CN116680446A - 一种含菌生态肥料发酵生产数据智能采集方法及系统 - Google Patents
一种含菌生态肥料发酵生产数据智能采集方法及系统 Download PDFInfo
- Publication number
- CN116680446A CN116680446A CN202310969184.1A CN202310969184A CN116680446A CN 116680446 A CN116680446 A CN 116680446A CN 202310969184 A CN202310969184 A CN 202310969184A CN 116680446 A CN116680446 A CN 116680446A
- Authority
- CN
- China
- Prior art keywords
- data
- dissolved oxygen
- temperature
- abnormal
- degree
- 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.)
- Granted
Links
- 238000000855 fermentation Methods 0.000 title claims abstract description 66
- 230000004151 fermentation Effects 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000003337 fertilizer Substances 0.000 title claims abstract description 31
- 241000894006 Bacteria Species 0.000 title claims abstract description 30
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 29
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 273
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 273
- 239000001301 oxygen Substances 0.000 claims abstract description 273
- 230000002159 abnormal effect Effects 0.000 claims abstract description 167
- 230000008859 change Effects 0.000 claims abstract description 143
- 230000004060 metabolic process Effects 0.000 claims abstract description 76
- 230000005764 inhibitory process Effects 0.000 claims abstract description 57
- 230000005856 abnormality Effects 0.000 claims abstract description 53
- 230000002503 metabolic effect Effects 0.000 claims abstract description 53
- 230000000694 effects Effects 0.000 claims abstract description 30
- 230000009467 reduction Effects 0.000 claims abstract description 20
- 238000012216 screening Methods 0.000 claims abstract description 14
- 238000010606 normalization Methods 0.000 claims description 13
- 230000001580 bacterial effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 230000002401 inhibitory effect Effects 0.000 claims description 7
- 230000007423 decrease Effects 0.000 claims description 5
- 230000000630 rising effect Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 11
- 238000012545 processing Methods 0.000 abstract description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 12
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 230000036284 oxygen consumption Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/40—Bio-organic fraction processing; Production of fertilisers from the organic fraction of waste or refuse
