CN117939726A - 基于led杀菌灯的空气净化方法及系统 - Google Patents
基于led杀菌灯的空气净化方法及系统 Download PDFInfo
- Publication number
- CN117939726A CN117939726A CN202410338464.7A CN202410338464A CN117939726A CN 117939726 A CN117939726 A CN 117939726A CN 202410338464 A CN202410338464 A CN 202410338464A CN 117939726 A CN117939726 A CN 117939726A
- Authority
- CN
- China
- Prior art keywords
- time period
- livestock
- coefficient
- data
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 78
- 230000001954 sterilising effect Effects 0.000 title claims abstract description 61
- 244000144972 livestock Species 0.000 claims abstract description 111
- 230000002776 aggregation Effects 0.000 claims abstract description 74
- 238000004220 aggregation Methods 0.000 claims abstract description 74
- 238000009395 breeding Methods 0.000 claims abstract description 39
- 230000001488 breeding effect Effects 0.000 claims abstract description 39
- 238000004887 air purification Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 10
- 238000001228 spectrum Methods 0.000 claims description 74
- 230000006870 function Effects 0.000 claims description 34
- 230000033001 locomotion Effects 0.000 claims description 33
- 230000006399 behavior Effects 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 20
- 230000002070 germicidal effect Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000011869 Shapiro-Wilk test Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 18
- 238000004659 sterilization and disinfection Methods 0.000 abstract description 18
- 230000001105 regulatory effect Effects 0.000 abstract description 11
- 230000007547 defect Effects 0.000 abstract description 3
- 238000004378 air conditioning Methods 0.000 abstract description 2
- 244000005700 microbiome Species 0.000 description 14
- 238000005286 illumination Methods 0.000 description 12
- 241000282887 Suidae Species 0.000 description 7
- 241001465754 Metazoa Species 0.000 description 6
- 239000007789 gas Substances 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 241000700605 Viruses Species 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 230000001788 irregular Effects 0.000 description 4
- 206010000117 Abnormal behaviour Diseases 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 150000007523 nucleic acids Chemical group 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 108091005461 Nucleic proteins Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000010534 mechanism of action Effects 0.000 description 1
