CN115856232B - 畜禽舍臭气浓度确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明提供一种畜禽舍臭气浓度确定方法、装置、电子设备及存储介质，属于养殖技术领域，所述方法包括：获取目标时刻下目标畜禽舍内各目标气体的浓度值和环境数据；将所述目标时刻下各目标气体的浓度值和环境数据输入至臭气浓度监测模型，得到所述臭气浓度监测模型输出的目标臭气浓度。本发明提供的畜禽舍臭气浓度确定方法，通过建立目标畜禽舍内各目标气体的浓度值、环境数据同臭气浓度值相关联的臭气浓度监测模型，只需要将实时检测得到的各目标气体的浓度值和环境数据输入至臭气浓度监测模型，即可快速得到目标畜禽舍内的目标臭气浓度，能快速实现对目标畜禽舍内的臭气浓度检测，方便对臭气浓度进行实时、连续测定。

Description

畜禽舍臭气浓度确定方法、装置、电子设备及存储介质

技术领域

本发明涉及养殖技术领域，尤其涉及一种畜禽舍臭气浓度确定方法、装置、电子设备及存储介质。

背景技术

畜禽养殖过程中产生的臭气被视为“畜产公害”，不仅会影响养殖人员以及禽畜的健康，还是影响周边居民健康的重要因素，严重制约着畜禽养殖业的健康可持续发展。

相关技术中，专业而又准确的臭气浓度检测需要由嗅辨员在专业的实验室内判定，无法对臭气浓度进行实时、连续测定，不适合在养殖场臭气监测和评估中推广使用。现亟需一种便捷的方式来对养殖场畜禽舍的臭气浓度进行确定。

发明内容

本发明提供一种畜禽舍臭气浓度确定方法、装置、电子设备及存储介质，用以解决现有技术中监测畜禽舍臭气浓度不够方便的缺陷，实现对臭气浓度进行实时、连续测定。

本发明提供一种畜禽舍臭气浓度确定方法，包括：

获取目标时刻下目标畜禽舍内各目标气体的浓度值和环境数据；

将所述目标时刻下各目标气体的浓度值和环境数据输入至臭气浓度监测模型，得到所述臭气浓度监测模型输出的目标臭气浓度；

其中，所述臭气浓度监测模型是以多个历史时刻下所述目标畜禽舍内各目标气体的历史浓度值、历史环境数据以及标准臭气浓度值为样本集训练得到的，所述标准臭气浓度值是在所述历史时刻下通过标准测定方式测得的。

根据本发明提供的一种畜禽舍臭气浓度确定方法，所述臭气浓度监测模型通过以下过程确定：

从所述样本集中选取第一数量的各目标气体的历史浓度值、历史环境数据以及标准臭气浓度值输入至机器学习算法模型，得到更新参数后的机器学习算法模型；

将所述样本集中剩余的第二数量的各目标气体的历史浓度值和历史环境数据输入至更新参数后的机器学习算法模型，得到更新参数后的机器学习算法模型输出的各臭气浓度初始预测值；

将各臭气浓度初始预测值与对应的历史时刻下的标准臭气浓度值进行对比，得到第一对比结果；

在所述第一对比结果满足第一预设条件的情况下，将更新参数后的机器学习算法模型确定为所述臭气浓度监测模型。

根据本发明提供的一种畜禽舍臭气浓度确定方法，所述将各臭气浓度初始预测值与对应的历史时刻下的标准臭气浓度值进行对比，得到第一对比结果，包括：

基于各臭气浓度初始预测值与对应的历史时刻下的标准臭气浓度值，建立线性回归模型；

确定所述线性回归模型的决定系数，将所述决定系数与第一预设值进行数值大小的对比，得到所述第一对比结果。

根据本发明提供的一种畜禽舍臭气浓度确定方法，所述目标气体包括氨气、硫化氢、TVOC和VOCs。

根据本发明提供的一种畜禽舍臭气浓度确定方法，所述环境数据包括所述目标畜禽舍内的温度、相对湿度以及通风速率。

根据本发明提供的一种畜禽舍臭气浓度确定方法，在所述将所述目标时刻下各目标气体的浓度值和环境数据输入至臭气浓度监测模型，得到所述臭气浓度监测模型输出的目标臭气浓度之后，所述方法还包括：