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本发明涉及数据处理领域，具体涉及一种含菌生态肥料发酵生产数据智能采集方法及系统。该方法通过获取发酵池中的时序上的溶氧量数据及温度数据，并根据每个时刻下溶氧量数据的变化获取溶氧量数据的初始异常程度；结合菌株的代谢抑制作用，针对温度升高与降低对溶氧量数据变化的不同影响进行分析，获取对溶氧量数据的温升异常表现程度或温降异常表现程度；根据温升异常表现程度或温降异常表现程度调整初始异常程度，获取溶氧量数据的最终异常程度并对异常的溶氧量数据进行筛除。本发明结合温度及菌株代谢对溶氧量数据的影响，获得更加准确的溶氧量异常变化关系，提高了监测准确性。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及一种含菌生态肥料发酵生产数据智能采集方法及系统。
背景技术
含菌生态肥料的发酵过程中涉及到多种微生物菌群的复杂反应，为了准确、有效地控制和优化发酵过程，通常会对菌落活性产生重要影响的溶氧量变化进行监测。
由于实际采集的溶氧量数据因多种原因可能存在偏差，人们通常会将采集的数据进行数据清洗，所采取的数据清洗方法一般是直接利用相邻数据的差异获取原始数据的异常程度，并根据异常程度对异常数据进行剔除；但在实际发酵过程中，溶氧量的变化受温度及菌株代谢的影响，不同温度下溶氧量数据变化存在差异，传统方法未考虑温度及菌株代谢因素对溶氧量异常变化的影响，易将由温度及菌株代谢因素引起的溶氧量正常变化误识别为异常数据进行剔除，溶氧量变化监测准确性不高，影响对发酵过程的监测与控制。
发明内容
为了解决现有技术采集溶氧量数据过程中无法获取准确的溶氧量异常变化并进行准确地数据筛选的技术问题，本发明的目的在于提供一种含菌生态肥料发酵生产数据智能采集方法及系统，所采用的技术方案具体如下：
本发明提出一种含菌生态肥料发酵生产数据智能采集方法，所述方法包括：
获取发酵池中的时序上的溶氧量数据及温度数据；
计算每个时刻下所述溶氧量数据的变化量，获取所述溶氧量数据的初始异常程度；确定每个时刻下所述温度数据的变化方向，所述变化方向包括升高和降低；根据抑制菌株正常代谢的临界溶氧量和当前时刻所述溶氧量数据的差异，获取代谢抑制作用；结合所述代谢抑制作用，分析所述温度数据以及所述温度数据变化对溶氧量数据变化的影响，获取所述温度数据的所述变化方向对应的温升异常表现程度或温降异常表现程度；根据所述温升异常表现程度或所述温降异常表现程度调整所述初始异常程度，获取所述溶氧量数据变化的温升最终异常程度或温降最终异常程度；根据每个时刻下的所述温升最终异常程度或所述温降最终异常程度对所述溶氧量数据进行异常筛除。
进一步地，所述获取所述溶氧量数据变化的初始异常程度包括：
在所述溶氧量数据中，将每一个数据与前一相邻数据间的差异进行归一化，获得对应时刻下的所述初始异常程度。
进一步地，所述获取所述温升异常表现程度和所述温降异常表现程度包括：
在每个时刻下，获取所述溶氧量数据的所述变化方向与所述温度数据的所述变化方向之间的方向一致性；
根据所述温度数据和所述方向一致性，获取的温度影响因子；
根据所述溶氧量数据的变化量及所述代谢抑制作用获取代谢影响因子；
计算当前时刻所述温度数据的变化量与前一相邻时刻的所述代谢抑制作用的第一比值，将所述第一比值进行归一化并负相关处理，得到的调整权重；
根据所述温度影响因子、所述代谢影响因子及所述调整权重获取所述温升异常表现程度；所述温度影响因子、所述代谢影响因子及所述调整权重均与所述温升异常表现程度呈正相关关系；
根据所述温度影响因子、所述代谢抑制作用及所述温度数据的变化量获取所述温降异常表现程度，所述温度影响因子、所述代谢抑制作用及所述温度数据的变化量均与所述温降异常表现程度呈正相关关系。
进一步地，所述获取所述温度影响因子包括：
所述方向一致性包括方向一致和方向不一致；若所述方向一致，则将预设第一数值作为方向权重；若所述方向不一致，则将预设第二数值作为方向权重；所述第一数值大于所述第二数值；
根据所述温度数据和所述方向权重获得所述温度影响因子；所述温度数据与所述温度影响因子成反比，所述方向权重与所述温度影响因子成正比。
进一步地，所述获取所述代谢抑制作用包括：
在所述溶氧量数据中，计算每一个数据相对抑制菌株正常代谢的临界溶氧量的减少量，根据所述减少量，获取所述代谢抑制作用；所述减少量与所述代谢抑制作用呈正相关关系；若所述减少量小于等于零，则将所述代谢抑制作用设置为预设第三数值。
进一步地，所述获取代谢影响因子包括：
获取发酵池内不包含菌株，仅因温度引起所述溶氧量变化的温升溶氧变化量；
计算所述溶氧量数据的变化量与所述温升溶氧变化量的差异并进行归一化处理得到归一化值；
获取所述溶氧量数据的变化量与所述代谢抑制作用的第二比值；
以所述归一化值与所述第二比值的乘积作为所述代谢影响因子。
进一步地，所述获取温升最终异常程度和温降最终异常程度包括：
获取每一时刻下的所述温升异常表现程度或所述温降异常表现程度的归一化值，与所述初始异常程度相乘获取所述温升最终异常程度或所述温降最终异常程度。
进一步地，所述对所述溶氧量数据进行异常筛除包括：
对溶氧量数据对应的温升最终异常程度或温降最终异常程度进行归一化处理，将大于预设异常程度的所述溶氧量数据进行异常筛除。
进一步地，所述预设异常程度设置为0.8。
本发明提出一种含菌生态肥料发酵生产数据智能采集系统，所述系统包括：存储器、处理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任一所述一种含菌生态肥料发酵生产数据智能采集方法的步骤。
本发明具有如下有益效果：