- 230000005541 medical transmission Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 238000013310 pig model Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Landscapes
- Housing For Livestock And Birds (AREA)
Abstract
本发明涉及空气调节技术领域,具体涉及基于LED杀菌灯的空气净化方法及系统,具体包括:本发明通过采集红外图像数据,通过统计红外图像数据中数据值的分布情况,判断其高斯分布的趋向行,构建家畜养殖聚集程度,将时间段中家畜养殖聚集程度的时间序列进行模态分解得到各模态函数,对与该时间序列之间余弦相似度最大的模态函数的频域进行分析,构建家畜的移动惊吓指数,构建期待光强度值及比例项调控系数,结合PID算法调节LED杀菌灯的照射强度进行空气净化,避免了PID控制算法效果过度依赖参数选择的缺陷,以达到理想的控制效果,提升了使用LED杀菌灯进行杀菌的安全性和空气净化的有效性。
Description
技术领域
本发明涉及空气调节技术领域,具体涉及基于LED杀菌灯的空气净化方法及系统。
背景技术
LED杀菌灯采用紫外线辐射杀菌,与其他杀菌方式相比,具有更简便,环保及效果良好等优点,并且能防止发生二次污染。常用于家庭环境、商业场所、医疗设施以及畜牧养殖等场所。使用特定波长的紫外LED杀菌灯能够杀死空气中的细菌、病毒和其他微生物,特别是在动物密集饲养的情况下,疾病很容易传播,而LED杀菌灯的使用可以降低疾病传播的风险。此外,养殖场通常存在氨气、硫化氢等有害气体,这些气体对动物的健康产生负面影响。LED杀菌灯可以帮助降低空气中的微生物和有害气体的浓度,改善空气质量。
而使用LED杀菌灯进行空气净化应用于畜牧养殖时,紫外线照射的时间和强度至关重要,过长或过短的照射时间及不足或过量的光照强度都会影响灭菌效果,可能对动物的生理和行为产生不良影响。而现有LED杀菌灯控制方法存在控制策略单一的问题,无法根据不同的养殖场需求进行灵活调整。
综上所述,本发明通过采集红外图像数据,分析红外图像数据,判断杀菌场所下家畜的聚集程度,以及家畜的移动行为惊吓指数,构建期待光强度值及比例项调控系数,结合PID算法对下一时刻LED杀菌灯进行调节,调节LED杀菌灯的照射强度进行空气净化,提高了LED杀菌灯光强调节灵活度。
发明内容
为了解决上述技术问题,本发明的目的在于提供基于LED杀菌灯的空气净化方法及系统,所采用的技术方案具体如下:
第一方面,本发明实施例提供了基于LED杀菌灯的空气净化方法,该方法包括以下步骤:
采集各时间段内各时刻的红外图像数据;
根据各时刻红外图像数据中数值分布得到各时刻的家畜养殖聚集程度;根据各时刻的家畜养殖聚集程度得到各时间段的聚集程度序列;通过经验模态分解算法对聚集程度序列进行模态分解得到聚集程度序列的各模态函数;根据各模态函数与聚集程度序列的相似性得到最似模态函数;通过希尔伯特-黄变换算法获取最似模态函数的希尔伯特谱;根据希尔伯特谱中数据局部变化得到各时间段的家畜的移动敏捷系数;获取希尔伯特谱的边际谱;根据边际谱中频率变化得到边际谱中各数据点的分割系数;根据各时间段的边际谱中各数据点的分割系数及家畜的移动敏捷系数得到各时间段的家畜的移动行为惊吓指数;根据家畜养殖聚集程度、家畜移动行为惊吓指数得到每个时间段的期待光强度值及比例项调控系数;
根据期待光强度值及比例项调控系数结合PID算法对杀菌灯照射强度进行调节。
优选的,所述根据各时刻红外图像数据中数值分布得到各时刻的家畜养殖聚集程度,具体包括:
在各时刻的红外图像数据中,通过Shapiro-Wilk检验法获取所有数据点的统计量;获取所有数据点的数据值中最小值;计算各数据点与所述最小值的差值;计算所有数据点的所述差值的和值;计算预设显著性水平的平方与所述和值的乘积;将所述统计量的平方与所述乘积的比值作为对应时刻的家畜养殖聚集程度。
优选的,所述根据各时刻的家畜养殖聚集程度得到各时间段的聚集程度序列,具体为:将各时间段内所有时刻的家畜养殖聚集程度组成的序列作为聚集程度序列。
优选的,所述根据各模态函数与聚集程度序列的相似性得到最似模态函数,具体为:
计算各模态函数与聚集程度序列之间的余弦相似度;将余弦相似度最大的模态函数作为最似模态函数。
优选的,所述根据希尔伯特谱中数据局部变化得到各时间段的家畜的移动敏捷系数,具体包括:
在各时间段的希尔伯特谱中,将第个时刻到第/>个时刻的数据的均值作为第j个时刻的局部均值;计算希尔伯特谱中各时刻的数据值与所述局部均值的差值绝对值;计算希尔伯特谱中所有时刻的所述差值绝对值的平均值;获取希尔伯特谱中所有数据值的方差;计算以自然常数为底数、以所述方差的相反数为指数的指数函数的计算结果;将所述平均值与所述计算结果的比值作为各时间段的家畜的移动敏捷系数。
优选的,所述根据边际谱中频率变化得到边际谱中各数据点的分割系数,表达式为:
式中,表示第a个时间段的边际谱/>中第t个数据点的分割系数,/>和分别表示边际谱中/>次序号低于t的数据点和次序号高于t的数据点在边际谱中的占比,/>和/>分别表示边际谱中所有次序号低于t的数据点和所有次序号高于t的数据点的频率的均值,/>表示边际谱中所有数据点的频率的均值。
优选的,所述根据各时间段的边际谱中各数据点的分割系数及家畜的移动敏捷系数得到各时间段的家畜的移动行为惊吓指数,包括:
统计第a个时间段的分割系数最大值对应的下标,第a个时间段的家畜移动行为惊吓指数/>的表达式为:
式中,表示第a个时间段的家畜的移动敏捷系数,/>表示取边际谱中最大幅度值对应的数据点的下标,/>表示取边际谱中最小幅度值对应的数据点的下标。
优选的,所述根据家畜养殖聚集程度、家畜移动行为惊吓指数得到每个时间段的期待光强度值及比例项调控系数,表达式为:
式中,是时间段a的期待光强度值,/>是时间段a的所有时刻的家畜养殖聚集程度的均值,/>是养殖场内LED杀菌灯的预设强度值,/>是归一化函数,/>表示时间段a的比例项调控系数,/>表示时间段a的家畜移动行为惊吓指数。
优选的,所述根据期待光强度值及比例项调控系数结合PID算法对杀菌灯照射强度进行调节,具体为:
预设PID控制中的比例项、积分项、微分项的初始参数,计算各时间段下的比例项的调控系数与各时间段相邻上一个时间段的比例项的调控系数之间的差值,将各时间段下的比例项的调控系数与所述差值的和作为各时间段内最后一个时刻的下一时刻的比例项,将各时间段的期待光强度值作为输入,利用PID算法输出控制信号。
第二方面,本发明实施例还提供了基于LED杀菌灯的空气净化系统,包括存储器、处理器以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上述任意一项所述方法的步骤。
本发明实施例至少具有如下有益效果:
本发明通过综合考虑家畜养殖中动物的聚集程度以及运动行为,解决了现有空气净化中LED杀菌灯的控制策略单一的问题,根据不同情况调节不同的杀菌强度,避免了PID控制算法效果过度依赖参数选择的缺陷,以达到理想的控制效果,提升了使用LED杀菌灯进行杀菌的安全性和空气净化的有效性;
本发明通过统计每个时刻的红外图像数据中数据值的分布情况,判断其高斯分布的趋向性,来评估红外图像中家畜的聚集程度,构建家畜养殖聚集程度;将每个时间段中所有时刻的家畜养殖聚集程度的时间序列作为聚集程度序列,对聚集程度序列进行模态分解得到各模态函数,通过对与聚集程度序列之间余弦相似度最大的模态函数的频域波动进行分析,构建每个时间段的家畜的移动惊吓指数,评估家畜的受惊程度;结合家畜养殖聚集程度构建PID比例项调控系数,根据各时间段的期待光强度值及比例项调控系数对下一时刻LED杀菌灯进行调节,从而调节LED杀菌灯的照射强度,提高了LED杀菌灯光强调节灵活性。
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提供的基于LED杀菌灯的空气净化方法的步骤流程图;
图2为LED杀菌灯的空气净化方法步骤示意图。
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基于LED杀菌灯的空气净化方法及系统,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,一个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基于LED杀菌灯的空气净化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基于LED杀菌灯的空气净化方法的步骤流程图,该方法包括以下步骤:
步骤S001,采集红外图像数据,并进行预处理。
LED杀菌灯是一种利用LED(Light Emitting Diode,发光二极管)技术的设备,旨在通过紫外光或特定波长的可见光来灭活或杀灭空气中的细菌、病毒和其他微生物。
紫外线消毒的广谱性是最高的,几乎对所有的细菌、病毒都能高效率杀灭。优秀的消毒效果再加上成本低廉、安全性高等特点,紫外消毒在猪场的应用场景逐渐被挖掘出来并充分利用。但是在现场使用过程中,有许多因素制约了紫外消毒效果。
紫外辐射剂量公式:
式中,是紫外剂量,单位为/>;I是微生物在其运动轨迹上某一点接收到的紫外光照强度,单位为/>;t为照射时间,单位为s。
基于紫外辐射剂量公式可推,影响养殖场内消毒效果的主要是紫外光照强度和作用在表面的时间,养殖场中的微生物受到累加的紫外剂量越大,微生物的蛋白和核酸结构损伤就越大。因此结合紫外线消毒的作用机理可得:光照强度越大,微生物吸收紫外光可使微生物的核酸与蛋白分解变性,作用的时间越久,相对吸收的能量也越多,对微生物的破坏会更大,消毒效果越好。
本实施例提出的LED杀菌灯空气净化方法通过分析养殖场中家畜的分布密度及各种行为来对LED杀菌灯的照射强度进行调节。为了检测养殖场中的家畜养殖密度,安装红外摄像头对室内的养殖场地进行拍摄,采集不同时刻的红外图像数据。因为红外辐射和物体的温度有密切的关系。因此,红外图像数据中每个数据点的数据值可以被解释为与特定区域的热量相关联的数值。
红外图像数据的采集具体为,在每个时间段内通过红外摄像头每间隔秒采集一次养殖场的红外图像数据,每个时间段的时间长度为/>分钟,需要说明的是,时间间隔/>和每个时间段的时长/>的值实施者可自行设定,本实施例不做具体限制。至此得到一系列时间序列的红外图像数据。
