CN116957342A - 基于物联网的养殖场智能管理方法、系统及介质 - Google Patents
基于物联网的养殖场智能管理方法、系统及介质 Download PDFInfo
- Publication number
- CN116957342A CN116957342A CN202311198443.1A CN202311198443A CN116957342A CN 116957342 A CN116957342 A CN 116957342A CN 202311198443 A CN202311198443 A CN 202311198443A CN 116957342 A CN116957342 A CN 116957342A
- Authority
- CN
- China
- Prior art keywords
- farm
- pathogenic bacteria
- information
- biological
- acquiring
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 28
- 244000052616 bacterial pathogen Species 0.000 claims abstract description 228
- 201000010099 disease Diseases 0.000 claims abstract description 70
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 70
- 230000005540 biological transmission Effects 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000001276 controlling effect Effects 0.000 claims abstract description 17
- 230000001105 regulatory effect Effects 0.000 claims abstract description 9
- 239000002028 Biomass Substances 0.000 claims description 38
- 230000007480 spreading Effects 0.000 claims description 38
- 238000012544 monitoring process Methods 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 31
- 230000007246 mechanism Effects 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 7
- 238000007637 random forest analysis Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 241000894007 species Species 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 238000005265 energy consumption Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 230000008021 deposition Effects 0.000 description 7
- 230000001717 pathogenic effect Effects 0.000 description 7
- 230000029142 excretion Effects 0.000 description 6
- 230000002550 fecal effect Effects 0.000 description 6
- 238000012806 monitoring device Methods 0.000 description 5
- 230000004083 survival effect Effects 0.000 description 5
- 241000244206 Nematoda Species 0.000 description 4
- 241000700605 Viruses Species 0.000 description 4
- 244000144972 livestock Species 0.000 description 3
- 239000010871 livestock manure Substances 0.000 description 3
- 241000238876 Acari Species 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000012258 culturing Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- 241000255925 Diptera Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 208000028804 PERCHING syndrome Diseases 0.000 description 1
- 241001674048 Phthiraptera Species 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005541 medical transmission Effects 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000003612 virological effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/05—Agriculture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Animal Husbandry (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Accounting & Taxation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于物联网的养殖场智能管理方法、系统及介质，属于养殖场管理技术领域，本发明通过获取当前养殖场的图像数据信息，并根据当前养殖场的图像数据信息获取图像识别结果；获取各病原菌的传播途径信息，并根据图像识别结果以及各病原菌的传播途径信息生成每一养殖场的产生病害风险等级；根据每一养殖场的产生病害风险等级对每一养殖场的养殖环境进行调控，同时获取养殖场内养殖体的生物数据信息，并根据养殖场内养殖体的生物数据信息进行预警。本发明充分融合了病原菌在养殖场生存环境的适生程度以及病原菌的传播途径信息，进一步提高了对于养殖场产生病害风险的预测精度，有利于养殖人员做好措施提前防控病害的发生。
