设温度阈值,则控制所述任一异常区域内的加热设备工作,直至所述任一异常区域的温度值达到第二预设温度阈值,确定距离所述任一异常区域最近的排放氨气设备,控制所述排放氨气设备工作,所述第二预设温度阈值大于所述第一预设温度阈值。
通过采用上述技术方案,任一异常区域的温度值大于第一预设温度阈值时,说明异常区域内的温度较高,排放氨气过程中会导致异常区域温度下降,但不至于使得异常区域的动物感到不适,确定距离该异常区域最近的排放氨气设备并控制该排放氨气设备工作,从而减小排放氨气过程中对其他正常区域的温度影响。任一异常区域的温度值不大于第一预设温度阈值,则说明异常区域温度较低,排放氨气过程中导致该异常区域温度下降并导致该异常区域内的动物感到不适。确定该异常区域内的加热设备并控制该异常区域内的加热设备工作,以提升该异常区域内的温度,当该异常区域的温度值达到第二预设温度阈值时,说明此时进行排放氨气不容易导致该异常区域内的动物产生不适,因此确定出距离该异常区域最近的排放氨气设备后控制该排放氨气设备工作进行排放氨气即可。
通过根据异常区域的温度值与第一预设温度阈值的关系确定出两种情况,针对两种情况确定排放氨气的方式,从而使得异常区域内的动物在排放氨气时不容易产生不适。
在另一种可能实现的方式中,所述方法还包括:
获取养殖场对应的视频信息;
对所述视频信息中的任一动物进行跟踪;
确定所述任一动物在每个预设时间点的位置信息;
若所述任一动物的位置信息满足预设条件,则获取所述任一动物的动物图像信息;
所述预设条件包括:
所述任一动物的位置信息中相同的位置信息的个数达到预设个数阈值;
输出所述动物图像信息。
通过采用上述技术方案,氨气浓度同样影响动物的活跃度,氨气浓度高时,动物的活跃度相应变低。因此通过检测动物的活跃度来判断是否需要排放氨气。获取养殖场对应的视频信息,根据视频信息便于确定动物的活跃度。对视频信息中的任一动物进行跟踪,并根据预设时间点确定该动物在每个预设时间点的位置信息。若该动物的位置信息中相同的位置信息的个数达到预设个数阈值,则说明该动物活跃度较低,从而说明氨气浓度过高,获取该动物的动物图像信息并输出该动物图像信息,从而便于工作人员及时得知该动物产生不适并及时排放氨气。
在另一种可能实现的方式中,所述方法还包括:
获取预设时间的养殖场内的音频信息;
将所述音频信息输入至训练好的网络模型中进行特征音频识别,并得到识别结果;
若识别结果为存在特征音频,则基于所述音频信息判断是否控制排放氨气。
通过采用上述技术方案,氨气同样对动物的呼吸产生影响,当养殖场内的氨气浓度过高时,动物会产生咳喘的症状。获取预设时间的养殖场内的音频信息,并将音频信息输入至训练好的网络模型中进行特征音频识别,并输出识别结果,以检测音频信息中是否存在特征音频,特征音频即动物的咳喘音频。识别到音频信息中存在特征音频后,根据音频信息即可判断是否需要排放氨气。
在另一种可能实现的方式中,所述基于所述音频信息判断是否控制排放氨气,包括以下中的至少一项:
确定所述特征音频的出现时长,基于所述特征音频的出现时长以及预设时间确定特征音频时长占比,若所述特征音频时长占比达到预设占比,则输出提示信息;
确定所述特征音频出现次数,判断所述特征音频出现次数是否达到预设次数阈值,若达到,则输出提示信息。
通过采用上述技术方案,确定出音频信息中特征音频的出现时长,特征音频的出现时长越长,说明动物咳喘的情况越严重。因此根据特征音频出现时长以及预设时间确定特征音频时长占比,若特征音频时长占比达到预设占比,则说明动物咳喘情况严重,需排放氨气。动物咳喘一声记为特征音频出现一次。判断特征音频出现次数是否达到预设次数阈值,达到预设次数阈值说明动物咳喘情况严重,需排放氨气。通过动物出现咳喘的时长和/或次数判断是否需要排放氨气更准确。
在另一种可能实现的方式中,所述方法还包括:
基于预设浓度阈值以及当前多处区域各自对应的氨气浓度值确定多处区域各自对应的浓度差值;
若存在浓度差值小于预设浓度差值的区域,则确定所述浓度差值小于预设浓度差值的区域对应的窗户;
控制打开所述窗户。
通过采用上述技术方案,任一浓度差值小于预设浓度差值,则说明该区域为氨气浓度即将接近预设浓度阈值的区域,但不需要使用排放氨气设备排放氨气,确定输该区域对应的窗户并控制打开窗户进行空气交换,从而使得该区域氨气浓度不容易达到预设浓度阈值。
在另一种可能实现的方式中,所述控制所述排放氨气设备工作,之后包括:
获取养殖厂外对应的环境温度值;
确定所述环境温度值与所述异常区域对应的温度值的温度差值;
基于所述温度差值控制空气加热设备加热空气。
通过采用上述技术方案,环境温度值过低时进行空气交换会导致养殖场内温度急剧下降。因此根据环境温度值与异常区域的温度值的温度差值控制加热空气,从而使得异常区域在排放氨气时温度不容易大幅降低。
第二方面,本申请提供一种养殖场内氨气监测装置,采用如下的技术方案:
一种养殖场内氨气监测装置,包括:
第一获取模块,用于获取养殖场内多处区域各自对应的氨气浓度值以及温度值;
异常判断模块,用于判断是否存在氨气浓度值达到预设浓度阈值的异常区域;