将所述目标畜禽舍内的标准臭气浓度值与所述臭气浓度监测模型输出的所述目标臭气浓度进行对比，得到第二对比结果；

在所述第二对比结果不满足第二预设条件的情况下，对所述臭气浓度监测模型进行训练并更新。

本发明还提供一种畜禽舍臭气浓度确定装置，包括：

获取模块，用于获取目标时刻下目标畜禽舍内各目标气体的浓度值和环境数据；

处理模块，用于将所述目标时刻下各目标气体的浓度值和环境数据输入至臭气浓度监测模型，得到所述臭气浓度监测模型输出的目标臭气浓度；

其中，所述臭气浓度监测模型是以多个历史时刻下所述目标畜禽舍内各目标气体的历史浓度值、历史环境数据以及标准臭气浓度值为样本集训练得到的，所述标准臭气浓度值是在所述历史时刻下通过标准测定方式测得的。

本发明还提供一种畜禽舍环境气体监测装置，包括气体浓度传感器、环境数据传感器和处理器，所述气体浓度传感器与所述环境数据传感器均与所述处理器电连接；还包括存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时执行如上任一项所述畜禽舍臭气浓度确定方法。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述畜禽舍臭气浓度确定方法。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述畜禽舍臭气浓度确定方法。

本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述畜禽舍臭气浓度确定方法。

本发明提供的畜禽舍臭气浓度确定方法、装置、电子设备及存储介质，通过建立目标畜禽舍内各目标气体的浓度值、环境数据同臭气浓度值相关联的臭气浓度监测模型，只需要将实时检测得到的各目标气体的浓度值和环境数据输入至臭气浓度监测模型，即可快速得到目标畜禽舍内的目标臭气浓度，能快速实现对目标畜禽舍内的臭气浓度检测，方便对臭气浓度进行实时、连续测定。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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。

图1是本发明提供的畜禽舍臭气浓度确定方法的流程示意图；

图2是本发明提供的臭气浓度监测模型的预测效果的示意图；

图3是本发明提供的畜禽舍臭气浓度确定装置的结构示意图；

图4是本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

下面结合图1-图4描述本发明的畜禽舍臭气浓度确定方法、装置、电子设备及存储介质。

本发明实施例的畜禽舍臭气浓度确定方法的执行主体可以是处理器，当然，在另一些实施例中，执行主体还可以是服务器，此处对执行主体的具体类型不作限制。下面以执行主体为处理器来对本发明实施例的畜禽舍臭气浓度确定方法来进行说明。

需要说明的是，本发明实施例的畜禽舍臭气浓度确定方法可依赖于计算机程序实现，该计算机程序可集成在应用中，也可作为独立的工具类应用运行。本发明实施例的畜禽舍臭气浓度确定方法的执行主体处理器可以设置于以下设备，包括但不限于：个人电脑、平板电脑、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备等。

例如，本发明实施例的畜禽舍臭气浓度确定方法可以通过包括处理器的畜禽舍环境气体监测装置来实现，或者，还可以通过与畜禽舍环境气体监测装置通信连接的电子设备来进行实现，此处不作限制。

臭气浓度是根据嗅觉器官试验法对臭气气味的大小予以数量化表示的指标，用无臭的清洁空气对臭气样品连续稀释至嗅辨员阈值时的稀释倍数叫作臭气浓度。

现有技术中，通常采用三点比较式臭袋法测定恶臭气体浓度，该方法是先将三只无臭袋中的两只充入无臭空气、另一只则按一定稀释比例充入无臭空气和被测恶臭气体样品供嗅辨员嗅辨，当嗅辨员正确识别有臭气袋后，再逐级进行稀释、嗅辨，直至稀释样品的臭气浓度低于嗅辨员的嗅觉阈值时停止实验。每个样品由若干名嗅辨员同时测定，最后根据嗅辨员的个人阈值和小组成员的平均值，求得臭气浓度。