采集过程可能受到仪器以及外部各种因素的影响,为避免这些因素影响,本实施例使用分箱算法对采集的数据进行清洗,旨在减少对后续计算的干扰。其中,分箱算法为公知技术,具体过程不再赘述。
步骤S002,分析红外图像数据,判断杀菌场所下家畜的聚集程度,以及家畜的移动行为惊吓指数,构建期待光强度值及比例项调控系数。
一方面,养殖场的空气环境会因为家畜的聚集程度不同而变化,例如,当养殖密度高时,空气更容易产生微生物及一些有害气体,此时需要增强空气净化力度,增强LED杀菌灯照射强度。另一方面,家畜的行为具有一定的不可预测性,光照突然变大会刺激家畜,导致家畜突然快速移动,为了避免过强的紫外线辐射对家畜本身的生理及行为造成影响,需要及时调低LED杀菌灯照射强度,下面将依据这两个特性进行分析。
首先,通过分析红外摄像头采集的每个时刻的红外图像数据来评估每个时刻下家畜的数量。对于某一时刻下的红外图像数据,进行数据点的数据值的分布情况统计,由于红外图像数据中数据点的数据值越大,数据点在图像中表示的温度越高,当图像中的家畜数量越多时,低温区域和过高温区域都偏少,统计出的结果越近似于高斯分布。因此,为分析图像中家畜聚集程度,首先采用Shapiro-Wilk检验法来验证每个时刻的红外图像数据中所有数据点的数据值分布是否符合高斯分布,实施者也可采用其他方式进行检验,对于Shapiro-Wilk检验法,将每个时刻的红外图像数据中所有数据点组成的集合作为每个时刻的数据集,该检验法的输入即为每个时刻的数据集,输出为该数据集的统计量,统计量的取值范围为/>,且越接近于1,则红外图像数据中数据点的数据值分布越符合高斯分布。其中,Shapiro-Wilk检验法为公知技术,具体过程不再赘述。然后,据此构建各时刻的家畜养殖聚集程度:
式中,表示第t时刻的家畜养殖聚集程度;/>表示第t时刻的红外图像数据中所有数据点的集合;/>表示基于Shapiro-Wilk检验法计算数据点集合的统计量的函数,该检验法的原假设为数据集中样本服从高斯分布,备择假设为数据集中样本不服从高斯分布;/>表示Shapiro-Wilk检验法中的显著性水平,需要说明的是,该显著性水平实施者可自行设定,本实施例将其设定为0.05;/>表示第t时刻下温度差之和;/>表示第t时刻的红外图像数据中数据点的个数;/>表示数据集/>中第i个数据点的数据值;/>表示数据集/>中所有数据值的最小值。
当第t时刻的数据集中数据值分布具有高斯分布特征时,若数据值分布越符合高斯分布,则统计量越大,红外图像数据中家畜聚集数量越多,反之,则统计量越小,红外图像数据中家畜数量越少;当第t时刻的数据集中数据值分布不为高斯分布时,根据该检验法的原理可知,此时统计量的值小于显著性水平,/>的值也会小于1,导致平方后的结果更小。同时,由于家畜的温度比环境温度高,若第i个数据点的数据值与最小数据值相差较大,即/>较大,则该数据点可能为家畜数据点;若所有数据点中,数据值与最小数据值相差较大的数据点数量越多,则/>越大,红外图像数据中家畜数量越多,进而导致最终计算得到的家畜养殖聚集程度值增大,进而环境的不适宜程度越大,可能产生更多病毒微生物及有害气体。
表示第t时刻的家畜养殖聚集程度,/>的值越大,说明区域内家畜的数量越多,养殖密度越大,产生微生物以及有害气体越多,应当增强紫外光的光照强度;且养殖密度越大时,紫外光照射到所有区域越困难,越应当增强照射时间,使得区域内的消毒效果更好。
将每个时间段中所有时刻的家畜养殖聚集程度值按时间顺序升序排列组成的序列作为每个时间段内的聚集程度序列,其中将第a个时间段的聚集程度序列用表示。进一步,分析时间段内序列/>的变化状态可用于判断猪的运动属性。例如,当t时刻,养殖区域内的猪受到惊吓或者干扰等影响时,养殖区域内的猪会发生无规则的混乱运动,处于不可预测的移动状态,每个时刻下家畜养殖聚集程度会随之改变,聚集程度序列也会产生相应变化,应当对LED杀菌灯进行及时调整,消除由于行为运动产生的微生物。
因此,本申请通过分析聚集程度序列对养殖场内所需消毒效果进一步分析。由于当猪受到惊吓发生不可预测的不规则运动,那么聚集程度序列/>将会呈现非平稳、非线性且瞬时变化的特征,为了在调整光照强度时避免一味地增强光照强度和光照时间对猪的危害,本申请考虑对聚集程度序列/>进行分解处理,利用经验模态分解(EMD)算法能够将信号分解成多个固有模态函数,每个模态函数代表了不同的频率成分。
对聚集程度序列进行EMD分解,设置输出的模态个数,需要说明的是,输出的模态个数实施者可自行设定,本实施例将其设定为10;然后计算每个模态函数与聚集程度序列/>的余弦相似度,将相似度最高的模态函数记为/>。进行EMD变换的原因是得到的/>能够去除一定的噪声,并且保留了原始信号的整体趋势变化。
若家畜的移动越剧烈,对应的模态分量的频率变化也越明显,然后对/>进行希尔伯特-黄(HHT)变换,进行HHT变换的原因在于HHT的结果,即希尔伯特谱反映的是序列/>的时频特征,即序列/>的频域特征随时间变化的规律,能够更好的捕捉某一时刻猪的行为运动反映的局部特征信息。得到/>的希尔伯特谱,用/>表示,以准确的提取出/>模态函数中的频率信息。将希尔伯特谱中第/>个时刻到第/>个时刻的数据的均值作为第j个时刻的局部均值,用/>表示;其中,若第j个时刻处于希尔伯特谱中前n个时刻,则将希尔伯特谱中第一个时刻到第/>个时刻的数据的均值作为第j个时刻的局部均值;同样的,若第j个时刻处于对于希尔伯特谱中最后n个时刻,则将希尔伯特谱中第个时刻到最后一个时刻的数据的均值作为第j个时刻的局部均值,需要说明的是,n的值实施者可自行设定,本实施例将n的值设定为5。据此构建每个时间段的家畜的移动敏捷系数:
式中,表示第a个时间段的家畜的移动敏捷系数,/>表示该时间段的希尔伯特谱中所有时刻的数据的个数,/>表示希尔伯特谱中所有数据值的方差,/>为以e为底的指数函数,/>表示希尔伯特谱中第j个时刻的数据值,/>表示希尔伯特谱中第j个时刻的局部均值。
当中出现的频率变化数据越多时,导致相邻数据间的值存在骤然跳动,跳动程度越大,表明对相邻两个时刻下的红外图像进行分析时红外图像中的数据变化越明显,家畜的移动越迅速。使得/>的值也越大。同时,方差越大,希尔伯特谱中数据越混乱,家畜的聚集程度随时间的变化越不规律,则家畜的运动状态越不规律,从而导致移动敏捷系数越大。
养殖场中家畜部分快速移动属于正常情况,若出现过多的敏捷行为,表明当前状态可能存在一定异常。为了分析家畜行为的异常状态,在希尔伯特谱的时间轴上进行积分,计算对应的边际谱,记为/>,这样计算的原因是因为异常行为是一种概率性行为,而边际谱中,某一频率上存在能量的含义为具有该频率的波在信号的整个持续时间内某一时刻出现的可能性较高,因此对于异常行为导致成为非平稳信号的序列/>,边际谱的概率分析更为准确,使得后续LED杀菌灯的控制结果更符合养殖区域内的实际情况,避免过度调控对猪的危害和影响。其中,边际谱为公知技术,具体过程不再赘述。设第a个时间段的边际谱/>中共有T个数据点,每个数据点包含有频率及幅值两种数据信息。利用边际谱/>构建家畜的移动行为惊吓指数,首先根据边际谱中数据点的频率构建各数据点的分割系数:
式中,表示第a个时间段的边际谱/>中第t个数据点的分割系数,/>和分别表示边际谱中/>次序号低于t的数据点和次序号高于t的数据点在边际谱中的占比,/>和/>分别表示边际谱中所有次序号低于t的数据点和所有次序号高于t的数据点的频率的均值,/>表示边际谱中所有数据点的频率的均值。当边际谱/>中次序号低于t或次序号高于t的数据点的频率之间的差异越小,并且次序号低于t和次序号高于t这两部分的频率之间的差异越大,则/>与/>的值越大,对应的分割系数越大。
然后根据各数据点的分割系数结合家畜的移动敏捷系数构建每个时间段的家畜的移动行为惊吓指数:
式中,表示第a个时间段的家畜的移动行为惊吓指数,/>表示第a个时间段的家畜的移动敏捷系数,/>表示取边际谱/>中最大幅度值对应的数据点的下标,即最大幅度值对应的数据点的次序号,/>表示取边际谱中最小幅度值对应的数据点的下标,即最小幅度值对应的数据点的次序号,/>表示边际谱/>中第t个数据点的分割系数,/>表示第a个时间段的分割系数最大值对应的下标,/>表示取集合中最大值对应的下标,/>表示第a个时间段的边际谱/>中数据点的个数。
小于的低频部分能够表示家畜常规行为,大于/>的高频部分能够表示家畜异常行为。计算的/>值越大,同时家畜的移动敏捷系数/>越大,表明当前时间段内家畜受到惊吓越大。由于紫外灯的位置通常是固定的,随着猪在养殖区域内的无规则移动,因此紫外光与移动产生的微生物之间的照射角度也会变化,照射距离也会变化,因此为了达到更好的消毒效果,应当适当调整光照强度。
基于上述分析,分别得到每个时间段的家畜养殖聚集程度、家畜移动行为惊吓指数,基于所有时间段的家畜养殖聚集程度、家畜移动行为惊吓指数确定每个时间段的期待光强度值以及比例项调控系数。时间段a的期待光强度值以及比例项调控系数的计算公式如下:
式中,是时间段a的期待光强度值,/>是时间段a的所有时刻的家畜养殖聚集程度的均值,/>是养殖场内LED杀菌灯的预设强度值,/>是归一化函数;
表示时间段a的比例项调控系数,/>表示时间段a的家畜移动行为惊吓指数。
其中,越大时,说明家畜的聚集程度越大,越容易产生更多的微生物以及有害气体,对空气造成的负面影响越大,需要增强LED杀菌灯的光照强度,加大空气净化的力度,/>的值越大;/>越小时,说明家畜受到的惊吓也越小,养殖区域内的猪无明显异常行为,可以适当增大PID控制中的比例项的值,/>的值越大,用于调整空气净化系统中LED杀菌灯的响应速度,使得LED杀菌灯光照强度更快速的达到理想值,实现对养殖区域内的空气净化。
步骤S003,根据期待光强度值及比例项调控系数,调节LED杀菌灯的照射强度进行空气净化。
基于上述步骤,得到空气净化过程中每个时间段下的期待光强度值以及比例项调控系数。基于每个时间段的期待光强度值以及比例项调控系数对LED杀菌灯的光照强度进行调控。
具体的控制过程为:分别设置PID控制中的比例项、积分项、微分项的初始参数为0.5、0.45、0.6,其次计算每个时间段下的比例项的调控系数与每个时间段相邻上一个时间段的比例项的调控系数之间的差值,将每个时间段下的比例项的调控系数与所述差值的和作为每个时间段内最后一个时刻的下一时刻的比例项,将每个时间段的期待光强度值作为输入,利用PID算法输出控制信号,需要说明的是,为了避免比例项的值过小导致控制系统的响应过慢的问题,将比例项的下限设置为0.4。其次,LED驱动电路将该控制信号转换为电流信号以调整光源模块的电流,实现对LED杀菌灯的光照强度的调整。上述方法的步骤示意图如图2所示。
基于与上述方法相同的发明构思,本发明实施例还提供了基于LED杀菌灯的空气净化系统,包括存储器、处理器以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上述基于LED杀菌灯的空气净化方法中任意一项所述方法的步骤。