关系确定模块,用于当存在异常区域时,确定所述异常区域的温度值与第一预设温度阈值的关系;
第一控制模块,用于基于所述异常区域温度值与第一预设温度阈值的关系控制排放氨气。
通过采用上述技术方案,养殖场面积通常较大,因此将养殖场分隔成多个区域。第一获取模块获取每个区域的氨气浓度值和温度值,从而便于对每个区域的氨气浓度和温度情况进行更好地监测。异常判断模块判断是否存在氨气浓度值达到预设浓度阈值的异常区域,若存在氨气浓度值达到预设浓度阈值的异常区域,则说明需要减小异常区域的氨气浓度,即将外界环境的空气与养殖场内空气进行交换。
在进行空气交换时,外界环境的空气会导致异常区域的温度降低,进而可能导致异常区域内的动物产生不适,影响动物生长。因此关系确定模块确定异常区域的温度值与第一预设温度阈值的关系,第一预设温度阈值排放氨气过程中异常区域温度的最低点。确定出异常区域温度值与第一预设温度阈值的关系后,第一控制模块根据异常区域温度值与第一预设温度阈值的关系控制排放氨气,从而不容易使得动物在排放氨气的过程中感到不适。
在另一种可能的实现方式中,所述第一控制模块在基于所述异常区域温度值与第一预设温度阈值的关系控制排放氨气时,具体用于以下中的至少一项:
若任一异常区域的温度值大于第一预设温度阈值,则确定距离所述任一异常区域最近的排放氨气设备,控制所述排放氨气设备工作;
若所述任一异常区域的温度值不大于第一预设温度阈值,则控制所述任一异常区域内的加热设备工作,直至所述任一异常区域的温度值达到第二预设温度阈值,确定距离所述任一异常区域最近的排放氨气设备,控制所述排放氨气设备工作,所述第二预设温度阈值大于所述第一预设温度阈值。
在另一种可能的实现方式中,所述装置还包括:
第二获取模块,用于获取养殖场对应的视频信息;
跟踪模块,用于对所述视频信息中的任一动物进行跟踪;
位置确定模块,用于确定所述任一动物在每个预设时间点的位置信息;
第三获取模块,用于当所述任一动物的位置信息满足预设条件时,获取所述任一动物的动物图像信息;
所述预设条件包括:
所述任一动物的位置信息中相同的位置信息的个数达到预设个数阈值;
第一输出模块,用于输出所述动物图像信息。
在另一种可能的实现方式中,所述装置还包括:
第四获取模块,用于获取预设时间的养殖场内的音频信息;
识别模块,用于将所述音频信息输入至训练好的网络模型中进行特征音频识别,并得到识别结果;
控制判断模块,用于当识别结果为存在特征音频时,基于所述音频信息判断是否控制排放氨气。
在另一种可能的实现方式中,所述控制判断模块在基于所述音频信息判断是否控制排放氨气时,具体用于以下中的至少一项:
确定所述特征音频的出现时长,基于所述特征音频的出现时长以及预设时间确定特征音频时长占比,若所述特征音频时长占比达到预设占比,则输出提示信息;
确定所述特征音频出现次数,判断所述特征音频出现次数是否达到预设次数阈值,若达到,则输出提示信息。
在另一种可能的实现方式中,所述装置还包括:
浓度差值确定模块,用于基于预设浓度阈值以及当前多处区域各自对应的氨气浓度值确定多处区域各自对应的浓度差值;
窗户确定模块,用于当存在浓度差值小于预设浓度差值的区域时,确定所述浓度差值小于预设浓度差值的区域对应的窗户;
控制打开模块,用于控制打开所述窗户。
在另一种可能的实现方式中,所述装置还包括:
第五获取模块,用于获取养殖厂外对应的环境温度值;
温度差值确定模块,用于确定所述环境温度值与所述异常区域对应的温度值的温度差值;
第二控制模块,基于所述温度差值控制空气加热设备加热空气。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个应用程序配置用于:执行根据第一方面任一种可能的实现方式所示的一种养殖场内氨气监测方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,当所述计算机程序在计算机中执行时,令所述计算机执行第一方面任一项所述的一种养殖场内氨气监测方法。
综上所述,本申请包括以下至少一种有益技术效果:
1. 在排放氨气进行空气交换时,外界环境的空气会导致异常区域的温度降低,进而可能导致异常区域内的动物产生不适,影响动物生长。因此确定异常区域的温度值与第一预设温度阈值的关系,第一预设温度阈值排放氨气过程中异常区域温度的最低点。确定出异常区域温度值与第一预设温度阈值的关系后,根据异常区域温度值与第一预设温度阈值的关系控制排放氨气,从而不容易使得动物在排放氨气的过程中感到不适;
2. 氨气浓度同样影响动物的活跃度,氨气浓度高时,动物的活跃度相应变低。因此通过检测动物的活跃度来判断是否需要排放氨气。获取养殖场对应的视频信息,根据视频信息便于确定动物的活跃度。对视频信息中的任一动物进行跟踪,并根据预设时间点确定该动物在每个预设时间点的位置信息。若该动物的位置信息中相同的位置信息的个数达到预设个数阈值,则说明该动物活跃度较低,从而说明氨气浓度过高,获取该动物的动物图像信息并输出该动物图像信息,从而便于工作人员及时得知该动物产生不适并及时排放氨气。
附图说明