现有技术中，只能通过专业人员按照人工的方式进行测定，耗时耗力且成本较高，极其不便。

如图1所示，本发明实施例的畜禽舍臭气浓度确定方法可以对臭气浓度进行实时、连续测定，本发明实施例的畜禽舍臭气浓度确定方法主要包括步骤110和步骤120。

步骤110，获取目标时刻下目标畜禽舍内各目标气体的浓度值和环境数据。

可以理解的是，目标时刻为需要确定臭气浓度的时刻。本发明实施例可以在任何需要的时刻来对目标畜禽舍进行各目标气体的浓度值检测，并采集环境数据，从而确定臭气浓度。

需要说明的是，目标气体的浓度值可以采用各种气体浓度传感器来进行实时测定。环境数据也可以根据相关的传感器来进行实时测定。

在一些实施例中，目标气体包括氨气、硫化氢、TVOC和VOCs。

在此种情况下，气体浓度传感器可以包括氨气传感器、硫化氢传感器、TVOC传感器和VOCs传感器，在本实施方式中，可以通过气体浓度传感器对畜禽舍中这些常见的有害气体进行监测，进而获取浓度数据。

在本实施方式中，氨气传感器的量程可以是0ppm-100ppm，测量的分辨率为0.5ppm；硫化氢传感器的量程可以是0ppm-10ppm，测量的分辨率为0.1ppm。

TVOC（Total Volatile Organic Compounds，总挥发性有机物）是熔点低于室温而沸点在50℃～260℃之间的挥发性有机化合物的总称。在常温下可以蒸发的形式存在于空气中，它的毒性、刺激性、致癌性和特殊的气味性，会影响皮肤和黏膜，对人体以及禽畜产生急性损害。

VOCs（Volatileorganic Compounds，挥发性有机物）是指常温下饱和蒸汽压大于70Pa、常压下沸点在260℃以下的有机化合物，或在20℃条件下蒸汽压大于或者等于10Pa具有相应挥发性的全部有机化合物。从环境监测的角度来讲，指以氢火焰离子检测器检出的非甲烷总烃类检出物的总称，主要包括烷烃类、芳烃类、烯烃类、卤烃类、酯类、醛类、酮类和其他有机化合物。

无论是TVOC还是VOCs，都会对禽畜以及相关人员的健康和安全造成不小的影响，因此，在本实施方式中，通过设置TVOC传感器和VOCs传感器来对两种有机物气体进行检测，能够更全面地检测畜禽舍中有害臭气的浓度。

在本实施方式中，TVOC传感器的量程可以是0ppm-10ppm，测量的分辨率为1ppm；VOCs传感器的量程可以是0ppm-10ppm，测量的分辨率为0.1ppm。

在一些实施例中，环境数据包括目标畜禽舍内的温度、相对湿度以及通风速率。

在此种情况下，相关传感器可以包括温度传感器以及相对湿度传感器。

在一些实施例中，可以设置根据畜禽舍内风机的转速以及排风口的大小来确定出通风速率。风机的转速可以通过转速传感器来进行测定。

在一些实施例中，还可以在通风位置设置空气流速传感器来直接检测空气流速，并进一步得到通风速率。

在另一些实施例中，可以利用二氧化碳平衡法来测定目标畜禽舍内的通风速率。在本实施方式中，通过建立目标畜禽舍内二氧化碳浓度的扩散模型，通过输入不同时刻的二氧化碳浓度，来反演得到通风速率。

在此种情况下，气体浓度传感器还包括二氧化碳浓度传感器，通过测定的二氧化碳浓度变化情况来确定当前的通风速率。

在一些实施例中，二氧化碳传感器的量程可以是0ppm-5000ppm，测量的分辨率为1ppm。

由于臭气的臭味主要来源于有味道的气体成分，而人所能感知的臭味不仅和有味道的气体成分有关，还和环境因素有关，例如温度越高、空气流动速率越快的情况下，臭味扩散的速度更快，可能会导致某一区域内臭味更加明显。又如，空气流动速率快的情况下，臭味气体成分可以更快地消散，可能又会导致某一区域内臭味变淡。

可以理解的是，在确定目标畜禽舍内的臭气浓度时，臭气浓度值与各目标气体的浓度值以及环境数据之间的关系并不是简单的线性关系，因此本发明实施例采用机器学习模型来对臭气浓度值进行预测。

步骤120，将目标时刻下各目标气体的浓度值和环境数据输入至臭气浓度监测模型，得到臭气浓度监测模型输出的目标臭气浓度。

需要说明的是，臭气浓度监测模型为机器学习模型，可以基于XGBoost算法建立。

臭气浓度监测模型是以多个历史时刻下目标畜禽舍内各目标气体的历史浓度值、历史环境数据以及标准臭气浓度值为样本集训练得到的，标准臭气浓度值是在历史时刻下通过标准测定方式测得的，例如可以采用三点比较式臭袋法来进行测定。