本发明考虑到现有获取溶氧量异常程度的方法通常是未涉及温度及菌株代谢因素的，溶氧量异常变化监测准确性不高，进而影响对发酵过程的监测与控制。为准确监测溶氧量的异常变化，本发明首先获取发酵池中的时序上的溶氧量数据及温度数据，并根据每个时刻下溶氧量数据的变化获取溶氧量数据的初始异常程度。进一步考虑到温度及菌株代谢对溶氧量数据的影响，因此本发明结合菌株的代谢抑制作用，针对温度升高与降低对溶氧量数据变化的不同影响进行分析，获取对溶氧量数据的温升异常表现程度或温降异常表现程度。异常表现程度是指溶氧量数据在温度、温度变化及菌株代谢等因素影响下异常变化的显著程度；若在温度、温度变化或菌株代谢等因素的影响下，溶氧量数据的变化量越大，所产生的异常变化相对就越微小，异常表现程度就越低；相反，溶氧量数据的变化量越小，所产生的异常变化相对就越显著，异常表现程度就越高。根据异常表现程度调整初始异常程度，获取溶氧量数据的最终异常程度并对异常的溶氧量数据进行筛除。相对于现有技术，本发明结合温度及菌株代谢对溶氧量数据的影响，获得更加准确的溶氧量数据异常变化关系，从而提高了对所采集的溶氧量数据的异常变化监测准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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它附图。
图1为本发明一个实施例所提供的一种含菌生态肥料发酵生产数据智能采集方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种含菌生态肥料发酵生产数据智能采集方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种含菌生态肥料发酵生产数据智能采集方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种含菌生态肥料发酵生产数据智能采集方法流程图，该方法包括以下步骤：
步骤S1，获取发酵池中的时序上的溶氧量数据及温度数据。
在本发明实施例中，通过在生态肥料发酵池中布设电化学传感器以及温度传感器，利用电化学传感器采集发酵池中的溶氧量数据；为方便分析溶氧量数据变化与温度变化间的关系，利用温度传感器采集发酵池中的温度数据；两类传感器将以5秒每次的采样频率对发酵池内的溶氧量及温度进行采集，获取发酵池中溶氧量及温度的时序数据。
步骤S2，计算每个时刻下所述溶氧量数据的变化量，获取所述溶氧量数据的初始异常程度；确定每个时刻下所述温度数据的变化方向，所述变化方向包括升高和降低；根据抑制菌株正常代谢的临界溶氧量和当前时刻所述溶氧量数据的差异，获取代谢抑制作用；结合所述代谢抑制作用，分析所述温度数据以及所述温度数据变化对溶氧量数据变化的影响，获取所述温度数据的所述变化方向对应的温升异常表现程度或温降异常表现程度；根据所述温升异常表现程度或所述温降异常表现程度调整所述初始异常程度，获取所述溶氧量数据变化的温升最终异常程度或温降最终异常程度。
一般情况下，发酵池的溶氧量变化受实际发酵过程的影响，所产生的溶氧量数据变化差异直接反映了溶氧量数据的异常程度。
本发明实施例在步骤S1中获取了时序上的溶氧量数据，在时序数据中任选一个溶
氧量数据点，计算当前时刻下的溶氧量数据与前一相邻时刻下溶氧量数据间的差异，并对
其进行归一化处理，获取当前时刻溶氧量数据的初始异常程度。作为一个实施方式，给出当
前时刻溶氧量数据初始异常程度的具体计算公式，当前时刻溶氧量数据初始异常程度的计
算公式为：；
其中，为第时刻的溶氧量数据初始异常程度，为第时刻的溶氧量数据，为
第时刻的溶氧量数据，表示标准归一化函数，在本发明其他实施例中可采用
其他归一化方法，在此不做限定。
但在实际发酵过程中，发酵池内溶氧量数据的变化受温度的影响，不同温度对应的氧气溶解度不同，同时温度的变化又影响着发酵池内菌株的代谢活动。确定每个时刻下所述温度数据的变化方向，变化方向包括升高和降低，即温度数据的变化包括两种情况：温度升高和温度降低降。同理溶氧量变化同样包括两种情况，即溶氧量升高和溶氧量降低。当温度升高时，氧气的溶解度降低，溶氧量降低，同时菌株代谢活动也随温度升高而增强，溶氧量进一步消耗降低；当温度降低时，氧气的溶解度升高，溶氧量也随之升高，菌株代谢活动随温度降低而受到抑制，氧气消耗量降低，溶氧量整体呈现增多趋势；说明在正常发酵过程中，溶氧量的变化方向与温度的变化方向不一致，若变化方向一致，则溶氧量数据变化异常。并且在不考虑温度影响代谢的条件下，菌株在代谢过程中也会消耗氧气，会导致溶氧量降低，当发酵池内溶氧量低于抑制菌株正常代谢的临界溶氧量时，菌株的代谢活动将受到抑制，从而减少对氧气的消耗。因此温度、温度变化及菌株的代谢活动都在影响溶氧量数据的异常程度的判断，且温度、温度变化及代谢活动对溶氧量的变化也有不同的异常表现。基于此，本发明为了进一步获取准确的溶氧量数据的异常表现，首先根据抑制菌株正常代谢的临界溶氧量和当前时刻溶氧量数据的差异，获取代谢抑制作用；通过获取代谢抑制作用后，结合代谢抑制作用，分析温度数据以及温度数据变化对溶氧量数据变化的影响，获取温升异常表现程度或温降异常表现程度。
优选的，在本发明的一个实施例中，获取代谢抑制作用包括：在溶氧量数据中，计算每一个数据相对抑制菌株正常代谢的临界溶氧量的减少量，根据减少量，获取代谢抑制作用；减少量与代谢抑制作用呈正相关关系；若减少量小于等于零，则将代谢抑制作用设置为预设第三数值。在本发明一个实施例中，代谢抑制作用的公式表示为：
；
其中，表示第时刻的溶氧量数据的代谢抑制作用，表示抑制菌株正常代谢
的临界溶氧量，表示溶氧量时序数据中第时刻溶氧量数据，表示第时刻的溶氧量
相对于抑制菌株正常代谢的临界溶氧量的减少量。越大，说明当前第时刻溶氧量对
菌株代谢的抑制作用越强，即发酵池溶氧量的下降速率减慢。对于可能出现的，
即不存在菌株代谢抑制作用时，将代谢抑制作用设置为预设第三数值。本发明实施例中，设
定，预设第三数值为0.1，在具体应用中，实施者根据具体情况进行设置。