图1是本申请实施例的一种养殖场内氨气监测方法的流程示意图。
图2是本申请实施例的一种养殖场内氨气监测装置的结构示意图。
图3是本申请实施例的一种电子设备的结构示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种养殖场内氨气监测方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制,如图1所示,该方法包括步骤S101、步骤S102、步骤S103以及步骤S104,其中,
S101,获取养殖场内多处区域各自对应的氨气浓度值以及温度值。
对于本申请实施例,工作人员可将养殖场分隔成多个区域,在每个区域分别设置氨气浓度传感器以及温度传感器,从而采集对应区域内的氨气浓度以及温度,氨气浓度传感器采集氨气浓度后输出表征氨气浓度值的信号,电子设备获取表征氨气浓度值的信号以获取氨气浓度值。温度传感器采集温度后输出表征温度值的信号,电子设备获取表征温度值的信号以获取温度值。
S102,判断是否存在氨气浓度值达到预设浓度阈值的异常区域。
对于本申请实施例,假设养殖场内分为5个区域,分别为A区域、B区域、C区域、D区域以及E区域。对应的氨气浓度值分别为15ppm、15ppm、17ppm、19ppm以及22ppm。假设预设浓度阈值为20ppm。电子设备将上述五个氨气浓度值分别与20ppm进行比较。最终得出E区域的氨气浓度值22ppm大于20ppm,即E区域的氨气浓度值超标。E区域即为异常区域。
S103,若存在异常区域,则确定异常区域的温度值与第一预设温度阈值的关系。
对于本申请实施例,电子设备确定出需要对E区域排放氨气后,通常通过将养殖场内的空气与环境空气进行交换,来达到排放氨气的效果,但在冬季进行空气交换时,会导致养殖场内温度下降,进而可能导致养殖场内的动物产生不适的症状。因此在排放氨气进行空气交换时考虑对E区域温度带来的影响,假设第一预设温度阈值为20℃。第一预设温度阈值表征在排放氨气进行空气交换过程中,E区域内温度降低时的最低值。电子设备根据E区域的温度值以及第一预设温度阈值确定E区域与20℃的关系。
S104,基于异常区域温度值与第一预设温度阈值的关系控制排放氨气。
对于本申请实施例,电子设备确定出E区域温度值与20℃的关系后,根据该关系控制排放氨气,从而减小对E区域内动物的影响,使得E区域中的动物不容易产生不适等症状。
本申请实施例的一种可能的实现方式,步骤S104中基于异常区域温度值与第一预设温度阈值的关系控制排放氨气,具体包括步骤S1041(图中未示出)以及步骤S1042(图中未示出)中的至少一项,其中,
S1041,若任一异常区域的温度值大于第一预设温度阈值,则确定距离任一异常区域最近的排放氨气设备,控制排放氨气设备工作。
对于本申请实施例,排放氨气设备可以是风机、也可以是换气扇,也可以是气泵,还可以是其他能够排放氨气的设备,在此不做限定。以异常区域为E区域为例,并且以步骤S103中的第一预设温度阈值为20℃为例,假设电子设备获取到的E区域的温度值为23℃。即E区域的温度值大于20℃。说明在排放氨气进行空气交换时,E区域内的温度不容易降至20℃以下。电子设备确定距离E区域最近的排放氨气设备,并控制该排放氨气设备工作以排放氨气进行空气交换,从而减小了对其他区域温度的影响,并且通过距离E区域最近的排放氨气设备排放氨气效果更好。
确定距离E区域最近的排放氨气设备,可以是工作人员事先存储在电子设备中的预设排放氨气设备,即将E区域与距离最近的排放氨气设备的对应关系存储在电子设备中,从而确定距离E区域最近的排放氨气设备。还可以是通过建立平面坐标系,并在平面坐标系上确定每个排放氨气设备的位置坐标以及E区域中间位置的位置坐标。通过两点间距离公式计算E区域到每个排放氨气设备之间的距离,以此确定距离最小的排放氨气设备即为距离E区域最近的排放氨气设备。
S1042,若任一异常区域的温度值不大于第一预设温度阈值,则控制任一异常区域内的加热设备工作,直至任一异常区域的温度值达到第二预设温度阈值,确定距离任一异常区域最近的排放氨气设备,控制排放氨气设备工作,第二预设温度阈值大于第一预设温度阈值。
对于本申请实施例,假设获取到的E区域的温度值为19℃,19℃小于20℃,从而说明直接控制排放氨气设备排放氨气极性空气交换会导致E区域内温度进一步下降,从而增大E区域内动物产生不适的可能性。此时电子设备控制E区域内的加热设备工作或控制该加热设备的加热功率,以使得E区域的温度升高。假设第二预设温度阈值为23℃,电子设备获取到E区域的温度值达到23℃时,确定距离E区域最近的排放氨气设备工作即可。此时排放氨气进行空气交换,E区域内的动物更不容易感到不适或产生其它症状。
在本申请实施例中,确定距离E区域最近的排放氨气设备可按照步骤S1041中提供的方式进行。确定E区域内的加热设备,可以是工作人员事先存储在电子设备中的预设加热设备,即将E区域对应的加热设备的对应关系存储在电子设备中,从而确定距离E区域最近的加热设备。加热设备可以是空调,也可以是设置有加热丝的电器设备,还可以是其他具有加热功能的电器设备,在此不做限定。