可以理解的是，在建立臭气浓度监测模型之初，将各目标气体的历史浓度值、历史环境数据以及标准臭气浓度值输入至模型之中，通过GridSearchCV实现对模型参数的优化。待优化参数可以包括n_estimators、max_depth、min_child_weight、learning_rate、reg_alpha和reg_lambda。

在一些实施例中，在相对误差范围为-21.82%~23.53%时，n_estimators优化区间为10-200，max_depth优化区间为1-15，min_child_weight优化区间为1-15，learning_rate优化区间为0.0001-1，reg_alpha优化区间为0-15，reg_lambda优化区间为0-15。

在得到参数优化后的臭气浓度监测模型后，将目标时刻下各目标气体的浓度值和环境数据输入至臭气浓度监测模型，即可得到臭气浓度监测模型输出的目标臭气浓度。

根据本发明实施例提供的一种畜禽舍臭气浓度确定方法，通过建立目标畜禽舍内各目标气体的浓度值、环境数据同臭气浓度值相关联的臭气浓度监测模型，只需要将实时检测得到的各目标气体的浓度值和环境数据输入至臭气浓度监测模型，即可快速得到目标畜禽舍内的目标臭气浓度，能快速实现对目标畜禽舍内的臭气浓度检测，方便对臭气浓度进行实时、连续测定。

在一些实施例中，臭气浓度监测模型通过以下过程确定。

首先，可以从样本集中选取第一数量的各目标气体的历史浓度值、历史环境数据以及标准臭气浓度值输入至机器学习算法模型，得到更新参数后的机器学习算法模型。

以XGBoost算法为例，先在XGBoost算法的基础上建立用于确定臭气浓度的机器学习算法模型，将通风速率、氨气浓度、硫化氢浓度、温度、相对湿度和三点比较式臭袋法臭气浓度（无量纲）等6个指标建立训练样本集。

在此基础上，将样本集中剩余的第二数量的各目标气体的历史浓度值和历史环境数据输入至更新参数后的机器学习算法模型，得到更新参数后的机器学习算法模型输出的各臭气浓度初始预测值。

需要说明的是，训练样本集中的数据一部分作为训练数据，另一部分用作模型的检验。

第一数量与第二数量的比值可以是8:2-6:4，例如，可以是7:3。

在此种情况下，可以将各臭气浓度初始预测值与对应的历史时刻下的标准臭气浓度值进行对比，得到第一对比结果。

在一些实施例中，将各臭气浓度初始预测值与对应的历史时刻下的标准臭气浓度值进行对比，得到第一对比结果，包括：基于各臭气浓度初始预测值与对应的历史时刻下的标准臭气浓度值，建立线性回归模型。

例如，可以以各臭气浓度初始预测值为x轴坐标、并以对应的历史时刻下的标准臭气浓度值为y轴坐标建立线性回归模型。

在此基础上，通过确定线性回归模型的决定系数，将决定系数与第一预设值进行数值大小的对比，得到第一对比结果。

在一些实施例中，第一预设值可以是0.7-0.95中的任一值，例如第一预设值为0.9。

在此种情况下，可以设置第一预设条件为决定系数大于或者等于第一预设值。

在第一对比结果满足第一预设条件的情况下，即决定系数大于或者等于0.9时，将更新参数后的机器学习算法模型确定为臭气浓度监测模型。

在本实施方式中，通过利用线性回归模型能够实现对臭气浓度监测模型预测效果的评估，从而得到参数更加准确的臭气浓度监测模型，进而得到更加准确的目标臭气浓度。

当然，在另一些实施例中，将各臭气浓度初始预测值与对应的历史时刻下的标准臭气浓度值进行对比，得到第一对比结果，包括计算各臭气浓度初始预测值的平均值与对应的各历史时刻下的标准臭气浓度值的平均值之间的差值，该差值为第一对比结果。此处对第一对比结果的计算方式不作限制。

在一些实施例中，在将目标时刻下各目标气体的浓度值和环境数据输入至臭气浓度监测模型，得到臭气浓度监测模型输出的目标臭气浓度之后，方法还包括：将目标畜禽舍内的标准臭气浓度值与臭气浓度监测模型输出的目标臭气浓度进行对比，得到第二对比结果。