Description
技术领域
本发明涉及养殖管理领域，尤其涉及一种基于物联网的养殖场智能管理方法、系统及介质。
背景技术
物联网是通过信息传感设备，按照约定的协议，把任何物品与互联网连接起来，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络。通俗地讲，物联网就是“物物相连的互联网”，它包含两层含义：第一，物联网是互联网的延伸和扩展，其核心和基础仍然是互联网；第二，物联网的用户端不仅包括人，还包括物品，物联网实现了人与物品及物品之间信息的交换和通信。然而，现如今，养殖场与物联网技术结合时，还有一定的技术难题未解决，如虽然能够代替人工进行监测养殖场的环境因素，但是对于病害往往是发生了才会被发现，存在一定的滞后性。
发明内容
本发明克服了现有技术的不足，提供了一种基于物联网的养殖场智能管理方法、系统及介质。
为达上述目的，本发明采用的技术方案为：
本发明第一方面提供了一种基于物联网的养殖场智能管理方法，包括以下步骤：
通过物联网平台获取每一养殖场的生存环境数据信息，基于所述生存环境数据信息计算出各病原菌的适生程度权重向量信息；
若所述病原菌的适生程度权重向量信息大于预设适生程度权重向量信息，则获取当前养殖场的图像数据信息，并根据所述当前养殖场的图像数据信息获取图像识别结果；
获取各病原菌的传播途径信息，并根据所述图像识别结果以及各病原菌的传播途径信息生成每一养殖场的产生病害风险等级；
根据所述每一养殖场的产生病害风险等级对每一养殖场的养殖环境进行调控，同时获取养殖场内养殖体的生物数据信息，并根据所述养殖场内养殖体的生物数据信息进行预警。
进一步地，本发明的一个较佳实施例中，通过物联网平台获取每一养殖场的生存环境数据信息，基于所述生存环境数据信息计算出各病原菌的适生程度权重向量信息，具体为：
通过大数据获取养殖场中的病史数据信息，并根据所述养殖场中的病史数据信息确定养殖场中病原菌的种类信息，基于所述养殖场中病原菌的种类信息构建检索标签；
根据所述检索标签获取每一病原菌的生存环境因子，并根据所述每一病原菌的生存环境因子布设相关的环境因子监测设备，基于所述相关的环境因子监测设备构建物联网平台；
通过所述物联网平台获取每一养殖场的生存环境数据信息，并通过大数据获取各病原菌的适生生存环境数据，基于层次分析法构建病原菌的适生程度评价体系；
预设病原菌的适生效果，将所述每一养殖场的生存环境数据信息、各病原菌的适生生存环境数据以及病原菌的适生效果输入到病原菌的适生程度评价体系中，生成每一养殖场中各病原菌的适生程度权重向量信息。
进一步地，本发明的一个较佳实施例中，根据所述当前养殖场的图像数据信息获取图像识别结果，具体为：
基于深度学习网络构建生物种群识别模型，并通过大数据获取大量的生物图像数据信息，引入随机森林算法，通过随机森林算法对所述生物图像数据信息进行生物特征的提取，生成各生物种类的特征矩阵；
将所述各生物种类的特征矩阵输入到所述生物种群识别模型中进行编码学习，当所述生物种群识别模型的模型参数符合预设要求之后，输出所述生物种群识别模型；
通过对所述当前养殖场的图像数据信息进行滤波、去噪处理之后，生成当前养殖场的图像特征矩阵，并将所述当前养殖场的图像特征矩阵输入到所述生物种群识别模型中进行识别；
通过识别之后，获取当前养殖场的图像中的生物种群识别结果，并将所述当前养殖场的图像中的生物种群识别结果作为图像识别结果输出。
进一步地，本发明的一个较佳实施例中，获取各病原菌的传播途径信息，并根据所述图像识别结果以及各病原菌的传播途径信息生成每一养殖场的产生病害风险等级，具体包括：
通过大数据获取各病原菌的传播途径信息，并引入多头注意力机制，通过所述多头注意力机制计算所述各病原菌的传播途径信息与所述图像识别结果的相关性；
当所述相关性大于预设相关性时，获取预设时间之内图像识别结果中传播病原菌的生物数量变化数据，设置传播病原菌的生物数量阈值信息；
判断所述预设时间之内图像识别结果中传播病原菌的生物数量变化数据是否大于所述传播病原菌的生物数量阈值信息；
当所述预设时间之内图像识别结果中传播病原菌的生物数量变化数据大于所述传播病原菌的生物数量阈值信息时，根据所述预设时间之内图像识别结果中传播病原菌的生物数量变化数据设置产生病害风险等级，并生成每一养殖场的产生病害风险等级。
进一步地，本发明的一个较佳实施例中，根据所述每一养殖场的产生病害风险等级对每一养殖场的养殖环境进行调控，具体包括：
当所述养殖场的产生病害风险等级大于预设产生病害风险等级时，通过大数据获取传播病原菌的生物的灭杀措施，并构建传播病原菌的生物灭杀知识图谱；
引入局部敏感哈希注意力机制，并根据所述局部敏感哈希注意力机制计算出每一传播病原菌的生物的灭杀措施的注意力分数，将相同注意力分数的传播病原菌的生物的灭杀措施输入到传播病原菌的生物灭杀知识图谱的相同空间中；
将所述不同注意力分数的传播病原菌的生物的灭杀措施输入到传播病原菌的生物灭杀知识图谱的不同空间中，并通过所述传播病原菌的生物灭杀知识图谱获取每一养殖场的传播病原菌的生物的灭杀措施，同时，通过物联网平台获取养殖场的环境调控设备的通信协议信息；
将所述养殖场的环境调控设备的通信协议信息发送至远程控制终端，并通过所述远程控制终端控制养殖场的环境调控设备进行环境调控以及每一养殖场的传播病原菌的生物的灭杀措施进行灭杀。
进一步地，本发明的一个较佳实施例中，获取养殖场内养殖体的生物数据信息，并根据所述养殖场内养殖体的生物数据信息进行预警，具体包括：
通过环境因子监测设备获取养殖场内养殖体的生物数据信息，并构建时间戳，结合所述时间戳以及养殖场内养殖体的生物数据信息生成基于时间序列的养殖场内养殖体的生物数据信息；
根据所述基于时间序列的养殖场内养殖体的生物数据信息构建养殖场内养殖体的生物数据变化曲线图，并设置相关的生物数据阈值范围，从所述养殖场内养殖体的生物数据变化曲线图中获取不在所述相关的生物数据阈值范围的生物数据；
获取不在所述相关的生物数据阈值范围的生物数据的持续时间信息，并判断所述不在所述相关的生物数据阈值范围的生物数据的持续时间信息是否大于预设持续时间信息；
若所述不在所述相关的生物数据阈值范围的生物数据的持续时间信息大于预设持续时间信息，则根据所述养殖场内养殖体的生物数据信息进行预警。