本申请实施例的一种可能的实现方式,方法还包括步骤S105(图中未示出)、步骤S106(图中未示出)、步骤S107(图中未示出)、步骤S108(图中未示出)以及步骤S109(图中未示出),其中,
S105,获取养殖场对应的视频信息。
对于本申请实施例,工作人员可在养殖场内的墙壁上安装摄像头装置,以采集养殖场内的视频信息,从而达到监控养殖场内动物的效果。
S106,对视频信息中的任一动物进行跟踪。
对于本申请实施例,电子设备通过目标识别技术识别出视频信息中的动物,目标识别可通过神经网络进行,例如将视频信息输入至训练好的神经网络中进行动物识别,从而识别出动物。识别出动物后对动物进行目标跟踪,从而便于得知动物的行动轨迹。
S107,确定任一动物在每个预设时间点的位置信息。
对于本申请实施例,假设视频信息时长为10min,预设时间点为从视频开始到结束过程中每隔30s时的时间点,即共有20个预设时间点。电子设备可对视频信息中的画面进行划分得到多个子区域,例如将画面分割成20×20个子区域。电子设备将识别到的任一动物的中心位置点作为表征该动物位置的点。电子设备确定该动物中心位置点在每个预设时间点时所处的子区域,每个预设时间点所在的子区域即为该动物在每个预设时间点时的位置信息。
S108,若任一动物的位置信息满足预设条件,则获取任一动物的动物图像信息。
其中,预设条件包括:
任一动物的位置信息中相同的位置信息的个数达到预设个数阈值。
对于本申请实施例,当氨气浓度过高时,会对动物的活跃度产生影响,氨气浓度越高,动物的活跃度越低。电子设备确定出任一动物在每个预设时间点时的位置信息后,从全部位置信息中确定出位置信息相同的个数。以步骤S107为例,20个位置信息中,所在子区域相同的位置信息有11个。假设预设个数阈值为10个,则说明该动物的位置信息未发生变化的时间点较多,即该动物在视频信息所在的10min内活跃度不高。电子设备确定出该动物的活跃度不高后,获取该动物对应的图像信息,该动物的动物图像信息可在视频信息中截取获得,也可通过摄像头装置采集该动物的图像信息获得。
S109,输出动物图像信息。
对于本申请实施例,以步骤S108为例,电子设备可通过控制显示屏或其他显示装置显示该动物的动物图像信息,也可将该动物的动物图像信息发送至工作人员对应的终端设备,工作人员的终端设备对动物图像信息进行显示,从而便于工作人员及时得知动物活跃度不高,进而及时排放氨气进行空气交换。
本申请实施例的一种可能的实现方式,方法还包括步骤S110(图中未示出)、步骤S111(图中未示出)以及步骤S112(图中未示出),其中,
S110,获取预设时间的养殖场内的音频信息。
对于本申请实施例,氨气浓度对动物的呼吸产生影响,氨气浓度越高,对动物的呼吸影响越严重,动物越容易出现咳喘等情况。假设预设时间为30min,工作人员可在养殖场内安装麦克风装置采集养殖场内30min的音频信息。通过对音频信息进行分析来检测动物的咳喘情况。
S111,将音频信息输入至训练好的网络模型中进行特征音频识别,并得到识别结果。
对于本申请实施例,网络模型为神经网络模型,网络模型可以是卷积神经网络,也可以是循环神经网络,网络模型的种类在此不做限定。对初始网络模型进行训练学习之前先确定训练样本集,训练样本集中包括多个音频信息、多个音频信息各自对应的是否存在特征音频,特征音频即为动物咳喘声。例如其中两个训练样本为“音频信息1,存在特征音频”以及“音频信息2,不存在音频”将训练样本集输入至网络模型中进行训练学习得到训练好的网络模型。
将音频图像信息输入训练好的网络模型中进行特征音频识别,网络模型输出的识别结果即为音频信息中是否存在特征音频。
例如,将30min的音频信息输入训练好的网络模型,输出特征音频识别结果为“存在特征音频”。
S112,若识别结果为存在特征音频,则基于音频信息判断是否控制排放氨气。
对于本申请实施例,假设识别出30min的音频信息中存在特征音频,即30min的音频信息中存在动物咳喘。电子设备根据音频信息中的咳喘情况便于判断养殖场内的氨气浓度是否达到需要排放氨气进行空气交换的程度。
本申请实施例的一种可能的实现方式,步骤S112中基于音频信息判断是否控制排放氨气,具体包括步骤S1121(图中未示出)以及步骤S1122(图中未示出)中的至少一项,其中,
S1121,确定特征音频的出现时长,基于特征音频的出现时长以及预设时间确定特征音频时长占比,若特征音频时长占比达到预设占比,则输出提示信息。
对于本申请实施例,电子设备可通过用于表征咳喘的预设声纹信息、预设频率信息等,从音频信息中提取出全部的特征音频片段。确定出全部的特征音频片段后,对全部的特征音频片段的总时长进行求和。假设特征音频片段的总时长为10min,以预设时间30min为例。电子设备计算特征音频的出现时长与预设时间的占比,即特征音频时长占比=10/30=1/3≈33.3%。假设预设占比为30%,电子设备判断出33.3%>30%。则说明特征音频出现时长过长,氨气浓度过高。电子设备输出提示信息,以提示工作人员及时排放氨气进行空气交换。电子设备可通过向工作人员的终端设备发送“氨气浓度过高,请排放氨气”的短信文字信息。电子设备还可通过显示屏等显示装置输出“氨气浓度过高,请排放氨气”的文字信息,还可控制扬声器装置输出“氨气浓度过高,请排放氨气”的语音信息。