可以理解的是，第二对比结果用于评价臭气浓度监测模型在后续工作过程中所输出的目标臭气浓度的准确性。

第二对比结果可以采用和上述第一对比结果相类似的计算方式来确定，或者，还可以采用其他计算方式，此处不作限制。

例如，采用线性回归模型来进行第二对比结果的计算时，在第二对比结果不满足第二预设条件的情况下，即决定系数小于0.9时，对臭气浓度监测模型进行训练并更新。

可以理解的是，在臭气浓度监测模型使用过程中，不定期同步通过三点比较式臭袋法检测标准臭气浓度，检验臭气浓度监测模型的工作性能，并向训练集补充新数据，可不断修正和提高臭气浓度监测模型的准确性。

如图2所示，横坐标表示训练样本中某一臭气浓度值出现的次数，纵坐标表示臭气浓度监测模型的相对误差，随着某一臭气浓度值的训练样本量的增加，相对误差逐渐减小，与三点比较式臭袋法检测得到的臭气浓度（无量纲）越接近。

下面对本发明提供的畜禽舍臭气浓度确定装置进行描述，下文描述的畜禽舍臭气浓度确定装置与上文描述的畜禽舍臭气浓度确定方法可相互对应参照。

如图3所示，本发明实施例的畜禽舍臭气浓度确定装置主要包括获取模块310和处理模块320。

获取模块310用于获取目标时刻下目标畜禽舍内各目标气体的浓度值和环境数据；

处理模块320用于将目标时刻下各目标气体的浓度值和环境数据输入至臭气浓度监测模型，得到臭气浓度监测模型输出的目标臭气浓度；

其中，臭气浓度监测模型是以多个历史时刻下目标畜禽舍内各目标气体的历史浓度值、历史环境数据以及标准臭气浓度值为样本集训练得到的，标准臭气浓度值是在历史时刻下通过标准测定方式测得的。

根据本发明实施例提供的畜禽舍臭气浓度确定装置，通过建立目标畜禽舍内各目标气体的浓度值、环境数据同臭气浓度值相关联的臭气浓度监测模型，只需要将实时检测得到的各目标气体的浓度值和环境数据输入至臭气浓度监测模型，即可快速得到目标畜禽舍内的目标臭气浓度，能快速实现对目标畜禽舍内的臭气浓度检测，方便对臭气浓度进行实时、连续测定。

在一些实施例中，处理模块320还用于从样本集中选取第一数量的各目标气体的历史浓度值、历史环境数据以及标准臭气浓度值输入至机器学习算法模型，得到更新参数后的机器学习算法模型；将样本集中剩余的第二数量的各目标气体的历史浓度值和历史环境数据输入至更新参数后的机器学习算法模型，得到更新参数后的机器学习算法模型输出的各臭气浓度初始预测值；将各臭气浓度初始预测值与对应的历史时刻下的标准臭气浓度值进行对比，得到第一对比结果；在第一对比结果满足第一预设条件的情况下，将更新参数后的机器学习算法模型确定为目标臭气浓度。

在一些实施例中，处理模块320还用于基于各臭气浓度初始预测值与对应的历史时刻下的标准臭气浓度值，建立线性回归模型；

确定线性回归模型的决定系数，将决定系数与第一预设值进行数值大小的对比，得到第一对比结果。

在一些实施例中，目标气体包括氨气、硫化氢、TVOC和VOCs。

在一些实施例中，环境数据包括目标畜禽舍内的温度、相对湿度以及通风速率。

在一些实施例中，本发明实施例的畜禽舍臭气浓度确定装置还包括更新模块，更新模块用于将目标畜禽舍内的标准臭气浓度值与臭气浓度监测模型输出的目标臭气浓度进行对比，得到第二对比结果；在第二对比结果不满足第二预设条件的情况下，对臭气浓度监测模型进行训练并更新。

在一些实施例中，本发明实施例还提供一种畜禽舍环境气体监测装置，包括气体浓度传感器、环境数据传感器和处理器，气体浓度传感器与环境数据传感器均与处理器电连接；还包括存储在存储器上并可在处理器上运行的程序或指令，程序或指令被所述处理器执行时执行如上述的畜禽舍臭气浓度确定方法，该方法包括：获取目标时刻下目标畜禽舍内各目标气体的浓度值和环境数据；将目标时刻下各目标气体的浓度值和环境数据输入至臭气浓度监测模型，得到臭气浓度监测模型输出的目标臭气浓度；其中，臭气浓度监测模型是以多个历史时刻下目标畜禽舍内各目标气体的历史浓度值、历史环境数据以及标准臭气浓度值为样本集训练得到的，标准臭气浓度值是在历史时刻下通过标准测定方式测得的。