优选地，本发明一个实施例中考虑到正常发酵过程中，温度数据的变化方向与溶氧量数据的变化方向不一致，因此在分析温度对溶氧量的影响时，首先获取温度数据及溶氧量数据的变化方向；温度影响因子体现着温度对溶氧量的异常表现程度，由于氧气溶解度会随温度的变化而变化，且菌株的代谢作用也受温度的影响，又进一步影响着溶氧量的变化，温度越高，溶氧量数据的变化速率越快，即温度引起溶氧量产生变化的可能性越大，此时溶氧量的异常表现程度越小；同时菌株的代谢作用对溶氧量数据的变化也产生了一定影响；当温度升高时，促进了菌株的代谢作用，菌株进一步消耗氧气造成溶氧量的降低，但当溶氧量降低抑制菌株正常代谢的临界溶氧量以下，菌株的代谢作用又将受到抑制；当温度降低时，菌株的代谢主要受到温度的抑制；考虑到溶氧量与菌株的代谢作用相互影响，本发明将在温度升高且不考虑温度影响的情况下，获取代谢对溶氧量变化的代谢影响因子；为进一步准确的反映温度变化与溶氧量之间的关系，本发明结合温度变化及溶氧量关系间的调整权重对溶氧量的异常表现程度进行判断。基于此，当温度升高时，获取温升异常表现程度具体包括：根据温度数据和方向一致性，获取的温度影响因子；根据溶氧量数据的变化量及代谢抑制作用获取代谢影响因子；计算当前时刻温度数据的变化量与前一相邻时刻的代谢抑制作用的第一比值，将第一比值进行归一化并负相关处理，得到的调整权重，当前时刻温度数据的变化量体现着当前时刻的温度相对于前一相邻时刻的温度数据的差异，若温度差异越大，则说明当前时刻相对前一相邻时刻的溶氧量数据发生变化的可能性越大；前一相邻时刻的代谢抑制作用体现着抑制菌株正常代谢的临界溶氧量与前一相邻时刻的溶氧量数据之间的差异，前一相邻时刻的代谢抑制作用越大，说明在前一时刻由温度变化引起的溶氧量变化对菌株的代谢抑制作用越大，溶氧量数据的变化速率会随菌株的代谢抑制作用而降低，溶氧量数据的异常表现程度越大，对其进行归一化并进行负相关处理，所得到的调整权重反映了当前时刻相对于前一相邻时刻的温度变化与溶氧量变化间的一致性；根据温度影响因子、代谢影响因子及调整权重获取温升异常表现程度；温度影响因子、代谢影响因子及调整权重均与温升异常表现程度呈正相关关系；在本发明一个实施例中，温升异常表现程度的公式表示为：
；
其中，表示第时刻的溶氧量数据的温升异常表现程度，表示第时刻的溶氧
量数据的温度影响因子，表示第时刻的溶氧量数据的代谢影响因子，表示归一化
函数，表示第时刻对应的温度变化量，表示第时刻对应的溶氧量对菌株的
代谢抑制作用。
在温升异常表现程度公式中，通过乘法将各项数据合并，体现出正相关关系，即温度影响因子越大，温升异常表现程度；代谢影响因子越大，则温升异常表现程度越大；调整权重越大，则温升异常表现程度越大。在本发明其他实施例中也可采用相乘关系、相加关系、指数函数的幂等基础数学运算表征正相关关系，由实际应用进行确定，在此不做限定。
考虑到当温度下降时，溶氧量数据的变化主要体现为温度对菌株代谢的影响及氧气溶解度的增大，发酵池内溶氧量整体因菌株的代谢作用而下降，且下降速率减慢，此时代谢的变化主要受温度的影响，故代谢影响因子即代谢抑制作用，调整权重即为温度变化量。在本发明一个实施例中，温降异常表现程度的公式表示为：
；
其中，表示第时刻的溶氧量数据的温降异常表现程度，表示第时刻的溶氧
量数据的温度影响因子，表示第时刻的溶氧量数据的代谢抑制作用，表示第时刻
对应的温度变化量。
优选地，本发明一个实施例中考虑到温度越高，氧气的溶解度的会随着温度的升高而降低，同时温度升高又促进发酵池内菌株的代谢作用，从而进一步造成溶氧量的降低，且溶氧量的变化速率较高；相反，温度越低，氧气的溶解度的会随着温度的降低而升高，同时温度降低又抑制发酵池内菌株的代谢作用，减少氧气的消耗，溶氧量增多，但整体溶氧量变化率速较低；因此温度越高，对发酵池溶氧量的影响越大，即由温度引起的溶氧量的变化越大，所对应溶氧量数据的变化对其异常表现程度越小。但如果在采集过程中，随着温度的升高，溶氧量的变化反而越来越小，或者出现随着温度的降低，溶氧量的变化越来越大，不符合客观规律的异常情况，故结合温度数据变化及溶氧量数据变化方向的一致性进行判断，从而获取准确的温度对溶氧量变化的异常表现的温度影响因子。基于此，获取温度影响因子具体包括：根据温度数据和方向一致性确定方向权重，若方向一致，则将预设第一数值作为方向权重；若方向不一致，则将预设第二数值作为方向权重；第一数值大于第二数值；根据温度数据和方向权重获得温度影响因子；温度数据与温度影响因子成反比，方向权重与温度影响因子成正比。在本发明一个实施例中，温度影响因子的公式表示为：
；
其中，表示第时刻溶氧量数据的温度影响因子，表示第时刻的温度数据，为方向权重。当温度数据越大时，溶氧量数据的温度影响因子越小，即对溶氧量数据的
异常表现数据越小；考虑到温度与溶氧量数据变化方向一致时，溶氧量数据的变化不符合
客观规律，故预设第一数值大于预设第二数值，溶氧量数据的异常程度较高。本实施例中的
方向权重，当方向一致时，预设第一数值取2，即；当方向不一致时，预设第二数值取
1，即，在具体应用中，实施者根据具体情况进行设置方向权重的第一数值和第二数
值。
优选的，在本发明的一个实施例中，获取代谢影响因子包括：获取发酵池内不包含菌株，仅因温度引起溶氧量变化的温升溶氧变化量；计算溶氧量数据的变化量与温升溶氧变化量的差异并进行归一化处理得到归一化值；获取溶氧量数据的变化量与代谢抑制作用的第二比值；以归一化值与第二比值的乘积作为代谢影响因子。在本发明一个实施例中，代谢抑制作用的公式表示为：
；
其中，表示第时刻的溶氧量数据的代谢影响因子,表示第时刻的溶氧量数
据的变化值，表示第时刻对应的由温度升高影响氧气溶解度所产生的温升溶氧变化量，表示归一化函数，表示第时刻的溶氧量数据的代谢抑制作用。
在代谢影响因子公式中，表示在第时刻不考虑温度因溶解度变化而产生
的温升溶氧变化量，即温度升高影响代谢所消耗的氧气含量；表示在第时刻溶氧量变化
与代谢之间的相对关系，当温度升高时，氧气溶解度及菌株代谢作用造成溶氧量降低，当溶
氧量降低一定程度，菌株代谢将受到抑制；将温升溶氧变化量归一化后，与溶氧量变化及代
