CN115202421B - 一种智能养殖环境控制方法及系统 - Google Patents
一种智能养殖环境控制方法及系统 Download PDFInfo
- Publication number
- CN115202421B CN115202421B CN202211112387.0A CN202211112387A CN115202421B CN 115202421 B CN115202421 B CN 115202421B CN 202211112387 A CN202211112387 A CN 202211112387A CN 115202421 B CN115202421 B CN 115202421B
- Authority
- CN
- China
- Prior art keywords
- value
- environment
- matrix
- serial number
- values
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种智能养殖环境控制方法及系统，获取养殖场所内水平面上各处的氨气浓度值，并同时获取养殖场所内水平面上各处的温度值，将同一时刻获取的各处的氨气浓度值及温度值构建成环境域值图，于多个不同时刻分别获取各时刻对应的环境域值图，以此组成环境域值图时间序列；对环境域值图时间序列进行异常搜索，得到异常位置，对异常位置的通风进行调控，有益效果为在大规模养殖范围内防止动物的呼吸困难。
Description
技术领域
本发明属于自动化控制领域，具体涉及一种智能养殖环境控制方法及系统。
背景技术
在养殖场内，由于饲养密度大、舍内空间密闭，而常规通风难以兼顾各个方位，养殖舍局部常常会出现局部温度和有害气体浓度偏高，造成畜禽呼吸困难、甚至降低畜禽的采食量及饲料转化率，增加养殖成本。然而，在规模养殖场内，饲养的畜禽数量甚多，通过观察每一个畜禽的生理状态来判断畜禽是否处于合适的养殖环境内需要大量的人工和时间成本。因此，急需一种有效监测养殖场内温度和气体浓度指标进而调控环境的技术来保障畜禽的生长环境，减少疾病的发生，减少一线养殖人员的劳动强度，提高企业的劳动生产率和效益。
发明内容
本发明的目的在于提出一种智能养殖环境控制方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
本发明提供了一种智能养殖环境控制方法及系统，获取养殖场所内水平面上各处的氨气浓度值，并同时获取养殖场所内水平面上各处的温度值，将同一时刻获取的各处的氨气浓度值及温度值构建成环境域值图，于多个不同时刻分别获取各时刻对应的环境域值图，以此组成环境域值图时间序列；对环境域值图时间序列进行异常搜索，得到异常位置，对异常位置的通风进行调控。
为了实现上述目的，根据本发明的一方面，提供一种智能养殖环境控制方法，所述方法包括以下步骤：
S100，获取养殖场所内水平面上各处的氨气浓度值；
S200，并同时获取养殖场所内水平面上各处的温度值；
S300，将同一时刻获取的各处的氨气浓度值及温度值构建成环境域值图；
S400，于多个不同时刻，分别获取各时刻对应的环境域值图，以此组成环境域值图时间序列；
S500，对环境域值图时间序列进行异常搜索，得到异常位置，将异常位置的数据存入数据库。
进一步地，在S100中，获取养殖场所内水平面上各处的氨气浓度值的方法为：
在养殖场所内，于水平方向上，分别获取养殖场所内各处采样点的氨气浓度值，养殖场所内各处采样点呈现矩阵的形式，各处的氨气浓度值也呈现为矩阵的形式，矩阵中的元素的数值即为其中一处采样点对应的氨气浓度的数值。
进一步地，在S200中，并同时获取养殖场所内水平面上各处的温度值的方法为：
在养殖场所内，于水平方向上，分别获取养殖场所内各处采样点的温度值，养殖场所内各处采样点呈现矩阵的形式，各处的温度值也呈现为矩阵的形式，矩阵中的元素的数值即为其中一处采样点对应的温度值的数值；所述水平面上各处的温度值同样为矩阵的形式，其中，所述水平面上各处的温度值与所述水平面上各处的氨气浓度值逐一相互对应，将所述水平面上各处的温度值组成的矩阵作为温值矩阵，将所述水平面上各处的氨气浓度值组成的矩阵作为氨气浓度值矩阵。
进一步地，在S300中，将同一时刻获取的各处的氨气浓度值及温度值构建成环境域值图的方法为：
所述温值矩阵与所述氨气浓度值矩阵为大小相同的矩阵，将所述温值矩阵与所述氨气浓度值矩阵皆记为n行m列的矩阵，其中，行的序号为i，i∈[1,n]，列的序号为j，j∈[1,m]，记所述温值矩阵为Tmat，Tmat中行序号为i而列序号为j的数值为T(i,j)，所述氨气浓度值矩阵为Nmat，Nmat中行序号为i而列序号为j的数值为N(i,j)，T(i,min)表示Tmat中序号为i的行中最小的数值，T(min,j)表示Tmat中序号为j的列中最小的数值，N(i,min)表示Nmat中序号为i的行中最小的数值，N(min,j)表示Nmat中序号为j的列中最小的数值；
