CN115426548B - 一种畜牧养殖过程的智能感知系统及方法 - Google Patents

Abstract

本发明公开了一种畜牧养殖过程的智能感知系统及方法，包括数据采集模块、网络通信模块、云端数据存储与数据处理模块、健康监控模块、日常监控模块、喂养监控模块、重大事件预警模块、控制模块、监控中心显示模块及报警模块；由数据采集模块的各个传感器、监控摄像头及毫米波雷达采集畜牧养殖场所现场数据信息；由网络通信模块将数据采集模块所采集到的现场数据传输到云端数据存储与数据处理模块，利用云端数据处理模块的数据处理方法对数据进行预处理；利用深度切比雪夫网感知模型建立日常监控模块、健康监控模块、喂养监控模块及重大事件预警模块，综合利用多传感器数据融合策略及深度切比雪夫网感知模型对养殖场所畜牧养殖过程进行监控与报警。

Description

一种畜牧养殖过程的智能感知系统及方法

技术领域

本发明属于智能监控系统技术领域，适用于畜牧养殖过程的智能监控与管理；具体地是涉及一种畜牧养殖过程的智能感知系统及方法。

背景技术

近年来，随着人工智能、数据融合等技术的发展，智能化成为了推动社会发展的关键要素。相比于其他行业智能化的发展，目前的畜牧业主要依靠人工养殖，智能化程度相对落后；畜牧养殖场所普遍存在设备老旧、环境脏乱的现状，而且对于养殖动物的喂养、健康问题等缺乏监控与管理，对于传染病等重大事件缺乏预警。这些问题可能导致严重的后果，例如：给养殖户带来经济上的损失，更严重会给消费者带来健康上的问题，甚至影响到人们正常的生活。由此，畜牧行业的现有监控技术普遍落后，可实现的监控功能较单一，监控准确度与监控指标相对较低，不够智能化。因此，研发一套智能化的监控系统运用于畜牧养殖场所中显得尤为重要。

发明内容

本发明就是针对上述问题，弥补现有技术的不足，提供一种畜牧养殖过程的智能感知系统及方法；本发明解决了现有畜牧养殖场所智能化落后的问题，利用多传感器数据融合、数据处理、人工智能等技术给出一套全新的畜牧业养殖过程的智能感知系统设计与实施方案，具有监控范围广、监控指标全面、智能程度高的有益效果。

为实现上述目的，本发明采用如下技术方案。

本发明提供的一种畜牧养殖过程的智能感知系统，包括数据采集模块、网络通信模块、云端数据存储与数据处理模块、健康监控模块、日常监控模块、喂养监控模块、重大事件预警模块、控制模块、监控中心显示模块以及报警模块；

所述数据采集模块与网络通信模块相连，所述网络通信模块和云端数据存储与数据处理模块相连，所述云端数据存储与数据处理模块分别和健康监控模块、日常监控模块、喂养监控模块、重大事件预警模块、控制模块相连；

所述健康监控模块、日常监控模块、喂养监控模块、重大事件预警模块均与报警模块相连，所述健康监控模块、日常监控模块、喂养监控模块、重大事件预警模块还均与监控中心显示模块相连；

所述健康监控模块还连接有远程诊疗模块，所述云端数据存储与数据处理模块还连接有RFID追溯模块；所述健康监控模块、日常监控模块、喂养监控模块、重大事件预警模块均由深度切比雪夫网感知模型建立而成，所述深度切比雪夫网感知模型表示为如下形式：

其中参数，表示切比雪夫多项式的阶数，；为切比雪夫多项式系数，为时间变量，，为层数；所述深度切比雪夫网感知模型通过学习算法优化其参数，所述学习算法包括递推最小二乘法算法、反向传播算法、wake-sleep算法。

作为本发明的一种优选方案，所述数据采集模块包括监控摄像头、毫米波雷达、高度传感器、液位传感器、烟雾传感器、称重传感器、有害物质传感器、温度传感器、湿度传感器，由监控摄像头、毫米波雷达以及各个传感器采集养殖场所在畜牧养殖过程中的现场数据信息；所述数据采集模块所采集到的现场数据信息通过网络通信模块传输给云端数据存储与数据处理模块，云端数据存储与数据处理模块对监控摄像头、毫米波雷达以及各个传感器所采集数据进行云端存储与数据预处理。