本发明第二方面提供了一种基于物联网的养殖场智能管理系统，所述系统包括存储器以及处理器，所述存储器中包括基于物联网的养殖场智能管理方法程序，所述基于物联网的养殖场智能管理方法程序被处理器执行时，实现如下步骤：
通过物联网平台获取每一养殖场的生存环境数据信息，基于所述生存环境数据信息计算出各病原菌的适生程度权重向量信息；
若所述病原菌的适生程度权重向量信息大于预设适生程度权重向量信息，则获取当前养殖场的图像数据信息，并根据所述当前养殖场的图像数据信息获取图像识别结果；
获取各病原菌的传播途径信息，并根据所述图像识别结果以及各病原菌的传播途径信息生成每一养殖场的产生病害风险等级；
根据所述每一养殖场的产生病害风险等级对每一养殖场的养殖环境进行调控，同时获取养殖场内养殖体的生物数据信息，并根据所述养殖场内养殖体的生物数据信息进行预警。
在该系统中，获取各病原菌的传播途径信息，并根据所述图像识别结果以及各病原菌的传播途径信息生成每一养殖场的产生病害风险等级，具体包括：
通过大数据获取各病原菌的传播途径信息，并引入多头注意力机制，通过所述多头注意力机制计算所述各病原菌的传播途径信息与所述图像识别结果的相关性；
当所述相关性大于预设相关性时，获取预设时间之内图像识别结果中传播病原菌的生物数量变化数据，设置传播病原菌的生物数量阈值信息；
判断所述预设时间之内图像识别结果中传播病原菌的生物数量变化数据是否大于所述传播病原菌的生物数量阈值信息；
当所述预设时间之内图像识别结果中传播病原菌的生物数量变化数据大于所述传播病原菌的生物数量阈值信息时，根据所述预设时间之内图像识别结果中传播病原菌的生物数量变化数据设置产生病害风险等级，并生成每一养殖场的产生病害风险等级。
在该系统中，根据所述每一养殖场的产生病害风险等级对每一养殖场的养殖环境进行调控，具体包括：
当所述养殖场的产生病害风险等级大于预设产生病害风险等级时，通过大数据获取传播病原菌的生物的灭杀措施，并构建传播病原菌的生物灭杀知识图谱；
引入局部敏感哈希注意力机制，并根据所述局部敏感哈希注意力机制计算出每一传播病原菌的生物的灭杀措施的注意力分数，将相同注意力分数的传播病原菌的生物的灭杀措施输入到传播病原菌的生物灭杀知识图谱的相同空间中；
将所述不同注意力分数的传播病原菌的生物的灭杀措施输入到传播病原菌的生物灭杀知识图谱的不同空间中，并通过所述传播病原菌的生物灭杀知识图谱获取每一养殖场的传播病原菌的生物的灭杀措施，同时，通过物联网平台获取养殖场的环境调控设备的通信协议信息；
将所述养殖场的环境调控设备的通信协议信息发送至远程控制终端，并通过所述远程控制终端控制养殖场的环境调控设备进行环境调控以及每一养殖场的传播病原菌的生物的灭杀措施进行灭杀。
本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质包括基于物联网的养殖场智能管理方法程序，所述基于物联网的养殖场智能管理方法程序被处理器执行时，实现任一项所述的基于物联网的养殖场智能管理方法的步骤。
本发明解决了背景技术中存在的缺陷，具备以下有益效果：
本发明通过物联网平台获取每一养殖场的生存环境数据信息，基于生存环境数据信息计算出各病原菌的适生程度权重向量信息；若病原菌的适生程度权重向量信息大于预设适生程度权重向量信息，则获取当前养殖场的图像数据信息，并根据当前养殖场的图像数据信息获取图像识别结果；获取各病原菌的传播途径信息，并根据图像识别结果以及各病原菌的传播途径信息生成每一养殖场的产生病害风险等级；根据每一养殖场的产生病害风险等级对每一养殖场的养殖环境进行调控，同时获取养殖场内养殖体的生物数据信息，并根据养殖场内养殖体的生物数据信息进行预警。本发明充分融合了病原菌在养殖场生存环境的适生程度以及病原菌的传播途径信息，进一步提高了对于养殖场产生病害风险的预测精度，有利于养殖人员做好措施提前防控病害的发生。
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，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地介绍，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他实施例的附图。
图1示出了基于物联网的养殖场智能管理方法的整体方法流程图；
图2示出了基于物联网的养殖场智能管理方法的第一方法流程图；
图3示出了基于物联网的养殖场智能管理方法的第二方法流程图；
图4示出了基于物联网的养殖场智能管理系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示，本发明第一方面提供了一种基于物联网的养殖场智能管理方法，包括以下步骤：
S102:通过物联网平台获取每一养殖场的生存环境数据信息，基于生存环境数据信息计算出各病原菌的适生程度权重向量信息；
S104:若病原菌的适生程度权重向量信息大于预设适生程度权重向量信息，则获取当前养殖场的图像数据信息，并根据当前养殖场的图像数据信息获取图像识别结果；
S106:获取各病原菌的传播途径信息，并根据图像识别结果以及各病原菌的传播途径信息生成每一养殖场的产生病害风险等级；
S108:根据每一养殖场的产生病害风险等级对每一养殖场的养殖环境进行调控，同时获取养殖场内养殖体的生物数据信息，并根据养殖场内养殖体的生物数据信息进行预警。
需要说明的是，本发明充分融合了病原菌在养殖场生存环境的适生程度以及病原菌的传播途径信息，进一步提高了对于养殖场产生病害风险的预测精度，有利于养殖人员做好措施提前防控病害的发生。
如图2所示，进一步地，本发明的一个较佳实施例中，在步骤S102中，具体为：
S202:通过大数据获取养殖场中的病史数据信息，并根据养殖场中的病史数据信息确定养殖场中病原菌的种类信息，基于养殖场中病原菌的种类信息构建检索标签；
示例性的，病史数据信息包括养猪场中产生过的病害数据，如病毒性传染病、病菌性疾病等。病原菌的种类信息如大肠杆菌病、病毒寄生的病原菌等。
S204:根据检索标签获取每一病原菌的生存环境因子，并根据每一病原菌的生存环境因子布设相关的环境因子监测设备，基于相关的环境因子监测设备构建物联网平台；
S206:通过物联网平台获取每一养殖场的生存环境数据信息，并通过大数据获取各病原菌的适生生存环境数据，基于层次分析法构建病原菌的适生程度评价体系；
S208:预设病原菌的适生效果，将每一养殖场的生存环境数据信息、各病原菌的适生生存环境数据以及病原菌的适生效果输入到病原菌的适生程度评价体系中，生成每一养殖场中各病原菌的适生程度权重向量信息。