S1122,确定特征音频出现次数,判断特征音频出现次数是否达到预设次数阈值,若达到,则输出提示信息。
对于本申请实施例,电子设备根据预设声纹信息、预设频率信息等提取特征音频片段,确定出全部特征音频片段后,得到特征音频出现的次数。假设得到特征音频出现的次数为200次,预设次数阈值为150次。电子设备判断出200次>150次,则说明动物咳喘次数过多,进而说明氨气浓度过高。电子设备输出提示信息以提示工作人员及时排放氨气进行空气交换。本申请实施例中,电子设备输出提示信息可以按照步骤S1121中描述的方式进行。
在本申请实施例中,可通过特征音频出现时长以及特征音频出现次数同时判断是否需要排放氨气。例如,特征音频市场占比达到预设占比且特征音频出现次数达到预设次数时,说明氨气浓度过高,输出提示信息。
本申请实施例的一种可能的实现方式,方法还包括步骤S113(图中未示出)、步骤S114(图中未示出)以及步骤S115(图中未示出),其中,
S113,基于预设浓度阈值以及当前多处区域各自对应的氨气浓度值确定多处区域各自对应的浓度差值。
对于本申请实施例,以步骤S102为例,电子设备计算每个区域氨气浓度差值分别与预设浓度阈值的浓度差值,得到A区域对应的浓度差值为5ppm、B区域对应的浓度差值为5ppm、C区域对应的浓度差值为3ppm、D区域对应的浓度差值为1ppm以及E区域对应的浓度差值为-2ppm。保留浓度差值为正值的浓度差值,浓度差值为负值时说明需要通过排放氨气设备排放氨气。
S114,若存在浓度差值小于预设浓度差值的区域,则确定浓度差值小于预设浓度差值的区域对应的窗户。
对于本申请实施例,假设预设浓度差值为2ppm。以步骤S113为例,电子设备判断出D区域为浓度差值小于预设浓度差值的区域,即D区域为即将达到预设浓度阈值的区域。为了使得D区域不容易达到预设浓度阈值,可通过开窗通风降低氨气浓度。电子设备确定出D区域对应的窗户,从而便于对D区域通风排放氨气。
S115,控制打开窗户。
对于本申请实施例,工作人员可在窗户的转轴处安装电机,或者在窗户上安装舵机来实现对窗户开关的控制。以步骤S114为例,电子设备确定出D区域对应的窗户后,向该窗户对应的电机或舵机输出打开控制指令,即可打开D区域对应的窗户进行通风排氨。
本申请实施例的一种可能的实现方式,方法还包括步骤S116(图中未示出)、步骤S117(图中未示出)以及步骤S118(图中未示出),其中,步骤S116可在步骤S104之后执行,其中,
S116,获取养殖厂外对应的环境温度值。
对于本申请实施例,工作人员可在养殖场外设置温度传感器采集养殖场外的环境温度值以使得电子设备获取,也可通过互联网或云服务器获取养殖场当地的气温。当养殖场外的环境温度过低时,在排放氨气进行空气交换的过程中会导致养殖场内的温度急速下降。因此获取环境温度值从而便于根据环境温度值加热环境空气,以更好地进行空气交换。
S117,确定环境温度值与异常区域对应的温度值的温度差值。
对于本申请实施例,假设环境温度值为5℃,异常区域的温度值为21℃。电子设备经计算得到的温度差值为16℃。对环境空气进行加热后进行空气交换,从而使得异常区域的温度不容易降低过快。
S118,基于温度差值控制空气加热设备加热空气。
对于本申请实施例,加热空气可在排放氨气设备处设置空气加热设备进行加热,假设空气加热设备中的制热组件为加热丝。以步骤S117为例,电子设备确定出的温度差值为16℃。温度差值越大需要将空气加热到的温度越高,进而需要加热丝的温度更高,即温度差值与加热丝的温度呈正相关。假设需要将在温度差值为16℃的情况下,空气加热设备的加热丝为80℃。温度差值与加热丝温度的关系为:y=5x。其中y为加热丝所需达到的温度,x为温度差值,5为比例系数。电子设备向空气加热设备输出将加热丝的温度调整至100℃的控制指令,空气加热设备接收到将加热丝的温度调整到100℃的控制指令后,使加热丝温度达到100℃。进而在空气交换时养殖场内的温度不容易过快降低。
上述实施例从方法流程的角度介绍一种养殖场内氨气监测方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种养殖场内氨气监测装置,具体详见下述实施例。
本申请实施例提供一种养殖场内氨气监测装置20,如图2所示,该养殖场内氨气监测装置20具体可以包括:
第一获取模块201,用于获取养殖场内多处区域各自对应的氨气浓度值以及温度值;
异常判断模块202,用于判断是否存在氨气浓度值达到预设浓度阈值的异常区域;
关系确定模块203,用于当存在异常区域时,确定异常区域的温度值与第一预设温度阈值的关系;
第一控制模块204,用于基于异常区域温度值与第一预设温度阈值的关系控制排放氨气。