综上所述,本发明实施例提供了基于LED杀菌灯的空气净化方法,通过综合考虑家畜养殖中动物的聚集程度以及运动行为,解决了现有空气净化中LED杀菌灯的控制策略单一的问题,根据不同情况调节不同的杀菌强度,避免了PID控制算法效果过度依赖参数选择的缺陷,以达到理想的控制效果,提升了使用LED杀菌灯进行杀菌的安全性和空气净化的有效性;
本实施例通过统计每个时刻的红外图像数据中数据值的分布情况,判断其高斯分布的趋向性,来评估红外图像中家畜的聚集程度,构建家畜养殖聚集程度;将每个时间段中所有时刻的家畜养殖聚集程度的时间序列作为聚集程度序列,对聚集程度序列进行模态分解得到各模态函数,通过对与聚集程度序列之间余弦相似度最大的模态函数的频域波动进行分析,构建每个时间段的家畜的移动惊吓指数,评估家畜的受惊程度;结合家畜养殖聚集程度构建PID比例项调控系数,根据各时间段的期待光强度值及比例项调控系数对下一时刻LED杀菌灯进行调节,从而调节LED杀菌灯的照射强度,提高了LED杀菌灯光强调节灵活性。
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。且上述对本说明书特定实施例进行了描述。另外,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。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于LED杀菌灯的空气净化方法,其特征在于,该方法包括以下步骤:
采集各时间段内各时刻的红外图像数据;
根据各时刻红外图像数据中数值分布得到各时刻的家畜养殖聚集程度;根据各时刻的家畜养殖聚集程度得到各时间段的聚集程度序列;通过经验模态分解算法对聚集程度序列进行模态分解得到聚集程度序列的各模态函数;根据各模态函数与聚集程度序列的相似性得到最似模态函数;通过希尔伯特-黄变换算法获取最似模态函数的希尔伯特谱;根据希尔伯特谱中数据局部变化得到各时间段的家畜的移动敏捷系数;获取希尔伯特谱的边际谱;根据边际谱中频率变化得到边际谱中各数据点的分割系数;根据各时间段的边际谱中各数据点的分割系数及家畜的移动敏捷系数得到各时间段的家畜的移动行为惊吓指数;根据家畜养殖聚集程度、家畜移动行为惊吓指数得到每个时间段的期待光强度值及比例项调控系数;
根据期待光强度值及比例项调控系数结合PID算法对杀菌灯照射强度进行调节。
2.如权利要求1所述的基于LED杀菌灯的空气净化方法,其特征在于,所述根据各时刻红外图像数据中数值分布得到各时刻的家畜养殖聚集程度,具体包括:
在各时刻的红外图像数据中,通过Shapiro-Wilk检验法获取所有数据点的统计量;获取所有数据点的数据值中最小值;计算各数据点与所述最小值的差值;计算所有数据点的所述差值的和值;计算预设显著性水平的平方与所述和值的乘积;将所述统计量的平方与所述乘积的比值作为对应时刻的家畜养殖聚集程度。
3.如权利要求1所述的基于LED杀菌灯的空气净化方法,其特征在于,所述根据各时刻的家畜养殖聚集程度得到各时间段的聚集程度序列,具体为:将各时间段内所有时刻的家畜养殖聚集程度组成的序列作为聚集程度序列。
4.如权利要求1所述的基于LED杀菌灯的空气净化方法,其特征在于,所述根据各模态函数与聚集程度序列的相似性得到最似模态函数,具体为:
计算各模态函数与聚集程度序列之间的余弦相似度;将余弦相似度最大的模态函数作为最似模态函数。
5.如权利要求1所述的基于LED杀菌灯的空气净化方法,其特征在于,所述根据希尔伯特谱中数据局部变化得到各时间段的家畜的移动敏捷系数,具体包括:
在各时间段的希尔伯特谱中,将第个时刻到第/>个时刻的数据的均值作为第j个时刻的局部均值;计算希尔伯特谱中各时刻的数据值与所述局部均值的差值绝对值;计算希尔伯特谱中所有时刻的所述差值绝对值的平均值;获取希尔伯特谱中所有数据值的方差;计算以自然常数为底数、以所述方差的相反数为指数的指数函数的计算结果;将所述平均值与所述计算结果的比值作为各时间段的家畜的移动敏捷系数。
6.如权利要求1所述的基于LED杀菌灯的空气净化方法,其特征在于,所述根据边际谱中频率变化得到边际谱中各数据点的分割系数,表达式为:
式中,表示第a个时间段的边际谱/>中第t个数据点的分割系数,/>和/>分别表示边际谱中/>次序号低于t的数据点和次序号高于t的数据点在边际谱中的占比,和/>分别表示边际谱中所有次序号低于t的数据点和所有次序号高于t的数据点的频率的均值,/>表示边际谱中所有数据点的频率的均值。
7.如权利要求1所述的基于LED杀菌灯的空气净化方法,其特征在于,所述根据各时间段的边际谱中各数据点的分割系数及家畜的移动敏捷系数得到各时间段的家畜的移动行为惊吓指数,包括:
统计第a个时间段的分割系数最大值对应的下标,第a个时间段的家畜移动行为惊吓指数/>的表达式为:
式中,表示第a个时间段的家畜的移动敏捷系数,/>表示取边际谱/>中最大幅度值对应的数据点的下标,/>表示取边际谱中最小幅度值对应的数据点的下标。
8.如权利要求1所述的基于LED杀菌灯的空气净化方法,其特征在于,所述根据家畜养殖聚集程度、家畜移动行为惊吓指数得到每个时间段的期待光强度值及比例项调控系数,表达式为:
式中,是时间段a的期待光强度值,/>是时间段a的所有时刻的家畜养殖聚集程度的均值,/>是养殖场内LED杀菌灯的预设强度值,/>是归一化函数,/>表示时间段a的比例项调控系数,/>表示时间段a的家畜移动行为惊吓指数。
9.如权利要求1所述的基于LED杀菌灯的空气净化方法,其特征在于,所述根据期待光强度值及比例项调控系数结合PID算法对杀菌灯照射强度进行调节,具体为:
预设PID控制中的比例项、积分项、微分项的初始参数,计算各时间段下的比例项的调控系数与各时间段相邻上一个时间段的比例项的调控系数之间的差值,将各时间段下的比例项的调控系数与所述差值的和作为各时间段内最后一个时刻的下一时刻的比例项,将各时间段的期待光强度值作为输入,利用PID算法输出控制信号。
10.基于LED杀菌灯的空气净化系统,包括存储器、处理器以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,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任意一项方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410338464.7A CN117939726B (zh) | 2024-03-25 | 2024-03-25 | 基于led杀菌灯的空气净化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410338464.7A CN117939726B (zh) | 2024-03-25 | 2024-03-25 | 基于led杀菌灯的空气净化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117939726A true CN117939726A (zh) | 2024-04-26 |
CN117939726B CN117939726B (zh) | 2024-05-24 |
Family
ID=90768643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410338464.7A Active CN117939726B (zh) | 2024-03-25 | 2024-03-25 | 基于led杀菌灯的空气净化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117939726B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894220A (zh) * | 2010-07-28 | 2010-11-24 | 江南大学 | 一种畜禽健康状况数据采集系统 |
CN106918026A (zh) * | 2017-03-06 | 2017-07-04 | 黑龙江菲而森光电科技有限公司 | 一种用于室内养猪的陶瓷金卤灯光照系统及方法 |
DE102018115132A1 (de) * | 2018-06-22 | 2019-12-24 | Vossloh-Schwabe Lighting Solutions GmbH & Co. KG | Beleuchtungssystem für die Tier- und Pflanzenhaltung |
KR20210070748A (ko) * | 2019-12-05 | 2021-06-15 | 이재덕 | 돈사 소독 및 살균을 위한 ict led 살균 및 질병 관리시스템 |
CN114882901A (zh) * | 2022-04-26 | 2022-08-09 | 同济大学 | 一种基于频域卷积和边际谱反馈的虾类声信号时频特征提取方法 |
CN115346552A (zh) * | 2022-07-26 | 2022-11-15 | 广东海洋大学 | 网箱养殖鱼群噪声信号处理方法、系统、装置及存储介质 |
CN115876258A (zh) * | 2023-02-14 | 2023-03-31 | 山东大佳机械有限公司 | 基于多源数据的畜禽养殖环境异常监测及报警系统 |
CN116702051A (zh) * | 2023-06-06 | 2023-09-05 | 绍兴兰芯技术有限公司 | 一种蓄养畜牧的异常行为监测方法及系统 |
-
2024
- 2024-03-25 CN CN202410338464.7A patent/CN117939726B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894220A (zh) * | 2010-07-28 | 2010-11-24 | 江南大学 | 一种畜禽健康状况数据采集系统 |
CN106918026A (zh) * | 2017-03-06 | 2017-07-04 | 黑龙江菲而森光电科技有限公司 | 一种用于室内养猪的陶瓷金卤灯光照系统及方法 |
DE102018115132A1 (de) * | 2018-06-22 | 2019-12-24 | Vossloh-Schwabe Lighting Solutions GmbH & Co. KG | Beleuchtungssystem für die Tier- und Pflanzenhaltung |
KR20210070748A (ko) * | 2019-12-05 | 2021-06-15 | 이재덕 | 돈사 소독 및 살균을 위한 ict led 살균 및 질병 관리시스템 |
CN114882901A (zh) * | 2022-04-26 | 2022-08-09 | 同济大学 | 一种基于频域卷积和边际谱反馈的虾类声信号时频特征提取方法 |