环境域值是用于表示所述温值矩阵与所述氨气浓度值矩阵中相同行序号列序号处的数值之间的变化波动趋势的，记所述温值矩阵与所述氨气浓度值矩阵中行序号为i而列序号为j的数值之间的环境域值 为λ(i,j)，λ(i,j)的计算公式为：
其中，sin()为三角函数中的正弦函数，π为圆周率；
将所述温值矩阵中行序号为i而列序号为j的元素分别替换成λ(i,j)的数值（是以λ(i,j)的数值作为像素值），进而将替换后的矩阵作为一个图像矩阵，由此将该个图像矩阵称为环境域值图（之所以需要如此操作，是由于在巨大的封闭空间内，温度值与气体浓度值不一定呈现线性相关的函数关系，现有技术的测量大多遇到了温度值与气体浓度值没有协同关系难以大规模并行计算的技术瓶颈，而计算本发明所述环境域值在使用两者比率在正弦波动的数值映射之上统一了温度值与氨气浓度值的线性关系，使得对温度值与气体浓度值的协同关系测量更为准确，由此所得的环境域值图中各行列元素同时对应空间中实际各点，有利于大规模地、并行且快速地计算温度值与氨气浓度值的线性关系，实现了在大空间中高效发现同时若干个通风异常点的有益技术效果，以此促进通风透气减少疾病的传播发生）。
进一步地，在S400，于多个不同时刻，分别获取各时刻对应的环境域值图，以此组成环境域值图时间序列的方法为：
记组成的环境域值图时间序列为λseq，环境域值图时间序列中的各元素为各时刻对应的环境域值图，环境域值图时间序列中的元素的数量为k，环境域值图时间序列中各元素的序号与所述多个不同时刻中各时刻的序号相互对应，以d表示环境域值图时间序列中各元素的序号，d∈[1,k]，环境域值图时间序列中序号d的环境域值图记为λd，λd为n行m列的矩阵，其中以i为行序号以j为列序号。
在S500中，对环境域值图时间序列进行异常搜索，得到异常位置，将异常位置的数据存入数据库的方法为：
在环境域值图时间序列中的各环境域值图中，分别计算各环境域值图中数值的算术平均值，并将该环境域值图中的数值超过所述的算术平均值的元素作为异常点；
统计环境域值图时间序列中的各环境域值图中各行列位置被标记为异常点的次数，即环境域值图中行序号为i列序号为j的位置在环境域值图时间序列中被标记为异常点的次数为p(i,j)，再统计得出各行列位置被标记为异常点的次数的算术平均值作为阈值，若所述p(i,j)超过所述阈值，则根据所述p(i,j) 在环境域值图中行序号为i列序号为j的位置，获取养殖场所内对应的位置作为异常位置，使用通风设备对所述异常位置进行通风，再将异常位置的数据存入数据库。
本发明还提供了一种智能养殖环境控制系统，所述一种智能养殖环境控制系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种智能养殖环境控制方法中的步骤以此控制通风设备，所述一种智能养殖环境控制系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群，所述处理器执行所述计算机程序运行在以下系统的单元中：
氨气浓度值获取单元，用于获取养殖场所内水平面上各处的氨气浓度值；
温度值获取单元，用于同时获取养殖场所内水平面上各处的温度值；
环境域值图构建单元，用于将同一时刻获取的各处的氨气浓度值及温度值构建成环境域值图；
环境域值图时间序列组成单元，用于多个不同时刻，分别获取各时刻对应的环境域值图，以此组成环境域值图时间序列；
搜索调控单元，用于对环境域值图时间序列进行异常搜索，得到异常位置，将异常位置的数据存入数据库。
本发明的有益效果为：本发明提供了一种智能养殖环境控制方法及系统，获取养殖场所内水平面上各处的氨气浓度值，并同时获取养殖场所内水平面上各处的温度值，将同一时刻获取的各处的氨气浓度值及温度值构建成环境域值图，于多个不同时刻分别获取各时刻对应的环境域值图，以此组成环境域值图时间序列；对环境域值图时间序列进行异常搜索，得到异常位置，对异常位置的通风进行调控，有益效果为在大规模养殖范围内防止动物的呼吸困难、同时促进通风透气以减少疾病的传播发生。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，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他的附图，在附图中：
图1所示为一种智能养殖环境控制方法的流程图；
图2所示为一种智能养殖环境控制系统的系统结构图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
如图1所示为根据本发明的一种智能养殖环境控制方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种智能养殖环境控制方法及系统。
本发明提出一种智能养殖环境控制方法，所述方法具体包括以下步骤：
S100，获取养殖场所内水平面上各处的氨气浓度值；
S200，同时获取养殖场所内水平面上各处的温度值；