需要说明的是，通过本方法能够根据病原菌的种类信息确定出病原菌的适生生存环境数据，从而通过层次分析法计算出病原菌的适生程度权重向量信息，当病原菌的适生程度权重向量信息越大，代表该生存环境越适合病原菌生长与繁殖。其中，用户可以设定病原菌的适生效果，如某一生存环境为低度适合病原菌生存、中度适合病原菌生存、高度适合病原菌生存等。生存环境数据信息包括温度、湿度、栖息地（如粪便）等。
进一步地，本发明的一个较佳实施例中，根据当前养殖场的图像数据信息获取图像识别结果，具体为：
基于深度学习网络构建生物种群识别模型，并通过大数据获取大量的生物图像数据信息，引入随机森林算法，通过随机森林算法对生物图像数据信息进行生物特征的提取，生成各生物种类的特征矩阵；
将各生物种类的特征矩阵输入到生物种群识别模型中进行编码学习，当生物种群识别模型的模型参数符合预设要求之后，输出生物种群识别模型；
通过对当前养殖场的图像数据信息进行滤波、去噪处理之后，生成当前养殖场的图像特征矩阵，并将当前养殖场的图像特征矩阵输入到生物种群识别模型中进行识别；
通过识别之后，获取当前养殖场的图像中的生物种群识别结果，并将当前养殖场的图像中的生物种群识别结果作为图像识别结果输出。
需要说明的是，由于一些病原菌或者病毒是通过传播媒介或者传播途径来实现的，如蝇类生物、虱类生物、线虫类生物、螨虫类生物等，如线虫和螨类除了能够携带真菌的孢子和细菌造成病害传播外，它们还能够传播病毒。这些病毒所造成的危害常常超过线虫本身对猪所造成的损害。通过随机森林算法对生物图像数据信息进行生物特征的提取，生成各生物种类的特征矩阵，从而提高对各种传播病菌的生物的识别准确率。
如图3所示，进一步地，本发明的一个较佳实施例中，获取各病原菌的传播途径信息，并根据图像识别结果以及各病原菌的传播途径信息生成每一养殖场的产生病害风险等级，具体包括：
S302:通过大数据获取各病原菌的传播途径信息，并引入多头注意力机制，通过多头注意力机制计算各病原菌的传播途径信息与图像识别结果的相关性；
S304:当相关性大于预设相关性时，获取预设时间之内图像识别结果中传播病原菌的生物数量变化数据，设置传播病原菌的生物数量阈值信息；
S306:判断预设时间之内图像识别结果中传播病原菌的生物数量变化数据是否大于传播病原菌的生物数量阈值信息；
S308:当预设时间之内图像识别结果中传播病原菌的生物数量变化数据大于传播病原菌的生物数量阈值信息时，根据预设时间之内图像识别结果中传播病原菌的生物数量变化数据设置产生病害风险等级，并生成每一养殖场的产生病害风险等级。
需要说明的是，通过多头注意力机制能够计算出病原菌的传播途径信息与蝇类生物、虱类生物、线虫类生物、螨虫类生物的相关性，其中相关性越高代表该病害与该类生物的相关程度越高，当当预设时间之内图像识别结果中传播病原菌的生物数量变化数据大于传播病原菌的生物数量阈值信息时，说明病害的传播风险等级就会越高，通过本方法充分融合了病原菌在养殖场生存环境的适生程度以及病原菌的传播途径信息，进一步提高了对于养殖场产生病害风险的预测精度，有利于养殖人员做好措施提前防控病害的发生。其中，产生病害风险等级可以自行设置，如某一数量范围之内为低风险等级，中风险等级、高风险等级等。
进一步地，本发明的一个较佳实施例中，根据每一养殖场的产生病害风险等级对每一养殖场的养殖环境进行调控，具体包括：
当养殖场的产生病害风险等级大于预设产生病害风险等级时，通过大数据获取传播病原菌的生物的灭杀措施，并构建传播病原菌的生物灭杀知识图谱；
引入局部敏感哈希注意力机制，并根据局部敏感哈希注意力机制计算出每一传播病原菌的生物的灭杀措施的注意力分数，将相同注意力分数的传播病原菌的生物的灭杀措施输入到传播病原菌的生物灭杀知识图谱的相同空间中；
将不同注意力分数的传播病原菌的生物的灭杀措施输入到传播病原菌的生物灭杀知识图谱的不同空间中，并通过传播病原菌的生物灭杀知识图谱获取每一养殖场的传播病原菌的生物的灭杀措施，同时，通过物联网平台获取养殖场的环境调控设备的通信协议信息；
将养殖场的环境调控设备的通信协议信息发送至远程控制终端，并通过远程控制终端控制养殖场的环境调控设备进行环境调控以及每一养殖场的传播病原菌的生物的灭杀措施进行灭杀。
需要说明的是，通过引入局部敏感哈希注意力机制，将相同注意力分数的传播病原菌的生物的灭杀措施输入到传播病原菌的生物灭杀知识图谱的相同空间中；将不同注意力分数的传播病原菌的生物的灭杀措施输入到传播病原菌的生物灭杀知识图谱的不同空间中。通过本设置能够提高数据查询以及处理速度，从而提高传播病原菌的生物的灭杀措施的生成速度。
进一步地，本发明的一个较佳实施例中，获取养殖场内养殖体的生物数据信息，并根据养殖场内养殖体的生物数据信息进行预警，具体包括：
通过环境因子监测设备获取养殖场内养殖体的生物数据信息，并构建时间戳，结合时间戳以及养殖场内养殖体的生物数据信息生成基于时间序列的养殖场内养殖体的生物数据信息；
根据基于时间序列的养殖场内养殖体的生物数据信息构建养殖场内养殖体的生物数据变化曲线图，并设置相关的生物数据阈值范围，从养殖场内养殖体的生物数据变化曲线图中获取不在相关的生物数据阈值范围的生物数据；
获取不在相关的生物数据阈值范围的生物数据的持续时间信息，并判断不在相关的生物数据阈值范围的生物数据的持续时间信息是否大于预设持续时间信息；
若不在相关的生物数据阈值范围的生物数据的持续时间信息大于预设持续时间信息，则根据养殖场内养殖体的生物数据信息进行预警。
需要说明的是，养殖体的生物数据信息包括养殖体的体温信息、进食量信息等。通过本方法能够及时关注养殖场内养殖体的实际情况，当不在相关的生物数据阈值范围的生物数据的持续时间信息大于预设持续时间信息，则根据养殖场内养殖体的生物数据信息进行预警。
此外，其中，根据每一病原菌的生存环境因子布设相关的环境因子监测设备，具体包括以下步骤：
根据每一病原菌的生存环境因子通过大数据检索，获取每一病原菌的生存环境因子的可能性栖息位置，并获取当前养殖场的设计图纸数据信息；
基于所述当前养殖场的设计图纸数据信息以及每一病原菌的生存环境因子的可能性栖息位置获取每一病原菌的生存环境因子的可能性栖息位置的布局图纸信息；
获取每一病原菌的生存环境因子相关的环境监测设备的工作范围信息；
根据所述每一病原菌的生存环境因子相关的环境监测设备的工作范围信息以及每一病原菌的生存环境因子的可能性栖息位置的布局图纸信息对相关的环境监测设备进行布置，生成环境监测设备的布局图，并基于所述环境监测设备的布局图构建无线物联网监测网络。
需要说明的是，每一病原菌的生存环境因子的可能性栖息位置可以为排污口、养殖区域等位置，本发明充分考虑了每一病原菌的生存环境因子的可能性栖息位置，提高养殖监测的合理性，其中，相关的环境监测设备可以是摄像头、无线传感器等，由于每一种环境监测设备均有一定的工作范围，根据所述每一病原菌的生存环境因子相关的环境监测设备的工作范围信息以及每一病原菌的生存环境因子的可能性栖息位置的布局图纸信息对相关的环境监测设备进行布置时，自动进行相关环境监测设备数量设定。