作为本发明的另一种优选方案，经过所述云端数据存储与数据处理模块处理后的毫米波雷达采集数据、监控摄像头采集数据、高度传感器采集数据以及称重传感器采集数据作为输入信息，此输入信息输入到健康监控模块的深度切比雪夫网感知模型中，经过健康监控模块的深度切比雪夫网感知模型分析计算后得出监控结果，此监控结果由监控中心显示模块进行实时显示，实现对养殖场所在畜牧养殖过程中的养殖动物健康监控。

作为本发明的另一种优选方案，经过所述云端数据存储与数据处理模块处理后的高度传感器采集数据、液位传感器采集数据以及有害物质传感器数据作为输入信息，此输入信息输入到喂养监控模块的深度切比雪夫网感知模型中，经过喂养监控模块的深度切比雪夫网感知模型分析计算后得出监控结果，此监控结果由监控中心显示模块进行实时显示，实现对养殖场所在畜牧养殖过程中的养殖动物喂养监控。

作为本发明的另一种优选方案，经过所述云端数据存储与数据处理模块处理后的毫米波雷达采集数据、监控摄像头采集数据、烟雾传感器采集数据、温度传感器采集数据以及湿度传感器采集数据作为输入信息，此输入信息分别输入到日常监控模块的深度切比雪夫网感知模型与重大事件预警模块的深度切比雪夫网感知模型中，经过日常监控模块的深度切比雪夫网感知模型与重大事件预警模块的深度切比雪夫网感知模型分别分析计算后得出监控结果，此监控结果由监控中心显示模块进行实时显示，实现对养殖场所在畜牧养殖过程中的养殖动物日常监控及预警监控。

作为本发明的另一种优选方案，所述深度切比雪夫网感知模型在切比雪夫网模型基础上开发得到，切比雪夫网模型根据切比雪夫多项式的原理推导得出，切比雪夫网模型写成如下形式：

其中参数，表示切比雪夫多项式的阶数，；为切比雪夫多项式系数，为时间变量，。

作为本发明的另一种优选方案，所述控制模块连接有养殖场所排风设备、养殖场所除湿设备、养殖场所供暖设备、养殖场所清扫消毒设备。

作为本发明的另一种优选方案，所述RFID追溯模块采用RFID读取器，RFID追溯模块读取包括：档案管理信息、养殖记录信息、检验检疫信息，通过RFID追溯模块建立畜牧养殖过程所需的产品供应链环节信息管理，使产品具备质量跟踪追溯能力。

进一步地，所述云端数据存储与数据处理模块的数据处理方法采用短时Fourier变换法、小波分析法、经验模态分解法三种方法中的一种。

另外，本发明系统还包括电源模块，电源模块为整个系统进行供电。

本发明提供的一种畜牧养殖过程的智能感知方法，包括如下步骤：

首先，由数据采集模块的各个传感器、监控摄像头及毫米波雷达采集畜牧养殖场所现场数据信息；

然后，由网络通信模块将数据采集模块所采集到的现场数据传输到云端数据存储与数据处理模块，利用云端数据存储与数据处理模块的数据处理方法对数据进行预处理，提高监控准确度；

最后，利用深度切比雪夫网感知模型建立日常监控模块、健康监控模块、喂养监控模块及重大事件预警模块，综合利用多传感器数据融合策略以及深度切比雪夫网感知模型对养殖场所畜牧养殖过程进行监控与报警。

本发明有益效果：

1、本发明所提供的一种畜牧养殖过程的智能感知系统及方法，解决了现有畜牧养殖场所智能化落后的问题，利用多传感器数据融合、数据处理、人工智能等技术给出一套全新的畜牧业养殖过程的智能感知系统设计与实施方案，具有监控范围广、监控指标全面、智能程度高的有益效果；可以有效提高畜牧养殖过程的智能化、安全性和可靠性。

2、本发明通过云端数据存储与数据处理模块的数据处理技术对数据进行预处理，通过深度切比雪夫网（Deep Chebyshev network, DCVN）感知模型建立日常监控模块、健康监控模块、喂养监控模块以及重大事件预警模块，并综合利用多传感器数据融合策略对养殖过程进行监控，更精准地得出监控信息，可极大提高监控准确度。