S300，将同一时刻获取的各处的氨气浓度值及温度值构建成环境域值图；
S400，于多个不同时刻，分别获取各时刻对应的环境域值图，以此组成环境域值图时间序列；
S500，对环境域值图时间序列进行异常搜索，得到异常位置，对异常位置的通风进行调控。
进一步地，在S100中，获取养殖场所内水平面上各处的氨气浓度值的方法为：
在养殖场所内，于水平方向上，分别获取养殖场所内各处采样点的氨气浓度值，养殖场所内各处采样点呈现矩阵的形式，各处的氨气浓度值也呈现为矩阵的形式，矩阵中的元素的数值即为其中一处采样点对应的氨气浓度的数值。
进一步地，在S200中，同时获取养殖场所内水平面上各处的温度值的方法为：
在养殖场所内，于水平方向上，分别获取养殖场所内各处采样点的温度值，养殖场所内各处采样点呈现矩阵的形式，各处的温度值也呈现为矩阵的形式，矩阵中的元素的数值即为其中一处采样点对应的温度值的数值；所述水平面上各处的温度值同样为矩阵的形式，其中，所述水平面上各处的温度值与所述水平面上各处的氨气浓度值逐一相互对应，将所述水平面上各处的温度值组成的矩阵作为温值矩阵，将所述水平面上各处的氨气浓度值组成的矩阵作为氨气浓度值矩阵。
进一步地，在S300中，将同一时刻获取的各处的氨气浓度值及温度值构建成环境域值图的方法为：
所述温值矩阵与所述氨气浓度值矩阵为大小相同的矩阵，将所述温值矩阵与所述氨气浓度值矩阵皆记为n行m列的矩阵，其中，行的序号为i，i∈[1,n]，列的序号为j，j∈[1,m]，记所述温值矩阵为Tmat，Tmat中行序号为i而列序号为j的数值为T(i,j)，所述氨气浓度值矩阵为Nmat，Nmat中行序号为i而列序号为j的数值为N(i,j)，T(i,min)表示Tmat中序号为i的行中最小的数值，T(min,j)表示Tmat中序号为j的列中最小的数值，N(i,min)表示Nmat中序号为i的行中最小的数值，N(min,j)表示Nmat中序号为j的列中最小的数值；
环境域值是用于表示所述温值矩阵与所述氨气浓度值矩阵中相同行序号列序号处的数值之间的变化波动趋势的，记所述温值矩阵与所述氨气浓度值矩阵中行序号为i而列序号为j的数值之间的环境域值 为λ(i,j)，如果温度值与氨气浓度值在数值上差距过大，则分别先对各温度值与各氨气浓度值进行归一化处理，可优选地通过最大-最小标准化将其中各项数值归一化映射到区间[0, 1]的值再进行计算，λ(i,j)的计算公式为：
或者，当需要节省计算成本且数据纯度较高（数据没有出现离群点）时，可为：
将所述温值矩阵中行序号为i而列序号为j的元素分别替换成λ(i,j)的数值，进而将替换后的矩阵作为一个图像矩阵，由此将该个图像矩阵称为环境域值图。
进一步地，在S400，于多个不同时刻，分别获取各时刻对应的环境域值图，以此组成环境域值图时间序列的方法为：
记组成的环境域值图时间序列为λseq，环境域值图时间序列中的各元素为各时刻对应的环境域值图，环境域值图时间序列中的元素的数量为k，环境域值图时间序列中各元素的序号与所述多个不同时刻中各时刻的序号相互对应，以d表示环境域值图时间序列中各元素的序号，d∈[1,k]，环境域值图时间序列中序号d的环境域值图记为λd，λd为n行m列的矩阵，其中以i为行序号以j为列序号。
进一步地，在S500中，对环境域值图时间序列进行异常搜索，得到异常位置，对异常位置的通风进行调控的方法为：
在环境域值图时间序列中的各环境域值图中，分别计算各环境域值图中数值的算术平均值，并将该环境域值图中的数值超过所述的算术平均值的元素作为异常点；
统计环境域值图时间序列中的各环境域值图中各行列位置被标记为异常点的次数，即环境域值图中行序号为i列序号为j的位置在环境域值图时间序列中被标记为异常点的次数为p(i,j)，再统计得出各行列位置被标记为异常点的次数的算术平均值作为阈值，若所述p(i,j)超过所述阈值，则根据所述p(i,j) 在环境域值图中行序号为i列序号为j的位置，获取养殖场所内对应的位置作为异常位置，使用通风设备对所述异常位置进行通风。
所述一种智能养殖环境控制系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种智能养殖环境控制方法实施例中的步骤，所述一种智能养殖环境控制系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群。
本发明的实施例提供的一种智能养殖环境控制系统，如图2所示，该实施例的一种智能养殖环境控制系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种智能养殖环境控制方法实施例中的各步骤，所述处理器执行所述计算机程序运行在以下系统的单元中：
氨气浓度值获取单元，用于获取养殖场所内水平面上各处的氨气浓度值；
温度值获取单元，用于同时获取养殖场所内水平面上各处的温度值；
环境域值图构建单元，用于将同一时刻获取的各处的氨气浓度值及温度值构建成环境域值图；