可以理解的是，气体浓度传感器用于检测各目标气体的浓度值，环境数据传感器用于检测各环境数据，处理器用于接收气体浓度传感器和环境数据传感器的数据并得到目标臭气浓度。

图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器（processor）410、通信接口（Communications Interface）420、存储器（memory）430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行畜禽舍臭气浓度确定方法，该方法包括：获取目标时刻下目标畜禽舍内各目标气体的浓度值和环境数据；将目标时刻下各目标气体的浓度值和环境数据输入至臭气浓度监测模型，得到臭气浓度监测模型输出的目标臭气浓度；其中，臭气浓度监测模型是以多个历史时刻下目标畜禽舍内各目标气体的历史浓度值、历史环境数据以及标准臭气浓度值为样本集训练得到的，标准臭气浓度值是在历史时刻下通过标准测定方式测得的。

此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的畜禽舍臭气浓度确定方法，该方法包括：获取目标时刻下目标畜禽舍内各目标气体的浓度值和环境数据；将目标时刻下各目标气体的浓度值和环境数据输入至臭气浓度监测模型，得到臭气浓度监测模型输出的目标臭气浓度；其中，臭气浓度监测模型是以多个历史时刻下目标畜禽舍内各目标气体的历史浓度值、历史环境数据以及标准臭气浓度值为样本集训练得到的，标准臭气浓度值是在历史时刻下通过标准测定方式测得的。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的畜禽舍臭气浓度确定方法，该方法包括：获取目标时刻下目标畜禽舍内各目标气体的浓度值和环境数据；将目标时刻下各目标气体的浓度值和环境数据输入至臭气浓度监测模型，得到臭气浓度监测模型输出的目标臭气浓度；其中，臭气浓度监测模型是以多个历史时刻下目标畜禽舍内各目标气体的历史浓度值、历史环境数据以及标准臭气浓度值为样本集训练得到的，标准臭气浓度值是在历史时刻下通过标准测定方式测得的。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种畜禽舍臭气浓度确定方法，其特征在于，包括：

获取目标时刻下目标畜禽舍内各目标气体的浓度值和环境数据；所述目标气体包括氨气、硫化氢、TVOC和VOCs，所述环境数据包括所述目标畜禽舍内的温度、相对湿度以及通风速率，所述通风速率是基于二氧化碳平衡法确定的；所述氨气是利用氨气传感器进行浓度监测，所述硫化氢是利用硫化氢传感器进行浓度监测，所述TVOC是利用TVOC传感器进行浓度监测，所述VOCs是利用VOCs传感器进行浓度监测；所述通风速率是基于二氧化碳浓度传感器测定的二氧化碳浓度变化情况确定的；

将所述目标时刻下各目标气体的浓度值和环境数据输入至臭气浓度监测模型，得到所述臭气浓度监测模型输出的目标臭气浓度；所述臭气浓度监测模型是基于XGBoost算法构建的；

其中，所述臭气浓度监测模型是以多个历史时刻下所述目标畜禽舍内各目标气体的历史浓度值、历史环境数据以及标准臭气浓度值为样本集训练得到的，所述标准臭气浓度值是在所述历史时刻下通过标准测定方式测得的；

所述臭气浓度监测模型通过以下过程确定：

从所述样本集中选取第一数量的各目标气体的历史浓度值、历史环境数据以及标准臭气浓度值输入至机器学习算法模型，得到更新参数后的机器学习算法模型；

将所述样本集中剩余的第二数量的各目标气体的历史浓度值和历史环境数据输入至更新参数后的机器学习算法模型，得到更新参数后的机器学习算法模型输出的各臭气浓度初始预测值；

将各臭气浓度初始预测值与对应的历史时刻下的标准臭气浓度值进行对比，得到第一对比结果；

在所述第一对比结果满足第一预设条件的情况下，将更新参数后的机器学习算法模型确定为所述臭气浓度监测模型；

所述机器学习算法模型的待优化参数包括：n_estimators、max_depth、min_child_weight、learning_rate、reg_alpha和reg_lambda；所述n_estimators的优化区间为10-200，所述max_depth的优化区间为1-15，所述min_child_weight的优化区间为1-15，所述learning_rate的优化区间为0.0001-1，所述reg_alpha的优化区间为0-15，所述reg_lambda优化区间为0-15；