3、本发明可对畜牧养殖过程进行实时监控，能够实现对动物的健康监控与喂养监控，对养殖场所进行日常监控、火灾监控、温度与湿度监控，对疑似发病动物进行远程诊疗，并对场地进行定时清扫与消毒，同时对动物传染性疾病的重大事件进行预警。

附图说明

图1是本发明的总体结构框图。

图2是本发明的网络层架构图。

图3是本发明的日常监控模块的数据输入与输出示意图。

图4是本发明的健康监控模块的数据输入与输出示意图。

图5是本发明的喂养监控模块的数据输入与输出示意图。

图6是本发明的重大事件预警模块的数据输入与输出示意图。

图7是本发明的切比雪夫网(Chebyshev network, CVN)模型结构图。

图8是本发明的深度切比雪夫网（Deep Chebyshev network, DCVN）感知模型结构图。

图9是本发明的深度切比雪夫网（Deep Chebyshev network, DCVN）感知模型的学习过程示意图。

具体实施方式

为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及具体实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。

实施例1

结合图1至图9所示，本发明提供的一种畜牧养殖过程的智能感知系统，包括数据采集模块、网络通信模块、云端数据存储与数据处理模块、健康监控模块、日常监控模块、喂养监控模块、重大事件预警模块、控制模块、监控中心显示模块以及报警模块；所述数据采集模块与网络通信模块相连，所述网络通信模块与云端数据存储与数据处理模块相连，所述云端数据存储与数据处理模块分别与健康监控模块、日常监控模块、喂养监控模块、重大事件预警模块、控制模块相连；所述健康监控模块、日常监控模块、喂养监控模块、重大事件预警模块均与报警模块相连，所述健康监控模块、日常监控模块、喂养监控模块、重大事件预警模块还共同连接监控中心显示模块；所述健康监控模块还连接有远程诊疗模块，所述云端数据存储与数据处理模块还连接有RFID追溯模块；所述健康监控模块、日常监控模块、喂养监控模块、重大事件预警模块均由深度切比雪夫网感知模型建立而成，所述深度切比雪夫网感知模型表示为如下形式：

其中，表示切比雪夫多项式的阶数，；为切比雪夫多项式系数，为时间变量，，为层数；所述深度切比雪夫网感知模型通过学习算法优化其参数，所述学习算法包括递推最小二乘法算法、反向传播算法、wake-sleep算法，所述的递推最小二乘法算法、反向传播算法、wake-sleep算法为优选算法，不仅限于此三种算法。所述深度切比雪夫网感知模型具有强大的逼近能力，且模型结构简单，拥有较低的算法复杂度，从而满足实时性能。

所述数据采集模块包括监控摄像头、毫米波雷达、高度传感器、液位传感器、烟雾传感器、称重传感器、有害物质传感器、温度传感器、湿度传感器，由监控摄像头、毫米波雷达以及各个传感器采集养殖场所在畜牧养殖过程中的现场数据信息；所述数据采集模块所采集到的现场数据信息通过网络通信模块传输给云端数据存储与数据处理模块，云端数据存储与数据处理模块对监控摄像头、毫米波雷达以及各个传感器所采集数据进行云端存储与数据预处理；所述云端数据存储与数据处理模块的数据处理方法采用短时Fourier变换法、小波分析法、经验模态分解法三种方法中的一种，此三种数据处理方法为优选方法，还可以采用其他多种适合的数据处理方法；所述的云端数据存储与数据处理模块对各个传感器采集的数据进行云端存储与数据预处理，方便远程监控，有效增加监控与预测的准确性。