谢间的相对关系相乘获取代谢影响溶氧量异常变化的代谢影响因子。
当温度、温度变化或代谢任意一个因素引起溶氧量的变化，都可以在不同程度表现溶氧量数据的异常程度，温升异常表现程度和温降异常表现程度均表示发酵池内的温度、温度变化及温度对代谢的影响对溶氧量数据异常的表现。通过传统方法获取的溶氧量异常程度由于未考虑以上因素对溶氧量变化的影响，会影响对所采集溶氧量数据变化的准确判断。为获取准确的溶氧量数据的异常程度，本发明根据所获取的温升异常表现程度或温降异常表现程度对初始异常程度进行修正调整，获取溶氧量数据变化的温升最终异常程度或温降最终异常程度，进而确定所采集溶氧量数据的准确异常程度。
优选的，在本发明的一个实施例中，获取温升最终异常程度和温降最终异常程度包括：获取每一时刻下的温升异常表现程度或温降异常表现程度的归一化值，与初始异常程度相乘获取温升最终异常程度或温降最终异常程度。在本发明一个实施例中，温升最终异常程度或温降最终异常程度的公式表示为：
；
；
其中表示第时刻的温升最终异常程度，表示第时刻的温降最终异常程
度，表示第时刻的溶氧量数据的温升异常表现程度，表示第时刻的溶氧量数据的
温降异常表现程度，为第时刻的溶氧量数据初始异常程度，为标准归一化函数，
在本发明其他实施例中可采用其他归一化方法在此不做限定。
需要说明的是，本发明实施例中所提出的所有正相关关系或者负相关关系均可利用其他基础数学手段进行实现，具体数学方法为本领域技术人员熟知的技术手段，在此不做赘述。
步骤S3，根据每个时刻下的温升最终异常程度或温降最终异常程度对溶氧量数据进行异常筛除。
根据步骤S2获取的每个时刻下所采集的溶氧量数据的温升最终异常程度或温降最终异常程度，确定溶氧量采集过程中的异常程度，并根据预设异常程度阈值对所采集的溶氧量数据进行异常筛除。
优选的，在本发明的一个实施例中，对溶氧量数据进行异常筛除包括：对溶氧量数据对应的温升最终异常程度或温降最终异常程度进行归一化处理，将大于预设异常程度的溶氧量数据进行异常筛除。
优选地，在本发明一个实施例中，预设异常程度阈值，在具体应用中，实
施者根据具体情况进行设置。
结合温度、温度变化及菌株代谢因素所分析获取的溶氧量数据采集过程中的最终异常程度，并根据最终异常程度和预设阈值剔除由上述因素影响所引起的溶氧量异常变化数据后，所获取的溶氧量数据更为真实准确的反映了溶氧量数据的异常变化，更有助于对发酵过程进行监测与控制。
综上所述，本发明实施例通过获取发酵池中的时序上的溶氧量数据及温度数据，并根据每个时刻下溶氧量数据的变化获取溶氧量数据的初始异常程度；结合菌株的代谢抑制作用，针对温度升高与降低对溶氧量数据变化的不同影响进行分析，获取对溶氧量数据的温升异常表现程度或温降异常表现程度；根据温升异常表现程度或温降异常表现程度调整初始异常程度，获取溶氧量数据的最终异常程度并对异常的溶氧量数据进行筛除。本发明结合温度及菌株代谢对溶氧量数据的影响，获得更加准确的溶氧量异常变化关系，提高了监测准确性。
本发明还提出了一种含菌生态肥料发酵生产数据智能采集系统，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现任意一项一种含菌生态肥料发酵生产数据智能采集方法的步骤。
一种含菌生态肥料发酵生产数据异常程度获取方法及系统实施例：
由于发酵过程中实际采集的溶氧量数据因多种原因可能存在偏差，人们通常直接利用相邻数据的差异获取原始数据的异常程度对采集的数据进行数据清洗；但在实际发酵过程中，溶氧量的变化受温度及菌株代谢的影响，不同温度对溶氧量数据变化的表现不同，传统方法未考虑温度及菌株代谢因素对溶氧量变化的影响，所获取的溶氧量异常程度不准确，将影响对发酵过程的监测与控制。本发明提供一种含菌生态肥料发酵生产数据异常程度获取方法，方法包括：
步骤S1，获取发酵池中的时序上的溶氧量数据及温度数据。
步骤S2，计算每个时刻下溶氧量数据的变化量，获取溶氧量数据的初始异常程度；根据抑制菌株正常代谢的临界溶氧量和当前时刻溶氧量数据的差异，获取代谢抑制作用；结合代谢抑制作用，分析温度数据以及温度数据变化对溶氧量数据变化的影响，获取温升异常表现程度或温降异常表现程度；根据温升异常表现程度或温降异常表现程度调整初始异常程度，获取溶氧量数据变化的温升最终异常程度或温降最终异常程度。
其中，步骤S1和步骤S2在上述一种含菌生态肥料发酵生产数据智能采集方法及系统实施例中已给出了详细说明，不再赘述。
本发明还提出了一种含菌生态肥料发酵生产数据异常程度获取系统，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现任意一项一种含菌生态肥料发酵生产数据异常程度获取方法的步骤。
本发明实施例考虑到现有获取溶氧量异常程度的方法通常是未涉及温度及菌株代谢因素的，溶氧量异常变化监测准确性不高，进而影响对发酵过程的监测与控制。为准确监测溶氧量的异常变化，本发明首先获取发酵池中的时序上的溶氧量数据及温度数据，并根据每个时刻下溶氧量数据的变化获取溶氧量数据的初始异常程度。进一步考虑到温度及菌株代谢对溶氧量数据的影响，因此本发明结合菌株的代谢抑制作用，针对温度升高与降低对溶氧量数据变化的不同影响进行分析，获取对溶氧量数据的温升异常表现程度或温降异常表现程度。异常表现程度是指溶氧量数据在温度、温度变化及菌株代谢等因素影响下异常变化的显著程度；若在温度、温度变化或菌株代谢等因素的影响下，溶氧量数据的变化量越大，所产生的异常变化相对就越微小，异常表现程度就越低；相反，溶氧量数据的变化量越小，所产生的异常变化相对就越显著，异常表现程度就越高。根据异常表现程度调整初始异常程度，获取溶氧量数据的最终异常程度。相对于现有技术，本发明实施例结合温度及菌株代谢对溶氧量数据的影响，获得更加准确的溶氧量数据异常变化关系。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