环境域值图时间序列组成单元，用于多个不同时刻，分别获取各时刻对应的环境域值图，以此组成环境域值图时间序列；
搜索调控单元，用于对环境域值图时间序列进行异常搜索，得到异常位置，对异常位置的通风进行调控。
其中，优选地，本发明中所有未定义的变量，若未有明确定义，在实施过程中均可为人工设置的阈值。
所述一种智能养殖环境控制系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中。所述一种智能养殖环境控制系统包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种智能养殖环境控制方法及系统的示例，并不构成对一种智能养殖环境控制方法及系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种智能养殖环境控制系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立元器件门电路或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种智能养殖环境控制系统的控制中心，利用各种接口和线路连接整个一种智能养殖环境控制系统的各个分区域。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种智能养殖环境控制方法及系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（SecureDigital, SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明提供了一种智能养殖环境控制方法及系统，获取养殖场所内水平面上各处的氨气浓度值，并同时获取养殖场所内水平面上各处的温度值，将同一时刻获取的各处的氨气浓度值及温度值构建成环境域值图，于多个不同时刻分别获取各时刻对应的环境域值图，以此组成环境域值图时间序列；对环境域值图时间序列进行异常搜索，得到异常位置，对异常位置的通风进行调控，有益效果为在大规模养殖范围内防止动物的呼吸困难。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
Claims (3)
1.一种智能养殖环境控制方法，其特征在于，所述方法包括以下步骤：
S100，获取养殖场所内水平面上各处的氨气浓度值；
S200，并同时获取养殖场所内水平面上各处的温度值；
S300，将同一时刻获取的各处的氨气浓度值及温度值构建成环境域值图；
S400，于多个不同时刻，分别获取各时刻对应的环境域值图，以此组成环境域值图时间序列；
S500，对环境域值图时间序列进行异常搜索，得到异常位置，将异常位置的数据存入数据库；
其中，在S200中，并同时获取养殖场所内水平面上各处的温度值的方法为：
在养殖场所内，于水平方向上，分别获取养殖场所内各处采样点的温度值，养殖场所内各处采样点呈现矩阵的形式，各处的温度值也呈现为矩阵的形式，矩阵中的元素的数值即为其中一处采样点对应的温度值的数值；所述水平面上各处的温度值同样为矩阵的形式，其中，所述水平面上各处的温度值与所述水平面上各处的氨气浓度值逐一相互对应，将所述水平面上各处的温度值组成的矩阵作为温值矩阵，将所述水平面上各处的氨气浓度值组成的矩阵作为氨气浓度值矩阵；
其中，在S300中，将同一时刻获取的各处的氨气浓度值及温度值构建成环境域值图的方法为：
所述温值矩阵与所述氨气浓度值矩阵为大小相同的矩阵，将所述温值矩阵与所述氨气浓度值矩阵皆记为n行m列的矩阵，其中，行的序号为i，i∈[1,n]，列的序号为j，j∈[1,m]，记所述温值矩阵为Tmat，Tmat中行序号为i而列序号为j的数值为T(i,j)，所述氨气浓度值矩阵为Nmat，Nmat中行序号为i而列序号为j的数值为N(i,j)，T(i,min)表示Tmat中序号为i的行中最小的数值，T(min,j)表示Tmat中序号为j的列中最小的数值，N(i,min)表示Nmat中序号为i的行中最小的数值，N(min,j)表示Nmat中序号为j的列中最小的数值；
记所述温值矩阵与所述氨气浓度值矩阵中行序号为i而列序号为j的数值之间的环境域值 为λ(i,j)，λ(i,j)的计算公式为：
将所述温值矩阵中行序号为i而列序号为j的元素分别替换成λ(i,j)的数值，进而将替换后的矩阵作为一个图像矩阵，由此将该图像矩阵称为环境域值图；
其中，在S400，于多个不同时刻，分别获取各时刻对应的环境域值图，以此组成环境域值图时间序列的方法为：
记组成的环境域值图时间序列为λseq，环境域值图时间序列中的各元素为各时刻对应的环境域值图，环境域值图时间序列中的元素的数量为k，环境域值图时间序列中各元素的序号与所述多个不同时刻中各时刻的序号相互对应，以d表示环境域值图时间序列中各元素的序号，d∈[1,k]，环境域值图时间序列中序号d的环境域值图记为λd，λd为n行m列的矩阵，其中以i为行序号以j为列序号；