在畜牧养殖过程中，所述的监控摄像头可以负责对养殖场所现场画面进行实时监拍；所述的毫米波雷达根据雷达原理，可以负责对养殖场所内养殖动物的呼吸、心跳进行实时监测；所述的高度传感器可以负责对养殖场所内养殖动物的进食量进行检测，所述的液位传感器可以负责对养殖场所内养殖动物的饮水量进行检测，通过高度传感器与液位传感器的检测，得到进食量与饮水量数据；所述的烟雾传感器可以负责对养殖场所火灾发生情况进行检测，可以检测是否发生火灾，一旦检测到养殖场所发生火灾，可立即触发报警模块进行报警；所述的称重传感器可以负责对养殖场所内养殖动物的体重进行定期测量，得到健康情况数据；所述的有害物质传感器可以负责对养殖场所内养殖动物喂养过程中投喂的有害物质进行检测，例如：投喂食物中的瘦肉精的检测，一旦发现，直接报警，报警信号接入公安部门与畜牧业养殖管理部门；所述的温度传感器可以负责对养殖场所内温度进行实时检测，当养殖场所内温度高于设定的高温标准值，由所述的控制模块控制打开养殖场所排风设备，进行散热，当养殖场所内温度低于设定的低温标准值，由所述的控制模块控制打开养殖场所供暖设备，进行供暖；所述的湿度传感器可以负责对养殖场所内湿度进行实时检测，湿度过大会导致细菌的生长，当养殖场所内湿度高于设定的湿度标准值，由所述的控制模块控制打开养殖场所除湿设备，进行除湿。

经过所述云端数据存储与数据处理模块处理后的毫米波雷达采集数据、监控摄像头采集数据、高度传感器采集数据以及称重传感器采集数据作为输入信息，此输入信息输入到健康监控模块的深度切比雪夫网感知模型中，经过健康监控模块的深度切比雪夫网感知模型分析计算后得出监控结果，此监控结果由监控中心显示模块进行实时显示，实现了对养殖场所在畜牧养殖过程中的养殖动物健康监控；当健康监控模块出现异常触发报警模块进行报警，此时健康监控模块连接远程诊疗模块，兽医可通过远程诊疗模块调取发病动物的进食量、体重、视频图片、排便、呼吸、心跳等相关数据，对养殖动物进行远程诊疗。

经过所述云端数据存储与数据处理模块处理后的高度传感器采集数据、液位传感器采集数据以及有害物质传感器数据作为输入信息，此输入信息输入到喂养监控模块的深度切比雪夫网感知模型中，经过喂养监控模块的深度切比雪夫网感知模型分析计算后得出监控结果，此监控结果由监控中心显示模块进行实时显示，实现了对养殖场所在畜牧养殖过程中的养殖动物喂养监控。

经过所述云端数据存储与数据处理模块处理后的毫米波雷达采集数据、监控摄像头采集数据、烟雾传感器采集数据、温度传感器采集数据以及湿度传感器采集数据作为输入信息，此输入信息分别输入到日常监控模块的深度切比雪夫网感知模型与重大事件预警模块的深度切比雪夫网感知模型中，经过日常监控模块的深度切比雪夫网感知模型与重大事件预警模块的深度切比雪夫网感知模型分别分析计算后得出监控结果，此监控结果由监控中心显示模块进行实时显示，对养殖场所进行日常监控，其中通过监控摄像头可以实时监拍现场画面包括对养殖人员进行监控，并对非养殖人员异常进入养殖场所进行报警。综合利用多传感器融合策略，更精准地得出异常监控信息，提高了监控准确度；结合季节发病时间数据、日常健康监控数据等对养殖动物传染病发生等重大事件进行预警；实现了对养殖场所在畜牧养殖过程中的养殖动物日常监控及预警监控。所述的监控中心显示模块用于显示养殖场所的所有监控情况以及相应的分析结果。

所述的报警模块主要对所述的健康监控模块、日常监控模块、喂养监控模块所监控到的异常情况进行报警，例如：监拍到的非养殖人员的进入、养殖动物健康异常、火灾的发生、有害物质的投喂等。

所述RFID追溯模块采用RFID读取器，RFID追溯模块读取包括：档案管理信息、养殖记录信息、检验检疫信息，通过RFID追溯模块建立畜牧养殖过程所需的产品供应链环节信息管理，使产品具备质量跟踪追溯能力，确保产品质量安全；所述档案管理信息包括：养殖动物的苗种档案、养殖地档案、原料(饲料)档案、养殖户档案，所述养殖记录信息包括：养殖动物的苗种投放记录、养殖动物的用药记录、养殖动物的销售记录，所述检验检疫信息包括：养殖动物的检验检疫报告、对养殖动物疫病进行预案和上报的信息。