Claims (10)
1.一种含菌生态肥料发酵生产数据智能采集方法，其特征在于，所述方法包括：
获取发酵池中的时序上的溶氧量数据及温度数据；
计算每个时刻下所述溶氧量数据的变化量，获取所述溶氧量数据的初始异常程度；确定每个时刻下所述温度数据的变化方向，所述变化方向包括升高和降低；根据抑制菌株正常代谢的临界溶氧量和当前时刻所述溶氧量数据的差异，获取代谢抑制作用；结合所述代谢抑制作用，分析所述温度数据以及所述温度数据变化对溶氧量数据变化的影响，获取所述温度数据的所述变化方向对应的温升异常表现程度或温降异常表现程度；根据所述温升异常表现程度或所述温降异常表现程度调整所述初始异常程度，获取所述溶氧量数据变化的温升最终异常程度或温降最终异常程度；
根据每个时刻下的所述温升最终异常程度或所述温降最终异常程度对所述溶氧量数据进行异常筛除。
2.根据权利要求1所述的一种含菌生态肥料发酵生产数据智能采集方法，其特征在于，所述获取所述溶氧量数据变化的初始异常程度包括：
在所述溶氧量数据中，将每一个数据与前一相邻数据间的差异进行归一化，获得对应时刻下的所述初始异常程度。
3.根据权利要求1所述的一种含菌生态肥料发酵生产数据智能采集方法，其特征在于，所述获取所述温升异常表现程度和所述温降异常表现程度包括：
在每个时刻下，获取所述溶氧量数据的所述变化方向与所述温度数据的所述变化方向之间的方向一致性；
根据所述温度数据和所述方向一致性，获取的温度影响因子；
根据所述溶氧量数据的变化量及所述代谢抑制作用获取代谢影响因子；
计算当前时刻所述温度数据的变化量与前一相邻时刻的所述代谢抑制作用的第一比值，将所述第一比值进行归一化并负相关处理，得到的调整权重；
根据所述温度影响因子、所述代谢影响因子及所述调整权重获取所述温升异常表现程度；所述温度影响因子、所述代谢影响因子及所述调整权重均与所述温升异常表现程度呈正相关关系；
根据所述温度影响因子、所述代谢抑制作用及所述温度数据的变化量获取所述温降异常表现程度，所述温度影响因子、所述代谢抑制作用及所述温度数据的变化量均与所述温降异常表现程度呈正相关关系。
4.根据权利要求3所述的一种含菌生态肥料发酵生产数据智能采集方法，其特征在于，所述获取所述温度影响因子包括：
所述方向一致性包括方向一致和方向不一致；若所述方向一致，则将预设第一数值作为方向权重；若所述方向不一致，则将预设第二数值作为方向权重；所述第一数值大于所述第二数值；
根据所述温度数据和所述方向权重获得所述温度影响因子；所述温度数据与所述温度影响因子成反比，所述方向权重与所述温度影响因子成正比。
5.根据权利要求1所述的一种含菌生态肥料发酵生产数据智能采集方法，其特征在于，所述获取所述代谢抑制作用包括：
在所述溶氧量数据中，计算每一个数据相对抑制菌株正常代谢的临界溶氧量的减少量，根据所述减少量，获取所述代谢抑制作用；所述减少量与所述代谢抑制作用呈正相关关系；若所述减少量小于等于零，则将所述代谢抑制作用设置为预设第三数值。
6.根据权利要求3所述的一种含菌生态肥料发酵生产数据智能采集方法，其特征在于，所述获取代谢影响因子包括：
获取发酵池内不包含菌株，仅因温度引起所述溶氧量产生变化的温升溶氧变化量；
计算所述溶氧量数据的变化量与所述温升溶氧变化量的差异并进行归一化处理得到归一化值；
获取所述溶氧量数据的变化量与所述代谢抑制作用的第二比值；
以所述归一化值与所述第二比值的乘积作为所述代谢影响因子。
7.根据权利要求1所述的一种含菌生态肥料发酵生产数据智能采集方法，其特征在于，所述获取温升最终异常程度和温降最终异常程度包括：
获取每一时刻下的所述温升异常表现程度或所述温降异常表现程度的归一化值，与所述初始异常程度相乘获取所述温升最终异常程度或所述温降最终异常程度。
8.根据权利要求1所述的一种含菌生态肥料发酵生产数据智能采集方法，其特征在于，所述对所述溶氧量数据进行异常筛除包括：
对溶氧量数据对应的温升最终异常程度或温降最终异常程度进行归一化处理，将大于预设异常程度的所述溶氧量数据进行异常筛除。
9.根据权利要求8所述的一种含菌生态肥料发酵生产数据智能采集方法，其特征在于，所述预设异常程度设置为0.8。
10.一种含菌生态肥料发酵生产数据智能采集系统，包括存储器、处理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，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~9任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310969184.1A CN116680446B (zh) | 2023-08-03 | 2023-08-03 | 一种含菌生态肥料发酵生产数据智能采集方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310969184.1A CN116680446B (zh) | 2023-08-03 | 2023-08-03 | 一种含菌生态肥料发酵生产数据智能采集方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116680446A true CN116680446A (zh) | 2023-09-01 |
| CN116680446B CN116680446B (zh) | 2023-09-29 |
Family
ID=87789490