其中，基于所述环境监测设备的布局图构建无线物联网监测网络，具体包括：
获取每一环境监测设备的所在位置信息，并初始化信息传输节点的位置，计算其中一个环境监测设备的所在位置信息与信息传输节点的位置的信息传输能耗值，并根据所述信息传输能耗值获取距离值与所述信息传输能耗值的相关性；
根据所述距离值与所述信息传输能耗值的相关性计算出每一环境监测设备的所在位置信息与信息传输节点的位置之间的信息传输能耗值，并根据所述每一环境监测设备的所在位置信息与信息传输节点的位置之间的信息传输能耗值计算出总能耗值；
若所述总能耗值高于预设总能耗值时，重新调整信息传输节点的位置，直至所述总能耗值高于预设总能耗值，根据所述总能耗值高于预设总能耗值的环境监测设备的布局图构建无线物联网监测网络；
获取当前无线物联网监测网络需求的信息传输速率，初始化MIMO信息传输网络中发射基站以及接收基站的数量，根据所述MIMO信息传输网络计算出无线物联网监测网络在工作时的信息传输速率；
当所述无线物联网监测网络在工作时的信息传输速率低于当前无线物联网监测网络需求的信息传输速率时，调整所述MIMO信息传输网络中发射基站以及接收基站的数量，直至无线物联网监测网络在工作时的信息传输速率大于当前无线物联网监测网络需求的信息传输速率。
需要说明的是，一般而言，传输信息需要确定发射基站以及接收基站的数量，从而形成一个MIMO信息传输网络，通过本方法能够进一步提高相关的环境监测设备布置的合理性，能够及时获取到养殖场中监测数据。
此外，本发明还可以包括以下步骤：
获取大量的养殖场喂食消耗量之下的养殖体粪便排泄量数据，并基于深度学习网络构建养殖体粪便排泄量预测模型，将所述养殖场喂食消耗量之下的养殖体粪便排泄量数据输入到所述养殖体粪便排泄量预测模型中进行编码学习；
通过编码学习之后，获取学习完成的养殖体粪便排泄量预测模型，并获取预设时间之内每一养殖场内的养殖场喂食消耗量，根据所述预设时间之内每一养殖场内的养殖场喂食消耗量以及学习完成的养殖体粪便排泄量预测模型预测预设时间之内的各养殖场养殖体粪便排泄量数据；
根据所述预设时间之内的各养殖场养殖体粪便排泄量数据生成每一养殖场的养殖体粪便沉积数据，并通过大数据获取产生养殖病害的病原菌栖息环境的养殖体粪便历史沉积数据；
当所述产生养殖病害的病原菌栖息环境的养殖体粪便历史沉积数据大于养殖体粪便沉积数据时，则获取每一养殖场达到产生养殖病害的病原菌栖息环境的养殖体粪便历史沉积数据的时间节点，并根据所述时间节点生成粪便清理计划。
需要说明的是，通过本方法能够根据养殖场喂食消耗量来预测殖场的养殖体粪便沉积数据，从而预测出每一养殖场达到产生养殖病害的病原菌栖息环境的养殖体粪便历史沉积数据的时间节点，从而根据所述时间节点生成粪便清理计划，有效地控制了病原菌的栖息环境，减少病害的发生。
如图4所示，本发明第二方面提供了一种基于物联网的养殖场智能管理系统4，该系统4包括存储器41以及处理器62，存储器41中包括基于物联网的养殖场智能管理方法程序，基于物联网的养殖场智能管理方法程序被处理器62执行时，实现如下步骤：
通过物联网平台获取每一养殖场的生存环境数据信息，基于生存环境数据信息计算出各病原菌的适生程度权重向量信息；
若病原菌的适生程度权重向量信息大于预设适生程度权重向量信息，则获取当前养殖场的图像数据信息，并根据当前养殖场的图像数据信息获取图像识别结果；
获取各病原菌的传播途径信息，并根据图像识别结果以及各病原菌的传播途径信息生成每一养殖场的产生病害风险等级；
根据每一养殖场的产生病害风险等级对每一养殖场的养殖环境进行调控，同时获取养殖场内养殖体的生物数据信息，并根据养殖场内养殖体的生物数据信息进行预警。
在该系统中，获取各病原菌的传播途径信息，并根据图像识别结果以及各病原菌的传播途径信息生成每一养殖场的产生病害风险等级，具体包括：
通过大数据获取各病原菌的传播途径信息，并引入多头注意力机制，通过多头注意力机制计算各病原菌的传播途径信息与图像识别结果的相关性；
当相关性大于预设相关性时，获取预设时间之内图像识别结果中传播病原菌的生物数量变化数据，设置传播病原菌的生物数量阈值信息；
判断预设时间之内图像识别结果中传播病原菌的生物数量变化数据是否大于传播病原菌的生物数量阈值信息；
当预设时间之内图像识别结果中传播病原菌的生物数量变化数据大于传播病原菌的生物数量阈值信息时，根据预设时间之内图像识别结果中传播病原菌的生物数量变化数据设置产生病害风险等级，并生成每一养殖场的产生病害风险等级。
在该系统中，当养殖场的产生病害风险等级大于预设产生病害风险等级时，通过大数据获取传播病原菌的生物的灭杀措施，并构建传播病原菌的生物灭杀知识图谱；
引入局部敏感哈希注意力机制，并根据局部敏感哈希注意力机制计算出每一传播病原菌的生物的灭杀措施的注意力分数，将相同注意力分数的传播病原菌的生物的灭杀措施输入到传播病原菌的生物灭杀知识图谱的相同空间中；
将不同注意力分数的传播病原菌的生物的灭杀措施输入到传播病原菌的生物灭杀知识图谱的不同空间中，并通过传播病原菌的生物灭杀知识图谱获取每一养殖场的传播病原菌的生物的灭杀措施，同时，通过物联网平台获取养殖场的环境调控设备的通信协议信息；
将养殖场的环境调控设备的通信协议信息发送至远程控制终端，并通过远程控制终端控制养殖场的环境调控设备进行环境调控以及每一养殖场的传播病原菌的生物的灭杀措施进行灭杀。
本发明第三方面提供了一种计算机可读存储介质，计算机可读存储介质包括基于物联网的养殖场智能管理方法程序，基于物联网的养殖场智能管理方法程序被处理器执行时，实现任一项的基于物联网的养殖场智能管理方法的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、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。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的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方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.基于物联网的养殖场智能管理方法，其特征在于，包括以下步骤：
通过物联网平台获取每一养殖场的生存环境数据信息，基于所述生存环境数据信息计算出各病原菌的适生程度权重向量信息；
若所述病原菌的适生程度权重向量信息大于预设适生程度权重向量信息，则获取当前养殖场的图像数据信息，并根据所述当前养殖场的图像数据信息获取图像识别结果；
获取各病原菌的传播途径信息，并根据所述图像识别结果以及各病原菌的传播途径信息生成每一养殖场的产生病害风险等级；