其中，在S500中，对环境域值图时间序列进行异常搜索，得到异常位置，将异常位置的数据存入数据库的方法为：
在环境域值图时间序列中的各环境域值图中，分别计算各环境域值图中数值的算术平均值，并将该环境域值图中的数值超过所述的算术平均值的元素作为异常点；
统计环境域值图时间序列中的各环境域值图中各行列位置被标记为异常点的次数，即环境域值图中行序号为i列序号为j的位置在环境域值图时间序列中被标记为异常点的次数为p(i,j)，再统计得出各行列位置被标记为异常点的次数的算术平均值作为阈值，若所述p(i,j)超过所述阈值，则根据所述p(i,j) 在环境域值图中行序号为i列序号为j的位置，获取养殖场所内对应的位置作为异常位置，将异常位置的数据存入数据库。
2.根据权利要求1所述的一种智能养殖环境控制方法，其特征在于，在S100中，获取养殖场所内水平面上各处的氨气浓度值的方法为：
在养殖场所内，于水平方向上，分别获取养殖场所内各处采样点的氨气浓度值，养殖场所内各处采样点呈现矩阵的形式，各处的氨气浓度值也呈现为矩阵的形式，矩阵中的元素的数值即为其中一处采样点对应的氨气浓度的数值。
3.一种智能养殖环境控制系统，其特征在于，所述一种智能养殖环境控制系统包括：处理器、存储器及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至2中任一项所述的一种智能养殖环境控制方法中的步骤，所述一种智能养殖环境控制系统运行于桌上型计算机、笔记本电脑、掌上电脑或云端数据中心的计算设备中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211112387.0A CN115202421B (zh) | 2022-09-14 | 2022-09-14 | 一种智能养殖环境控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211112387.0A CN115202421B (zh) | 2022-09-14 | 2022-09-14 | 一种智能养殖环境控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115202421A CN115202421A (zh) | 2022-10-18 |
| CN115202421B true CN115202421B (zh) | 2022-12-02 |
Family
ID=83571817
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211112387.0A Active CN115202421B (zh) | 2022-09-14 | 2022-09-14 | 一种智能养殖环境控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115202421B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117215218B (zh) * | 2023-08-22 | 2024-02-13 | 佛山市南海区杰大饲料有限公司 | 一种鱼类循环水养殖池的动态排污的控制方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105739575B (zh) * | 2016-01-29 | 2018-08-17 | 中国农业大学 | 一种设施蔬菜环境参数的数据融合方法 |
| CN111368975A (zh) * | 2020-02-25 | 2020-07-03 | 东北农业大学 | 一种猪舍内多环境因子动态变化预测方法 |
| CN114296487B (zh) * | 2022-03-07 | 2022-05-17 | 广东省农业科学院动物科学研究所 | 一种养殖池盐度参数智能调控方法及系统 |
| 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 |
| CN115047821A (zh) * | 2022-06-17 | 2022-09-13 | 盐城工学院 | 一种生猪养殖环境智能监测系统及其评价方法 |
-
2022
- 2022-09-14 CN CN202211112387.0A patent/CN115202421B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115202421A (zh) | 2022-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen | A tutorial on kernel density estimation and recent advances | |