CN115346552A (zh) * | 2022-07-26 | 2022-11-15 | 广东海洋大学 | 网箱养殖鱼群噪声信号处理方法、系统、装置及存储介质 |
CN115876258A (zh) * | 2023-02-14 | 2023-03-31 | 山东大佳机械有限公司 | 基于多源数据的畜禽养殖环境异常监测及报警系统 |
CN116702051A (zh) * | 2023-06-06 | 2023-09-05 | 绍兴兰芯技术有限公司 | 一种蓄养畜牧的异常行为监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117939726B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Asher et al. | Recent advances in the analysis of behavioural organization and interpretation as indicators of animal welfare | |
Wathes et al. | Aversion of pigs and domestic fowl to atmospheric ammonia | |
US11938614B2 (en) | Control device for robot to tease pet and mobile robot | |
CN112484256A (zh) | 一种杀菌控制方法、装置、系统及存储介质 | |
Tullo et al. | Precision livestock farming: an overview of image and sound labelling | |
Harris et al. | Response rate and reinforcement rate in Pavlovian conditioning. | |
Harris | The acquisition of conditioned responding. | |
CN116934088B (zh) | 一种基于分析模型的鸽子养殖智能管理方法及其系统 | |
Comin et al. | Revealing the structure of the associations between housing system, facilities, management and welfare of commercial laying hens using Additive Bayesian Networks | |
CN117939726B (zh) | 基于led杀菌灯的空气净化方法及系统 | |
CN112130596A (zh) | 养殖场环境调节方法、装置、电子设备及可读存储介质 | |
Dominiak et al. | Spatial modeling of pigs’ drinking patterns as an alarm reducing method II. Application of a multivariate dynamic linear model | |
CN116957342B (zh) | 基于物联网的养殖场智能管理方法、系统及介质 | |
Xin et al. | Real-time assessment of swine thermal comfort by computer vision | |
CN114440380B (zh) | 智能杀菌的方法、装置及电子设备 | |
Shimamura et al. | Automatic Identification of Plant Physiological Disorders in Plant Factories with Artificial Light Using Convolutional Neural Networks. | |
CN109359624B (zh) | 基于神经网络的蛋鸡采食行为的预测方法及预测装置 | |
CN116703638A (zh) | 大棚蔬菜种植管理系统及其方法 | |
CN114738918B (zh) | 用于控制空调器的方法及装置、空调器 | |
Xie et al. | Multi-sensor data fusion based on fuzzy neural network and its application in piggery environmental control strategies | |
CN115183358B (zh) | 一种基于物联网和人工智能的二氧化氯消毒新风系统 | |
KR102472421B1 (ko) | 축산질병 예방 및 통제 관리를 위한 ict 기반의 지능형 스마트 안전 축사 제어 시스템 | |
CN113983600A (zh) | 一种基于大数据的室内空气质量智能管理系统 | |
Kelly et al. | A predictive model of the extent of listerial contamination within damaged silage bales | |
CN118131844A (zh) | 一种基于物联网数据识别的动物温室管理系统 |
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 |