根据所述每一养殖场的产生病害风险等级对每一养殖场的养殖环境进行调控，同时获取养殖场内养殖体的生物数据信息，并根据所述养殖场内养殖体的生物数据信息进行预警。
2.根据权利要求1所述的基于物联网的养殖场智能管理方法，其特征在于，通过物联网平台获取每一养殖场的生存环境数据信息，基于所述生存环境数据信息计算出各病原菌的适生程度权重向量信息，具体为：
通过大数据获取养殖场中的病史数据信息，并根据所述养殖场中的病史数据信息确定养殖场中病原菌的种类信息，基于所述养殖场中病原菌的种类信息构建检索标签；
根据所述检索标签获取每一病原菌的生存环境因子，并根据所述每一病原菌的生存环境因子布设相关的环境因子监测设备，基于所述相关的环境因子监测设备构建物联网平台；
通过所述物联网平台获取每一养殖场的生存环境数据信息，并通过大数据获取各病原菌的适生生存环境数据，基于层次分析法构建病原菌的适生程度评价体系；
预设病原菌的适生效果，将所述每一养殖场的生存环境数据信息、各病原菌的适生生存环境数据以及病原菌的适生效果输入到病原菌的适生程度评价体系中，生成每一养殖场中各病原菌的适生程度权重向量信息。
3.根据权利要求1所述的基于物联网的养殖场智能管理方法，其特征在于，根据所述当前养殖场的图像数据信息获取图像识别结果，具体为：
基于深度学习网络构建生物种群识别模型，并通过大数据获取大量的生物图像数据信息，引入随机森林算法，通过随机森林算法对所述生物图像数据信息进行生物特征的提取，生成各生物种类的特征矩阵；
将所述各生物种类的特征矩阵输入到所述生物种群识别模型中进行编码学习，当所述生物种群识别模型的模型参数符合预设要求之后，输出所述生物种群识别模型；
通过对所述当前养殖场的图像数据信息进行滤波、去噪处理之后，生成当前养殖场的图像特征矩阵，并将所述当前养殖场的图像特征矩阵输入到所述生物种群识别模型中进行识别；
通过识别之后，获取当前养殖场的图像中的生物种群识别结果，并将所述当前养殖场的图像中的生物种群识别结果作为图像识别结果输出。
4.根据权利要求1所述的基于物联网的养殖场智能管理方法，其特征在于，获取各病原菌的传播途径信息，并根据所述图像识别结果以及各病原菌的传播途径信息生成每一养殖场的产生病害风险等级，具体包括：
通过大数据获取各病原菌的传播途径信息，并引入多头注意力机制，通过所述多头注意力机制计算所述各病原菌的传播途径信息与所述图像识别结果的相关性；
当所述相关性大于预设相关性时，获取预设时间之内图像识别结果中传播病原菌的生物数量变化数据，设置传播病原菌的生物数量阈值信息；
判断所述预设时间之内图像识别结果中传播病原菌的生物数量变化数据是否大于所述传播病原菌的生物数量阈值信息；
当所述预设时间之内图像识别结果中传播病原菌的生物数量变化数据大于所述传播病原菌的生物数量阈值信息时，根据所述预设时间之内图像识别结果中传播病原菌的生物数量变化数据设置产生病害风险等级，并生成每一养殖场的产生病害风险等级。
5.根据权利要求1所述的基于物联网的养殖场智能管理方法，其特征在于，根据所述每一养殖场的产生病害风险等级对每一养殖场的养殖环境进行调控，具体包括：
当所述养殖场的产生病害风险等级大于预设产生病害风险等级时，通过大数据获取传播病原菌的生物的灭杀措施，并构建传播病原菌的生物灭杀知识图谱；
引入局部敏感哈希注意力机制，并根据所述局部敏感哈希注意力机制计算出每一传播病原菌的生物的灭杀措施的注意力分数，将相同注意力分数的传播病原菌的生物的灭杀措施输入到传播病原菌的生物灭杀知识图谱的相同空间中；
将不同注意力分数的传播病原菌的生物的灭杀措施输入到传播病原菌的生物灭杀知识图谱的不同空间中，并通过所述传播病原菌的生物灭杀知识图谱获取每一养殖场的传播病原菌的生物的灭杀措施，同时，通过物联网平台获取养殖场的环境调控设备的通信协议信息；
将所述养殖场的环境调控设备的通信协议信息发送至远程控制终端，并通过所述远程控制终端控制养殖场的环境调控设备进行环境调控以及每一养殖场的传播病原菌的生物的灭杀措施进行灭杀。
6.根据权利要求1所述的基于物联网的养殖场智能管理方法，其特征在于，获取养殖场内养殖体的生物数据信息，并根据所述养殖场内养殖体的生物数据信息进行预警，具体包括：
通过环境因子监测设备获取养殖场内养殖体的生物数据信息，并构建时间戳，结合所述时间戳以及养殖场内养殖体的生物数据信息生成基于时间序列的养殖场内养殖体的生物数据信息；
根据所述基于时间序列的养殖场内养殖体的生物数据信息构建养殖场内养殖体的生物数据变化曲线图，并设置相关的生物数据阈值范围，从所述养殖场内养殖体的生物数据变化曲线图中获取不在所述相关的生物数据阈值范围的生物数据；
获取不在所述相关的生物数据阈值范围的生物数据的持续时间信息，并判断所述不在所述相关的生物数据阈值范围的生物数据的持续时间信息是否大于预设持续时间信息；
若所述不在所述相关的生物数据阈值范围的生物数据的持续时间信息大于预设持续时间信息，则根据所述养殖场内养殖体的生物数据信息进行预警。
7.基于物联网的养殖场智能管理系统，其特征在于，所述系统包括存储器以及处理器，所述存储器中包括基于物联网的养殖场智能管理方法程序，所述基于物联网的养殖场智能管理方法程序被处理器执行时，实现如下步骤：
通过物联网平台获取每一养殖场的生存环境数据信息，基于所述生存环境数据信息计算出各病原菌的适生程度权重向量信息；
若所述病原菌的适生程度权重向量信息大于预设适生程度权重向量信息，则获取当前养殖场的图像数据信息，并根据所述当前养殖场的图像数据信息获取图像识别结果；
获取各病原菌的传播途径信息，并根据所述图像识别结果以及各病原菌的传播途径信息生成每一养殖场的产生病害风险等级；
根据所述每一养殖场的产生病害风险等级对每一养殖场的养殖环境进行调控，同时获取养殖场内养殖体的生物数据信息，并根据所述养殖场内养殖体的生物数据信息进行预警。
8.根据权利要求7所述的基于物联网的养殖场智能管理系统，其特征在于，获取各病原菌的传播途径信息，并根据所述图像识别结果以及各病原菌的传播途径信息生成每一养殖场的产生病害风险等级，具体包括：
通过大数据获取各病原菌的传播途径信息，并引入多头注意力机制，通过所述多头注意力机制计算所述各病原菌的传播途径信息与所述图像识别结果的相关性；
当所述相关性大于预设相关性时，获取预设时间之内图像识别结果中传播病原菌的生物数量变化数据，设置传播病原菌的生物数量阈值信息；
判断所述预设时间之内图像识别结果中传播病原菌的生物数量变化数据是否大于所述传播病原菌的生物数量阈值信息；
当所述预设时间之内图像识别结果中传播病原菌的生物数量变化数据大于所述传播病原菌的生物数量阈值信息时，根据所述预设时间之内图像识别结果中传播病原菌的生物数量变化数据设置产生病害风险等级，并生成每一养殖场的产生病害风险等级。