| CN115202421B (zh) | 一种智能养殖环境控制方法及系统 | |
| Cole et al. | Breeding and genetics symposium: Really big data: Processing and analysis of very large data sets | |
| KR20120046241A (ko) | 식물 이상의 진단 시스템 | |
| Tausen et al. | Greenotyper: Image-based plant phenotyping using distributed computing and deep learning | |
| Meehan et al. | A landscape view of agricultural insecticide use across the conterminous US from 1997 through 2012 | |
| Alves et al. | Genome‐enabled prediction of reproductive traits in Nellore cattle using parametric models and machine learning methods | |
| Dubey et al. | Efficient prediction of blast disease in paddy plant using optimized support vector machine | |
| Davenport et al. | Effective number of white shark (Carcharodon carcharias, Linnaeus) breeders is stable over four successive years in the population adjacent to eastern Australia and New Zealand | |
| Filipe et al. | Profit optimization for cattle growing in a randomly fluctuating environment | |
| CN114296487B (zh) | 一种养殖池盐度参数智能调控方法及系统 | |
| CN115240793B (zh) | 一种生物活性炭的水产养殖水体处理方法及系统 | |
| Nleya et al. | Smart dairy farming overview: innovation, algorithms and challenges | |
| Pavoine et al. | A new technique for analysing interacting factors affecting biodiversity patterns: crossed-DPCoA | |
| CN110312421A (zh) | 用于自定义监测由呼吸窘迫引起的声音的方法 | |
| CN115690609A (zh) | 一种作物生育期长势监测的方法 | |
| CN115409362A (zh) | 区域污染物的控制浓度规划方法、电子设备及存储介质 | |
| Kadota et al. | Analysis of juvenile tuna movements as correlated random walk | |
| Fu et al. | Mapping morphological shape as a high-dimensional functional curve | |
| Mota et al. | Benchmarking machine learning and parametric methods for genomic prediction of feed efficiency-related traits in Nellore cattle | |
| Narisetti et al. | Awn image analysis and phenotyping using BarbNet | |
| US20230325707A1 (en) | Ingesting schema-less agricultural data for machine learning pipeline(s) | |
| CN114301804B (zh) | 一种基于区块链的实验室数据安全预警方法及系统 | |
| CN114268476B (zh) | 一种基于节点加密的数据安全保护方法及系统 | |
| CN113297911B (zh) | 基于麦克风阵列的定位误差矫正方法、装置及存储介质 |
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 |