所述深度切比雪夫网感知模型在切比雪夫网模型基础上开发得到，切比雪夫网模型根据切比雪夫多项式的原理推导得出，切比雪夫网模型写成如下形式：

其中参数，表示切比雪夫多项式的阶数，；为切比雪夫多项式系数，为时间变量，。本发明利用深度切比雪夫网感知模型进行建模，其结构简单，建模精度高，具有“自学习”能力，有效地提高监控与预警精度。

本发明系统的电源模块为整个系统供电，控制模块根据指令控制养殖场所排风设备、养殖场所供暖设备、养殖场所除湿设备，网络通信模块用于数据传输，数据采集模块实时采集养殖场所在畜牧养殖过程中的现场数据信息，传入云端数据存储与数据处理模块进行存储并进行数据处理，然后根据健康监控模块、日常监控模块、喂养监控模块的需要进行传输。健康监控模块、日常监控模块、喂养监控模块通过建立的深度切比雪夫网感知模型对养殖动物的日常情况、喂养情况、健康情况进行监控，对重大事件进行预警，一旦发生问题，激发报警模块；当满足一定条件时由控制模块控制养殖场所清扫消毒设备启动，对养殖场所进行清扫消毒，RFID追溯模块可做到畜牧养殖过程的全程记录，可追踪；整个监控过程及监控结果由监控中心显示模块进行显示。兽医可以通过远程诊疗模块调取发病动物进食量、体重、视频图片、排便、呼吸、心跳等相关数据，对养殖动物进行远程诊疗。

具体地，本发明综合利用数据处理技术、多传感器数据融合技术以及人工智能技术，利用深度切比雪夫网感知模型，对畜牧养殖过程中的养殖动物日常监控、健康监控、喂养监控以及对传染病等重大事件预警进行整体设计，有效提高监控精度，完成畜牧养殖过程的整体监控；本发明所述的云端数据存储与数据处理模块，通过数据处理技术对传感器采集数据进行数据处理，有效提高建模精度；通过云端数据存储与数据处理模块存储数据，方便远程调用与控制；兽医可以通过远程诊疗模块读取云端数据存储与数据处理模块所存储的健康监控模块的有效信息，结合实时视频信息对动物进行远程诊疗，及时确保饲养动物尽快恢复健康。

实施例2

本发明提供的一种畜牧养殖过程的智能感知方法，包括如下步骤：

首先，由数据采集模块的各个传感器、监控摄像头及毫米波雷达采集畜牧养殖场所现场数据信息。

然后，由网络通信模块将数据采集模块所采集到的现场数据传输到云端数据存储与数据处理模块，利用云端数据存储与数据处理模块的数据处理方法对数据进行预处理，提高监控准确度。

最后，利用深度切比雪夫网感知模型建立日常监控模块、健康监控模块、喂养监控模块及重大事件预警模块，综合利用多传感器数据融合策略以及深度切比雪夫网感知模型对养殖场所畜牧养殖过程进行监控与报警。

具体实施步骤如下：

步骤1：利用数据采集模块的监控摄像头、毫米波雷达、高度传感器、液位传感器、烟雾传感器、称重传感器、有害物质传感器、温度传感器以及湿度传感器，分别采集养殖场所在畜牧养殖过程中的现场数据信息数据。

步骤2：由网络通信模块将各传感器采集数据传输到云端数据存储与数据处理模块。

步骤3：利用云端数据存储与数据处理模块进行预处理。

步骤4：构建深度切比雪夫网感知模型，对养殖动物日常情况、健康情况、喂养情况以及重大事件发生情况进行监控和预警。

步骤5：如果监控出现异常，激发报警模块进行报警。

步骤6：如果畜牧养殖过程中养殖动物的健康监控模块出现异常报警，此时连接远程诊疗模块，兽医可通过远程诊疗模块调取发病动物进食量、体重、视频图片、排便、呼吸、心跳等相关数据，对养殖动物进行远程诊疗。

综上所述，本发明结合数据处理技术、多传感器数据融合技术与人工智能技术等前沿技术，给出了一种畜牧养殖过程的智能感知系统的设计方案，该发明可以实现对畜牧养殖过程进行有效监控与预警。