9.根据权利要求7所述的基于物联网的养殖场智能管理系统，其特征在于，根据所述每一养殖场的产生病害风险等级对每一养殖场的养殖环境进行调控，具体包括：
当所述养殖场的产生病害风险等级大于预设产生病害风险等级时，通过大数据获取传播病原菌的生物的灭杀措施，并构建传播病原菌的生物灭杀知识图谱；
引入局部敏感哈希注意力机制，并根据所述局部敏感哈希注意力机制计算出每一传播病原菌的生物的灭杀措施的注意力分数，将相同注意力分数的传播病原菌的生物的灭杀措施输入到传播病原菌的生物灭杀知识图谱的相同空间中；
将不同注意力分数的传播病原菌的生物的灭杀措施输入到传播病原菌的生物灭杀知识图谱的不同空间中，并通过所述传播病原菌的生物灭杀知识图谱获取每一养殖场的传播病原菌的生物的灭杀措施，同时，通过物联网平台获取养殖场的环境调控设备的通信协议信息；
将所述养殖场的环境调控设备的通信协议信息发送至远程控制终端，并通过所述远程控制终端控制养殖场的环境调控设备进行环境调控以及每一养殖场的传播病原菌的生物的灭杀措施进行灭杀。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括基于物联网的养殖场智能管理方法程序，所述基于物联网的养殖场智能管理方法程序被处理器执行时，实现如权利要求1-6任一项所述的基于物联网的养殖场智能管理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311198443.1A CN116957342B (zh) | 2023-09-18 | 2023-09-18 | 基于物联网的养殖场智能管理方法、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311198443.1A CN116957342B (zh) | 2023-09-18 | 2023-09-18 | 基于物联网的养殖场智能管理方法、系统及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116957342A true CN116957342A (zh) | 2023-10-27 |
| CN116957342B CN116957342B (zh) | 2023-12-08 |
Family
ID=88460425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311198443.1A Active CN116957342B (zh) | 2023-09-18 | 2023-09-18 | 基于物联网的养殖场智能管理方法、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116957342B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117910709A (zh) * | 2024-03-19 | 2024-04-19 | 中农吉牧(吉林)农业发展有限公司 | 一种智能化牛场的饲养管理系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111339237A (zh) * | 2020-02-28 | 2020-06-26 | 深圳前海微众银行股份有限公司 | 养殖场风险预测方法、装置、设备及存储介质 |
| JP6828926B1 (ja) * | 2020-02-25 | 2021-02-10 | 株式会社Ｅｃｏ‐Ｐｏｒｋ | 疾病情報管理システム、疾病情報管理サーバ、疾病情報管理方法、及び疾病情報管理プログラム |
| CN113938503A (zh) * | 2021-09-26 | 2022-01-14 | 云南追溯科技有限公司 | 一种通过生猪行为体征监测对疾病的预警系统及构建方法 |
| CN114009365A (zh) * | 2021-11-19 | 2022-02-08 | 深圳市博安智控科技有限公司 | 物联网智慧养殖方法、系统、设备及存储介质 |
| CN114924520A (zh) * | 2022-02-17 | 2022-08-19 | 中用科技有限公司 | 一种智慧养殖物联网系统 |
| CN115631406A (zh) * | 2022-11-07 | 2023-01-20 | 四川德立凯软件有限公司 | 一种基于机器视觉的养殖病害检测方法和装置 |
| CN115937784A (zh) * | 2022-12-27 | 2023-04-07 | 正大农业科学研究有限公司 | 养殖场监控方法、装置、电子设备及存储介质 |
| CN116562469A (zh) * | 2023-07-10 | 2023-08-08 | 湖南师范大学 | 一种淡水鱼类病原传播预测方法、装置、设备及存储介质 |
-
2023
- 2023-09-18 CN CN202311198443.1A patent/CN116957342B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6828926B1 (ja) * | 2020-02-25 | 2021-02-10 | 株式会社Ｅｃｏ‐Ｐｏｒｋ | 疾病情報管理システム、疾病情報管理サーバ、疾病情報管理方法、及び疾病情報管理プログラム |
| CN111339237A (zh) * | 2020-02-28 | 2020-06-26 | 深圳前海微众银行股份有限公司 | 养殖场风险预测方法、装置、设备及存储介质 |
| WO2021169464A1 (zh) * | 2020-02-28 | 2021-09-02 | 深圳前海微众银行股份有限公司 | 养殖场风险预测方法、装置、设备及存储介质 |
| CN113938503A (zh) * | 2021-09-26 | 2022-01-14 | 云南追溯科技有限公司 | 一种通过生猪行为体征监测对疾病的预警系统及构建方法 |
| CN114009365A (zh) * | 2021-11-19 | 2022-02-08 | 深圳市博安智控科技有限公司 | 物联网智慧养殖方法、系统、设备及存储介质 |
| CN114924520A (zh) * | 2022-02-17 | 2022-08-19 | 中用科技有限公司 | 一种智慧养殖物联网系统 |
| CN115631406A (zh) * | 2022-11-07 | 2023-01-20 | 四川德立凯软件有限公司 | 一种基于机器视觉的养殖病害检测方法和装置 |
| CN115937784A (zh) * | 2022-12-27 | 2023-04-07 | 正大农业科学研究有限公司 | 养殖场监控方法、装置、电子设备及存储介质 |