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310969184.1A Active CN116680446B (zh) | 2023-08-03 | 2023-08-03 | 一种含菌生态肥料发酵生产数据智能采集方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116680446B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050032159A1 (en) * | 2002-12-17 | 2005-02-10 | Eita Ichige | Method for low-temperature culture of microorganism |
| WO2009001775A1 (ja) * | 2007-06-27 | 2008-12-31 | Sharp Kabushiki Kaisha | 異常要因特定方法およびシステム、上記異常要因特定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 |
| CN105259827A (zh) * | 2015-10-16 | 2016-01-20 | 江苏大学 | 一种固态发酵过程状况的实时监控系统与监控方法 |
| CN109112122A (zh) * | 2018-09-29 | 2019-01-01 | 山东鲁抗医药股份有限公司 | 一种酪氨酸酚裂解酶发酵过程中的诱导表达方法 |
| CN109859804A (zh) * | 2019-01-10 | 2019-06-07 | 中国石油大学(华东) | 一种基于神经网络的桑黄发酵实验数据优化及预测方法 |
| CN209957797U (zh) * | 2019-05-26 | 2020-01-17 | 厦门嘉盛生物科技有限公司 | 一种便于提高溶氧量的微生物发酵装置 |
| CN112661555A (zh) * | 2019-09-30 | 2021-04-16 | 河南正达环保科技有限公司 | 一种有机肥发酵车间及发酵实施方法 |
| US20210255040A1 (en) * | 2020-02-13 | 2021-08-19 | Kaiser Optical Systems Inc. | Real-time monitoring of wine fermentation properties using raman spectroscopy |
| CN113885617A (zh) * | 2021-08-26 | 2022-01-04 | 北京市农林科学院智能装备技术研究中心 | 一种粪污发酵控制装置及方法 |
| CN114395475A (zh) * | 2021-12-20 | 2022-04-26 | 浙江天伟生物科技股份有限公司 | 一种结冷胶发酵系统及结冷胶发酵环境监控方法 |
| CN216837750U (zh) * | 2022-04-19 | 2022-06-28 | 四川发展中恒能环境科技有限公司 | 一种好氧发酵装置 |
| CN116183058A (zh) * | 2023-04-21 | 2023-05-30 | 实德电气集团有限公司 | 一种智能电容器的监测方法 |
| CN116340795A (zh) * | 2023-05-29 | 2023-06-27 | 山东一然环保科技有限公司 | 一种用于纯氧燃烧加热炉运行数据处理方法 |
| CN116505040A (zh) * | 2023-06-27 | 2023-07-28 | 中能万家能源有限公司 | 一种铁铬液流电池储能管理诊断系统及方法 |
| CN116522270A (zh) * | 2023-07-04 | 2023-08-01 | 西安启迪能源技术有限公司 | 用于智慧海绵城市的数据处理系统 |
-
2023
- 2023-08-03 CN CN202310969184.1A patent/CN116680446B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050032159A1 (en) * | 2002-12-17 | 2005-02-10 | Eita Ichige | Method for low-temperature culture of microorganism |
| WO2009001775A1 (ja) * | 2007-06-27 | 2008-12-31 | Sharp Kabushiki Kaisha | 異常要因特定方法およびシステム、上記異常要因特定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 |
| CN105259827A (zh) * | 2015-10-16 | 2016-01-20 | 江苏大学 | 一种固态发酵过程状况的实时监控系统与监控方法 |
| CN109112122A (zh) * | 2018-09-29 | 2019-01-01 | 山东鲁抗医药股份有限公司 | 一种酪氨酸酚裂解酶发酵过程中的诱导表达方法 |
| CN109859804A (zh) * | 2019-01-10 | 2019-06-07 | 中国石油大学(华东) | 一种基于神经网络的桑黄发酵实验数据优化及预测方法 |
| CN209957797U (zh) * | 2019-05-26 | 2020-01-17 | 厦门嘉盛生物科技有限公司 | 一种便于提高溶氧量的微生物发酵装置 |
| CN112661555A (zh) * | 2019-09-30 | 2021-04-16 | 河南正达环保科技有限公司 | 一种有机肥发酵车间及发酵实施方法 |
| US20210255040A1 (en) * | 2020-02-13 | 2021-08-19 | Kaiser Optical Systems Inc. | Real-time monitoring of wine fermentation properties using raman spectroscopy |