可以理解的是，以上关于本发明的具体描述，仅用于说明本发明而并非受限于本发明实施例所描述的技术方案，本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换，以达到相同的技术效果；只要满足使用需要，都在本发明的保护范围之内。

Claims (6)

1.一种畜牧养殖过程的智能感知系统，其特征在于：包括数据采集模块、网络通信模块、云端数据存储与数据处理模块、健康监控模块、日常监控模块、喂养监控模块、重大事件预警模块、控制模块、监控中心显示模块以及报警模块；

所述数据采集模块与网络通信模块相连，所述网络通信模块和云端数据存储与数据处理模块相连，所述云端数据存储与数据处理模块分别和健康监控模块、日常监控模块、喂养监控模块、重大事件预警模块、控制模块相连；

所述健康监控模块、日常监控模块、喂养监控模块、重大事件预警模块均与报警模块相连，所述健康监控模块、日常监控模块、喂养监控模块、重大事件预警模块还均与监控中心显示模块相连；

所述健康监控模块还连接有远程诊疗模块，所述云端数据存储与数据处理模块还连接有RFID追溯模块；所述健康监控模块、日常监控模块、喂养监控模块、重大事件预警模块均由深度切比雪夫网感知模型建立而成，所述深度切比雪夫网感知模型表示为如下形式：

T₀(τ)＝1

T₁(τ)＝τ

T_N(τ)＝2τT_N-1(τ)-T_N-2(τ)

其中参数，

表示切比雪夫多项式的阶数，

为切比雪夫多项式系数，τ为时间变量，|τ|≤1，d为层数；所述深度切比雪夫网感知模型通过学习算法优化其参数，所述学习算法包括递推最小二乘法算法、反向传播算法、wake-sleep算法；

所述数据采集模块包括监控摄像头、毫米波雷达、高度传感器、液位传感器、烟雾传感器、称重传感器、有害物质传感器、温度传感器、湿度传感器，由监控摄像头、毫米波雷达以及各个传感器采集养殖场所在畜牧养殖过程中的现场数据信息；所述数据采集模块所采集到的现场数据信息通过网络通信模块传输给云端数据存储与数据处理模块，云端数据存储与数据处理模块对监控摄像头、毫米波雷达以及各个传感器所采集数据进行云端存储与数据预处理；

经过所述云端数据存储与数据处理模块处理后的毫米波雷达采集数据、监控摄像头采集数据、高度传感器采集数据以及称重传感器采集数据作为输入信息，此输入信息输入到健康监控模块的深度切比雪夫网感知模型中，经过健康监控模块的深度切比雪夫网感知模型分析计算后得出监控结果，此监控结果由监控中心显示模块进行实时显示，实现对养殖场所在畜牧养殖过程中的养殖动物健康监控；

经过所述云端数据存储与数据处理模块处理后的高度传感器采集数据、液位传感器采集数据以及有害物质传感器数据作为输入信息，此输入信息输入到喂养监控模块的深度切比雪夫网感知模型中，经过喂养监控模块的深度切比雪夫网感知模型分析计算后得出监控结果，此监控结果由监控中心显示模块进行实时显示，实现对养殖场所在畜牧养殖过程中的养殖动物喂养监控；

经过所述云端数据存储与数据处理模块处理后的毫米波雷达采集数据、监控摄像头采集数据、烟雾传感器采集数据、温度传感器采集数据以及湿度传感器采集数据作为输入信息，此输入信息分别输入到日常监控模块的深度切比雪夫网感知模型与重大事件预警模块的深度切比雪夫网感知模型中，经过日常监控模块的深度切比雪夫网感知模型与重大事件预警模块的深度切比雪夫网感知模型分别分析计算后得出监控结果，此监控结果由监控中心显示模块进行实时显示，实现对养殖场所在畜牧养殖过程中的养殖动物日常监控及预警监控。

2.根据权利要求1所述的一种畜牧养殖过程的智能感知系统，其特征在于：所述深度切比雪夫网感知模型在切比雪夫网模型基础上开发得到，切比雪夫网模型根据切比雪夫多项式的原理推导得出，切比雪夫网模型写成如下形式：