对于本申请实施例,养殖场面积通常较大,因此将养殖场分隔成多个区域。第一获取模块201获取每个区域的氨气浓度值和温度值,从而便于对每个区域的氨气浓度和温度情况进行更好地监测。异常判断模块202判断是否存在氨气浓度值达到预设浓度阈值的异常区域,若存在氨气浓度值达到预设浓度阈值的异常区域,则说明需要减小异常区域的氨气浓度,即将外界环境的空气与养殖场内空气进行交换。
在进行空气交换时,外界环境的空气会导致异常区域的温度降低,进而可能导致异常区域内的动物产生不适,影响动物生长。因此关系确定模块203确定异常区域的温度值与第一预设温度阈值的关系,第一预设温度阈值排放氨气过程中异常区域温度的最低点。确定出异常区域温度值与第一预设温度阈值的关系后,第一控制模块204根据异常区域温度值与第一预设温度阈值的关系控制排放氨气,从而不容易使得动物在排放氨气的过程中感到不适。
本申请实施例的一种可能的实现方式,第一控制模块204在基于异常区域温度值与第一预设温度阈值的关系控制排放氨气时,具体用于以下中的至少一项:
若任一异常区域的温度值大于第一预设温度阈值,则确定距离任一异常区域最近的排放氨气设备,控制排放氨气设备工作;
若任一异常区域的温度值不大于第一预设温度阈值,则控制任一异常区域内的加热设备工作,直至任一异常区域的温度值达到第二预设温度阈值,确定距离任一异常区域最近的排放氨气设备,控制排放氨气设备工作,第二预设温度阈值大于第一预设温度阈值。
本申请实施例的一种可能的实现方式,装置20还包括:
第二获取模块,用于获取养殖场对应的视频信息;
跟踪模块,用于对视频信息中的任一动物进行跟踪;
位置确定模块,用于确定任一动物在每个预设时间点的位置信息;
第三获取模块,用于当任一动物的位置信息满足预设条件时,获取任一动物的动物图像信息;
预设条件包括:
任一动物的位置信息中相同的位置信息的个数达到预设个数阈值;
第一输出模块,用于输出动物图像信息。
本申请实施例的一种可能的实现方式,装置20还包括:
第四获取模块,用于获取预设时间的养殖场内的音频信息;
识别模块,用于将音频信息输入至训练好的网络模型中进行特征音频识别,并得到识别结果;
控制判断模块,用于当识别结果为存在特征音频时,基于音频信息判断是否控制排放氨气。
本申请实施例的一种可能的实现方式,控制判断模块在基于音频信息判断是否控制排放氨气时,具体用于以下中的至少一项:
确定特征音频的出现时长,基于特征音频的出现时长以及预设时间确定特征音频时长占比,若特征音频时长占比达到预设占比,则输出提示信息;
确定特征音频出现次数,判断特征音频出现次数是否达到预设次数阈值,若达到,则输出提示信息。
本申请实施例的一种可能的实现方式,装置20还包括:
浓度差值确定模块,用于基于预设浓度阈值以及当前多处区域各自对应的氨气浓度值确定多处区域各自对应的浓度差值;
窗户确定模块,用于当存在浓度差值小于预设浓度差值的区域时,确定浓度差值小于预设浓度差值的区域对应的窗户;
控制打开模块,用于控制打开窗户。
本申请实施例的一种可能的实现方式,装置20还包括:
第五获取模块,用于获取养殖厂外对应的环境温度值;
温度差值确定模块,用于确定环境温度值与异常区域对应的温度值的温度差值;
第二控制模块,基于温度差值控制空气加热设备加热空气。
在本申请实施例中,第一获取模块201、第二获取模块、第三获取模块、第四获取模块以及第五获取模块可以是相同的获取模块,也可以是不同的获取模块,还可以是部分相同的获取模块。第一控制模块204和第二控制模块可以是相同的控制模块,也可以是不同的控制模块。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的养殖场内氨气监测装置20的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例中提供了一种电子设备,如图3所示,图3所示的电子设备30包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备30还可以包括收发器404。需要说明的是,实际应用中收发器304不限于一个,该电子设备30的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一型的总线。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。与相关技术相比,本申请实施例中养殖场面积通常较大,因此将养殖场分隔成多个区域。获取每个区域的氨气浓度值和温度值,从而便于对每个区域的氨气浓度和温度情况进行更好地监测。判断是否存在氨气浓度值达到预设浓度阈值的异常区域,若存在氨气浓度值达到预设浓度阈值的异常区域,则说明需要减小异常区域的氨气浓度,即将外界环境的空气与养殖场内空气进行交换。在进行空气交换时,外界环境的空气会导致异常区域的温度降低,进而可能导致异常区域内的动物产生不适,影响动物生长。因此确定异常区域的温度值与第一预设温度阈值的关系,第一预设温度阈值排放氨气过程中异常区域温度的最低点。确定出异常区域温度值与第一预设温度阈值的关系后,根据异常区域温度值与第一预设温度阈值的关系控制排放氨气,从而不容易使得动物在排放氨气的过程中感到不适。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种养殖场内氨气监测方法,其特征在于,包括:
获取养殖场内多处区域各自对应的氨气浓度值以及温度值;
判断是否存在氨气浓度值达到预设浓度阈值的异常区域;
若存在异常区域,则确定所述异常区域的温度值与第一预设温度阈值的关系;
基于所述异常区域温度值与第一预设温度阈值的关系控制排放氨气。
2.根据权利要求1所述的一种养殖场内氨气监测方法,其特征在于,所述基于所述异常区域温度值与第一预设温度阈值的关系控制排放氨气,包括以下中的至少一项:
若任一异常区域的温度值大于第一预设温度阈值,则确定距离所述任一异常区域最近的排放氨气设备,控制所述排放氨气设备工作;
若所述任一异常区域的温度值不大于第一预设温度阈值,则控制所述任一异常区域内的加热设备工作,直至所述任一异常区域的温度值达到第二预设温度阈值,确定距离所述任一异常区域最近的排放氨气设备,控制所述排放氨气设备工作,所述第二预设温度阈值大于所述第一预设温度阈值。
3.根据权利要求1所述的一种养殖场内氨气监测方法,其特征在于,所述方法还包括:
获取养殖场对应的视频信息;
对所述视频信息中的任一动物进行跟踪;
确定所述任一动物在每个预设时间点的位置信息;
若所述任一动物的位置信息满足预设条件,则获取所述任一动物的动物图像信息;
所述预设条件包括:
所述任一动物的位置信息中相同的位置信息的个数达到预设个数阈值;
输出所述动物图像信息。
4.根据权利要求1所述的一种养殖场内氨气监测方法,其特征在于,所述方法还包括:
获取预设时间的养殖场内的音频信息;
将所述音频信息输入至训练好的网络模型中进行特征音频识别,并得到识别结果;
若识别结果为存在特征音频,则基于所述音频信息判断是否控制排放氨气。
5.根据权利要求4所述的一种养殖场内氨气监测方法,其特征在于,所述基于所述音频信息判断是否控制排放氨气,包括以下中的至少一项:
确定所述特征音频的出现时长,基于所述特征音频的出现时长以及预设时间确定特征音频时长占比,若所述特征音频时长占比达到预设占比,则输出提示信息;
确定所述特征音频出现次数,判断所述特征音频出现次数是否达到预设次数阈值,若达到,则输出提示信息。
6.根据权利要求1所述的一种养殖场内氨气监测方法,其特征在于,所述方法还包括:
基于预设浓度阈值以及当前多处区域各自对应的氨气浓度值确定多处区域各自对应的浓度差值;
若存在浓度差值小于预设浓度差值的区域,则确定所述浓度差值小于预设浓度差值的区域对应的窗户;
控制打开所述窗户。
7.根据权利要求2所述的一种养殖场内氨气监测方法,其特征在于,所述控制所述排放氨气设备工作,之后包括:
获取养殖厂外对应的环境温度值;
确定所述环境温度值与所述异常区域对应的温度值的温度差值;
基于所述温度差值控制空气加热设备加热空气。
8.一种养殖场内氨气监测装置,其特征在于,包括:
第一获取模块,用于获取养殖场内多处区域各自对应的氨气浓度值以及温度值;
异常判断模块,用于判断是否存在氨气浓度值达到预设浓度阈值的异常区域;
关系确定模块,用于当存在异常区域时,确定所述异常区域的温度值与第一预设温度阈值的关系;
第一控制模块,用于基于所述异常区域温度值与第一预设温度阈值的关系控制排放氨气。
9.一种电子设备,其特征在于,其包括:
一个或者多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个应用程序配置用于:执行根据权利要求1~7任一项所述的一种养殖场内氨气监测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~7任一项所述的一种养殖场内氨气监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210303189.6A CN114710537A (zh) | 2022-03-25 | 2022-03-25 | 一种养殖场内氨气监测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210303189.6A CN114710537A (zh) | 2022-03-25 | 2022-03-25 | 一种养殖场内氨气监测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114710537A true CN114710537A (zh) | 2022-07-05 |
Family
ID=82171671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210303189.6A Pending CN114710537A (zh) | 2022-03-25 | 2022-03-25 | 一种养殖场内氨气监测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114710537A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115202421A (zh) * | 2022-09-14 | 2022-10-18 | 广东省农业科学院动物科学研究所 | 一种智能养殖环境控制方法及系统 |