| CN113885617A (zh) * | 2021-08-26 | 2022-01-04 | 北京市农林科学院智能装备技术研究中心 | 一种粪污发酵控制装置及方法 |
| CN114395475A (zh) * | 2021-12-20 | 2022-04-26 | 浙江天伟生物科技股份有限公司 | 一种结冷胶发酵系统及结冷胶发酵环境监控方法 |
| CN216837750U (zh) * | 2022-04-19 | 2022-06-28 | 四川发展中恒能环境科技有限公司 | 一种好氧发酵装置 |
| CN116183058A (zh) * | 2023-04-21 | 2023-05-30 | 实德电气集团有限公司 | 一种智能电容器的监测方法 |
| CN116340795A (zh) * | 2023-05-29 | 2023-06-27 | 山东一然环保科技有限公司 | 一种用于纯氧燃烧加热炉运行数据处理方法 |
| CN116505040A (zh) * | 2023-06-27 | 2023-07-28 | 中能万家能源有限公司 | 一种铁铬液流电池储能管理诊断系统及方法 |
| CN116522270A (zh) * | 2023-07-04 | 2023-08-01 | 西安启迪能源技术有限公司 | 用于智慧海绵城市的数据处理系统 |
Non-Patent Citations (2)
| Title |
|---|
| 李春生;邸京华;李少龙;张可佳;王梅;: "时序化生产预警有效影响因子的获取方法研究", 计算机技术与发展, no. 07, pages 128 - 132 * |
| 江虹;尹华;彭辉;龙焰;叶锦韶;何宝燕;秦华明;张娜;: "BDE209好氧降解菌的筛选及降解特性研究", 安全与环境学报, no. 02, pages 51 - 55 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116680446B (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115933787B (zh) | 基于室内环境监测的室内多末端智能控制系统 | |
| WO2022052570A1 (zh) | 能耗异常状态检测方法、装置、计算机设备和存储介质 | |
| CN104921736B (zh) | 一种包含参数估计功能滤波模块的连续血糖监测设备 | |
| Zhao et al. | Statistical analysis based online sensor failure detection for continuous glucose monitoring in type I diabetes | |
| CN111538309B (zh) | 一种基于多变量非线性调频模态分解的工业过程厂级振荡检测方法 | |
| CN116680446B (zh) | 一种含菌生态肥料发酵生产数据智能采集方法及系统 | |
| Donayre | On the behavior of Okun's law across business cycles | |
| CN111599471A (zh) | 动态获取最大摄氧量的方法及电子设备 | |
| CN116738187B (zh) | 基于人工智能的船舶燃气功率动态预测方法及系统 | |
| US20180196639A1 (en) | Data processing device, data processing method, and storage medium | |
| CN111625938B (zh) | 一种地下水源热泵的最佳运行评估方法及装置 | |
| CN116680661A (zh) | 基于多维数据的燃气自动调压柜压力监测方法 | |
| CN116881635A (zh) | 一种用于纺织品洗涤剂设备数据管理系统 | |
| CN115784331A (zh) | 混凝沉淀控制方法、装置、设备及存储介质 | |
| CN115059527A (zh) | 机油液位确定方法、装置、设备及存储介质 | |
| CN115203430A (zh) | 时序知识图谱表征模型构建方法和时序知识图谱补全方法 | |
| Langdon et al. | Accurate and precise prediction of insulin sensitivity variance in critically ill patients | |
| CN114027792A (zh) | 基于线性相关系数去干扰的睡眠过程的代谢率检测方法 | |
| CN116433054B (zh) | 径流量变化归因方法、装置、电子设备及存储介质 | |
| CN113449789A (zh) | 基于大数据的全光谱水质监测设备监测水质的质控方法 | |
| CN113033906A (zh) | 基于三参数指数平滑的能耗预测方法及系统 | |
| CN112925290A (zh) | 一种基于多变量本征chirp模态分解的厂级振荡检测方法 | |
| CN112415141A (zh) | 一种甲醛测量浓度显示值的补偿方法及补偿装置 | |
| Tang et al. | Analysis of Influential Factors of Housing Price in Nanjing Based on Improved Grey Relational Analysis | |
| CN116774575B (zh) | 一种用于糊精生产过程中粘度控制方法及系统 |
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 |