| CN116562469A (zh) * | 2023-07-10 | 2023-08-08 | 湖南师范大学 | 一种淡水鱼类病原传播预测方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 蒋瑞祥;余礼根;丁露雨;高荣华;马为红;李奇峰;崔晓东;: "畜禽疫病智能防控技术发展现状与展望", 中国畜牧杂志, no. 10, pages 23 - 28 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117910709A (zh) * | 2024-03-19 | 2024-04-19 | 中农吉牧(吉林)农业发展有限公司 | 一种智能化牛场的饲养管理系统 |
| CN117910709B (zh) * | 2024-03-19 | 2024-05-28 | 中农吉牧(吉林)农业发展有限公司 | 一种智能化牛场的饲养管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116957342B (zh) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116957342B (zh) | 基于物联网的养殖场智能管理方法、系统及介质 | |
| KR101995755B1 (ko) | 가축 질병 예측 시스템 | |
| Stephens et al. | Model complexity and population predictions. The alpine marmot as a case study | |
| Becher et al. | Towards a systems approach for understanding honeybee decline: a stocktaking and synthesis of existing models | |
| Bonnington et al. | Squirrels in suburbia: influence of urbanisation on the occurrence and distribution of a common exotic mammal | |
| Pie et al. | Nest architecture, activity pattern, worker density and the dynamics of disease transmission in social insects | |
| Martin et al. | Reciprocal modulation of internal and external factors determines individual movements | |
| CN103747009B (zh) | 一种监测水稻生长状况的系统及其方法 | |
| Asamoah et al. | A deterministic model for Q fever transmission dynamics within dairy cattle herds: using sensitivity analysis and optimal controls | |
| CN103823437A (zh) | 一种具有便携式监控装置的水产养殖智能控制系统 | |
| Lartigue et al. | Consistent variations in personality traits and their potential for genetic improvement in biocontrol agents: Trichogramma evanescens as a case study | |
| CN115983533A (zh) | 一种荔枝蒂蛀虫潜在危害识别与评估方法及系统 | |
| KR102518418B1 (ko) | 영상 분석 기반의 반추동물 및 사육환경 분석 장치 및 방법 | |
| Thirukkumaran et al. | Soil and crop health analysis using IoT and ML | |
| Fenton et al. | Optimal application strategies for entomopathogenic nematodes: integrating theoretical and empirical approaches | |
| CN116523182B (zh) | 一种生态果园的构建和生产管理方法、系统及存储介质 | |
| Johnson | Pattern formation on the combs of honeybees: increasing fitness by coupling self-organization with templates | |
| Day et al. | An engineering approach to modelling, decision support and control for sustainable systems | |
| CN110889645A (zh) | 一种牧场牲畜饲养管理方法、系统和计算机可读存储介质 | |
| CN116307879A (zh) | 一种斑节对虾虾苗高效培育方法、系统及介质 | |
| Shipley et al. | Artificial reef placement: a red snapper, Lutjanus campechanus, ecosystem and fuzzy rule‐based model | |
| Machekano et al. | Disentangling factors limiting diamondback moth, Plutella xylostella (L.), spatio‐temporal population abundance: A tool for pest forecasting | |
| CN116740645A (zh) | 基于物联网的实蝇监测与综合防控方法、系统及存储介质 | |
| CN111242797A (zh) | 一种猪舍环境适宜度的预测系统及方法 | |
| CN111090707B (zh) | 数据处理方法及装置、电子设备及存储介质 |
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 |