CN115876258A (zh) * | 2023-02-14 | 2023-03-31 | 山东大佳机械有限公司 | 基于多源数据的畜禽养殖环境异常监测及报警系统 |
CN116101657A (zh) * | 2023-04-13 | 2023-05-12 | 惠州市华达通气体制造股份有限公司 | 氨水储存设备的预警方法、装置、设备及存储介质 |
-
2022
- 2022-03-25 CN CN202210303189.6A patent/CN114710537A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115202421A (zh) * | 2022-09-14 | 2022-10-18 | 广东省农业科学院动物科学研究所 | 一种智能养殖环境控制方法及系统 |
CN115876258A (zh) * | 2023-02-14 | 2023-03-31 | 山东大佳机械有限公司 | 基于多源数据的畜禽养殖环境异常监测及报警系统 |
CN115876258B (zh) * | 2023-02-14 | 2023-12-08 | 山东大佳机械有限公司 | 基于多源数据的畜禽养殖环境异常监测及报警系统 |
CN116101657A (zh) * | 2023-04-13 | 2023-05-12 | 惠州市华达通气体制造股份有限公司 | 氨水储存设备的预警方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114710537A (zh) | 一种养殖场内氨气监测方法、装置、电子设备及存储介质 | |
WO2021218314A1 (zh) | 基于位置定位的事件识别方法、装置、设备及存储介质 | |
CN112188531A (zh) | 异常检测方法、装置、电子设备及计算机存储介质 | |
CN114387762A (zh) | 一种楼宇数据管理的方法、装置、设备及存储介质 | |
CN110672323B (zh) | 一种基于神经网络的轴承健康状态评估方法及装置 | |
CN110848897B (zh) | 一种空调智能调节的方法及计算机可读存储介质 | |
US20210405104A1 (en) | Automobile battery failure prediction method and system | |
US20210203685A1 (en) | Disaster security calculation method, and user terminal and non-transitory medium implementing same | |
CN114580572B (zh) | 一种异常值的识别方法、装置、电子设备及存储介质 | |
CN113379469A (zh) | 一种异常流量检测方法、装置、设备及存储介质 | |
CN113392738A (zh) | 行为规范性检测方法、装置、电子设备和存储介质 | |
CN111522859A (zh) | 告警分析方法、装置、计算机设备和存储介质 | |
CN111340540B (zh) | 广告推荐模型的监控方法、推荐方法及装置 | |
CN112926542B (zh) | 一种性别检测方法、装置、电子设备及存储介质 | |
JPWO2019187107A1 (ja) | 情報処理装置、制御方法、及びプログラム | |
CN112432316B (zh) | 一种空调控制方法、装置、电子设备及存储介质 | |
JP7266612B2 (ja) | システムのユーザーに呼吸発作のリスクを与える可能性のあるアレルゲンを決定するシステム及び方法 | |
CN113225325A (zh) | 一种ip黑名单确定方法、装置、设备及存储介质 | |
CN113469290B (zh) | 一种训练样本的选取方法、系统、存储介质和电子设备 | |
CN115601401B (zh) | 基于牲畜群体运动特性的跟踪计数方法及其相关设备 | |
CN109948536B (zh) | 一种发呆识别方法及装置 | |
CN113051128B (zh) | 功耗检测方法、装置、电子设备及存储介质 | |
CN116935315B (zh) | 一种病房环境的监控方法、装置、设备和介质 | |
CN117073184A (zh) | 除湿控制方法、计算机可读存储介质、电子设备及空调 | |
TWI737105B (zh) | 災害保障資源計算方法、裝置、電腦裝置及存儲介質 |
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 |