在所述将所述目标时刻下各目标气体的浓度值和环境数据输入至臭气浓度监测模型，得到所述臭气浓度监测模型输出的目标臭气浓度之后，所述方法还包括：

将所述目标畜禽舍内的标准臭气浓度值与所述臭气浓度监测模型输出的所述目标臭气浓度进行对比，得到第二对比结果；

在所述第二对比结果不满足第二预设条件的情况下，对所述臭气浓度监测模型进行训练并更新。

2.根据权利要求1所述的畜禽舍臭气浓度确定方法，其特征在于，所述将各臭气浓度初始预测值与对应的历史时刻下的标准臭气浓度值进行对比，得到第一对比结果，包括：

基于各臭气浓度初始预测值与对应的历史时刻下的标准臭气浓度值，建立线性回归模型；

确定所述线性回归模型的决定系数，将所述决定系数与第一预设值进行数值大小的对比，得到所述第一对比结果。

3.一种畜禽舍臭气浓度确定装置，其特征在于，包括：

获取模块，用于获取目标时刻下目标畜禽舍内各目标气体的浓度值和环境数据；所述目标气体包括氨气、硫化氢、TVOC和VOCs，所述环境数据包括所述目标畜禽舍内的温度、相对湿度以及通风速率，所述通风速率是基于二氧化碳平衡法确定的；所述氨气是利用氨气传感器进行浓度监测，所述硫化氢是利用硫化氢传感器进行浓度监测，所述TVOC是利用TVOC传感器进行浓度监测，所述VOCs是利用VOCs传感器进行浓度监测；所述通风速率是基于二氧化碳浓度传感器测定的二氧化碳浓度变化情况确定的；

处理模块，用于将所述目标时刻下各目标气体的浓度值和环境数据输入至臭气浓度监测模型，得到所述臭气浓度监测模型输出的目标臭气浓度；所述臭气浓度监测模型是基于XGBoost算法构建的；

其中，所述臭气浓度监测模型是以多个历史时刻下所述目标畜禽舍内各目标气体的历史浓度值、历史环境数据以及标准臭气浓度值为样本集训练得到的，所述标准臭气浓度值是在所述历史时刻下通过标准测定方式测得的；

所述臭气浓度监测模型通过以下过程确定：

从所述样本集中选取第一数量的各目标气体的历史浓度值、历史环境数据以及标准臭气浓度值输入至机器学习算法模型，得到更新参数后的机器学习算法模型；

将所述样本集中剩余的第二数量的各目标气体的历史浓度值和历史环境数据输入至更新参数后的机器学习算法模型，得到更新参数后的机器学习算法模型输出的各臭气浓度初始预测值；

将各臭气浓度初始预测值与对应的历史时刻下的标准臭气浓度值进行对比，得到第一对比结果；

在所述第一对比结果满足第一预设条件的情况下，将更新参数后的机器学习算法模型确定为所述臭气浓度监测模型；

所述机器学习算法模型的待优化参数包括：n_estimators、max_depth、min_child_weight、learning_rate、reg_alpha和reg_lambda；所述n_estimators的优化区间为10-200，所述max_depth的优化区间为1-15，所述min_child_weight的优化区间为1-15，所述learning_rate的优化区间为0.0001-1，所述reg_alpha的优化区间为0-15，所述reg_lambda优化区间为0-15；

在所述将所述目标时刻下各目标气体的浓度值和环境数据输入至臭气浓度监测模型，得到所述臭气浓度监测模型输出的目标臭气浓度之后，还包括：

将所述目标畜禽舍内的标准臭气浓度值与所述臭气浓度监测模型输出的所述目标臭气浓度进行对比，得到第二对比结果；

在所述第二对比结果不满足第二预设条件的情况下，对所述臭气浓度监测模型进行训练并更新。

4.一种畜禽舍环境气体监测装置，其特征在于，包括气体浓度传感器、环境数据传感器和处理器，所述气体浓度传感器与所述环境数据传感器均与所述处理器电连接；还包括存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时执行如权利要求1或2所述畜禽舍臭气浓度确定方法。

5.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1或2所述畜禽舍臭气浓度确定方法。

6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1或2所述畜禽舍臭气浓度确定方法。