T₀(τ)＝1

T₁(τ)＝τ

T_N(τ)＝2τT_N-1(τ)-T_N-2(τ)

其中参数，

表示切比雪夫多项式的阶数，

为切比雪夫多项式系数，τ为时间变量，|τ|≤1。

3.根据权利要求1所述的一种畜牧养殖过程的智能感知系统，其特征在于：所述控制模块连接有养殖场所排风设备、养殖场所除湿设备、养殖场所供暖设备、养殖场所清扫消毒设备。

4.根据权利要求1所述的一种畜牧养殖过程的智能感知系统，其特征在于：所述RFID追溯模块采用RFID读取器，RFID追溯模块读取包括：档案管理信息、养殖记录信息、检验检疫信息，通过RFID追溯模块建立畜牧养殖过程所需的产品供应链环节信息管理，使产品具备质量跟踪追溯能力。

5.根据权利要求1所述的一种畜牧养殖过程的智能感知系统，其特征在于：所述云端数据存储与数据处理模块的数据处理方法采用短时Fourier变换法、小波分析法、经验模态分解法三种方法中的一种。

6.一种畜牧养殖过程的智能感知方法，包括如下步骤：

由数据采集模块的高度传感器、液位传感器、烟雾传感器、称重传感器、有害物质传感器、温度传感器、湿度传感器、监控摄像头及毫米波雷达采集畜牧养殖场所在畜牧养殖过程中的现场数据信息；所述数据采集模块所采集到的现场数据信息通过网络通信模块传输给云端数据存储与数据处理模块，云端数据存储与数据处理模块对监控摄像头、毫米波雷达以及各个传感器所采集数据进行云端存储与数据预处理，利用云端数据存储与数据处理模块的数据处理方法对数据进行预处理，提高监控准确度；

经过所述云端数据存储与数据处理模块处理后的毫米波雷达采集数据、监控摄像头采集数据、高度传感器采集数据以及称重传感器采集数据作为输入信息，此输入信息输入到健康监控模块的深度切比雪夫网感知模型中，经过健康监控模块的深度切比雪夫网感知模型分析计算后得出监控结果，此监控结果由监控中心显示模块进行实时显示，实现对养殖场所在畜牧养殖过程中的养殖动物健康监控；

经过所述云端数据存储与数据处理模块处理后的高度传感器采集数据、液位传感器采集数据以及有害物质传感器数据作为输入信息，此输入信息输入到喂养监控模块的深度切比雪夫网感知模型中，经过喂养监控模块的深度切比雪夫网感知模型分析计算后得出监控结果，此监控结果由监控中心显示模块进行实时显示，实现对养殖场所在畜牧养殖过程中的养殖动物喂养监控；

经过所述云端数据存储与数据处理模块处理后的毫米波雷达采集数据、监控摄像头采集数据、烟雾传感器采集数据、温度传感器采集数据以及湿度传感器采集数据作为输入信息，此输入信息分别输入到日常监控模块的深度切比雪夫网感知模型与重大事件预警模块的深度切比雪夫网感知模型中，经过日常监控模块的深度切比雪夫网感知模型与重大事件预警模块的深度切比雪夫网感知模型分别分析计算后得出监控结果，此监控结果由监控中心显示模块进行实时显示，实现对养殖场所在畜牧养殖过程中的养殖动物日常监控及预警监控；

利用深度切比雪夫网感知模型建立日常监控模块、健康监控模块、喂养监控模块及重大事件预警模块，综合利用多传感器信息融合策略以及深度切比雪夫网感知模型对养殖场所畜牧养殖过程进行监控与报警；所述健康监控模块、日常监控模块、喂养监控模块、重大事件预警模块均由深度切比雪夫网感知模型建立而成，所述深度切比雪夫网感知模型表示为如下形式：

T₀(τ)＝1

T₁(τ)＝τ

T_N(τ)＝2τT_N-1(τ)-T_N-2(τ)

其中参数，

表示切比雪夫多项式的阶数，

为切比雪夫多项式系数，τ为时间变量，|τ|≤1，d为层数；所述深度切比雪夫网感知模型通过学习算法优化其参数，所述学习算法包括递推最小二乘法算法、反向传播算法、wake-sleep算法。

Images