CN118427542B - 一种畜牧养殖环境实时监测方法 - Google Patents
一种畜牧养殖环境实时监测方法 Download PDFInfo
- Publication number
- CN118427542B CN118427542B CN202410897044.2A CN202410897044A CN118427542B CN 118427542 B CN118427542 B CN 118427542B CN 202410897044 A CN202410897044 A CN 202410897044A CN 118427542 B CN118427542 B CN 118427542B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- dust concentration
- concentration data
- data
- filtered
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 366
- 238000000034 method Methods 0.000 title claims abstract description 54
- 244000144972 livestock Species 0.000 title claims abstract description 21
- 238000009395 breeding Methods 0.000 title claims abstract description 18
- 230000001488 breeding effect Effects 0.000 title claims abstract description 18
- 239000000428 dust Substances 0.000 claims abstract description 373
- 238000001914 filtration Methods 0.000 claims abstract description 77
- 241001465754 Metazoa Species 0.000 claims abstract description 69
- 230000000694 effects Effects 0.000 claims abstract description 38
- 230000001133 acceleration Effects 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 235000013365 dairy product Nutrition 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Housing For Livestock And Birds (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种畜牧养殖环境实时监测方法,包括:获取每个监测位置对应的粉尘浓度数据序列以及每一动物在每一监测时刻的位置坐标与加速度;根据粉尘浓度数据的数值,得到粉尘浓度数据的噪声程度与待滤波数据,进而得到待滤波数据的参考块与邻域块;根据粉尘浓度数据的数值及对应的监测时刻、每一动物在每一监测时刻的位置坐标与加速度以及每个粉尘浓度数据的噪声程度,得到待滤波数据的邻域块的最终滤波权重,得到去噪后的粉尘浓度数据序列,对粉尘浓度进行监测。本发明旨在解决通过非局部均值滤波算法对养殖场的监测数据进行去噪时,去噪效果不好的问题。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种畜牧养殖环境实时监测方法。
背景技术
畜牧养殖是农业生产的重要组成部分,为人类提供肉类、奶制品和其他动物产品。畜牧养殖环境直接影响动物健康,所以一般养殖场所需要进行环境监测。其中在室内养殖场所中空气质量的监测对于动物的生物安全和疾病预防非常重要,比如常见的养殖场所内影响空气质量的粉尘含量的监测,而一般监测传感器不稳定可能造成原始监测数据存在噪声,所以对于所采集的原始数据首先需要进行数据清洗。
因为养殖场所粉尘浓度具有一定的变化关系,所以利用非局部均值滤波进行数据降噪。因为在室内养殖场所中,粉尘的产生很大程度受动物活动影响,导致不同监测位置在不同时刻对应的粉尘环境具有差异,进而导致参考块与邻域块对应的粉尘浓度一致性关系具有差异,使得通过非局部均值滤波对粉尘浓度数据进行去噪时,去噪效果不好,从而使得根据去噪后的粉尘浓度数据对养殖环境进行监测时,监测结果不准确。
发明内容
本发明提供一种畜牧养殖环境实时监测方法,以解决现有的问题。
本发明的一种畜牧养殖环境实时监测方法采用如下技术方案:
本发明一个实施例提供了一种畜牧养殖环境实时监测方法,该方法包括以下步骤:
在畜牧养殖场的一段时间内,获取若干个监测位置上每一监测时刻的粉尘浓度以及若干个动物在每一监测时刻的位置坐标与加速度;其中每个监测位置对应一个位置坐标;
根据每个监测位置上所有监测时刻的粉尘浓度数据,构成每个监测位置对应的粉尘浓度数据序列;
根据每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据的数值,得到每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据的噪声程度与若干待滤波数据;
获取每个监测位置对应的粉尘浓度数据序列中每个待滤波数据对应的一个参考块与若干个邻域块;
根据每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据对应的监测时刻与每个粉尘浓度数据的数值,得到每个监测位置对应的粉尘浓度数据序列中每个待滤波数据对应的每个邻域块的滤波权重;
根据每个监测位置的位置坐标、每一动物在每一监测时刻的位置坐标与加速度以及每个粉尘浓度数据的噪声程度,得到每个监测位置在每个监测时刻上的粉尘浓度数据所对应的粉尘环境;
根据每个待滤波数据对应的每个邻域块的滤波权重及每个监测位置在每个监测时刻上的粉尘浓度数据所对应的粉尘环境,得到每个待滤波数据对应的每个邻域块的最终滤波权重;
根据每个待滤波数据对应的每个邻域块的最终滤波权重,得到若干去噪后的粉尘浓度数据序列;
根据所有去噪后的粉尘浓度数据序列,对粉尘浓度进行监测。
进一步地,所述根据每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据的数值,得到每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据的噪声程度与若干待滤波数据,包括的具体步骤如下:
计算第个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据与其最近的个粉尘浓度数据的差值绝对值的均值,记为每个粉尘浓度数据的噪声程度,其中,为预设的最近的粉尘浓度数据的个数;
在第个监测位置对应的粉尘浓度数据序列中,将噪声程度大于预设的噪声程度阈值的粉尘浓度数据作为待滤波数据。
进一步地,所述根据每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据对应的监测时刻与每个粉尘浓度数据的数值,得到每个监测位置对应的粉尘浓度数据序列中每个待滤波数据对应的每个邻域块的滤波权重,包括的具体公式如下:
式中,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的滤波权重,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的监测时刻与第个待滤波数据对应的第个邻域块中心处的粉尘浓度数据对应的监测时刻之间的时间间隔,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据与其对应第个邻域块之间的粉尘浓度数据的个数,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与第个待滤波数据对应的第个邻域块内粉尘浓度数据的皮尔斯相关系数,表示归一化函数。
进一步地,所述根据每个监测位置的位置坐标、每一动物在每一监测时刻的位置坐标与加速度以及每个粉尘浓度数据的噪声程度,得到每个监测位置在每个监测时刻上的粉尘浓度数据所对应的粉尘环境,包括的具体步骤如下:
根据每个监测位置对应的位置坐标和每个动物在第个监测时刻的位置坐标,在第个监测时刻上,将以第个监测位置为中心,半径为的圆内的动物,记为第个监测时刻上第个监测位置对应的目标动物;
根据第个监测时刻上第个监测位置对应的目标动物的位置坐标与加速度,得到第个监测位置在第个监测时刻上周围动物活动产生的粉尘的程度;
根据个监测位置在第个监测时刻上周围动物活动产生的粉尘的程度与第个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据的噪声程度,得到第个监测位置在第个监测时刻上的粉尘浓度数据所对应的粉尘环境。
进一步地,所述根据第个监测时刻上第个监测位置对应的目标动物的位置坐标与加速度,得到第个监测位置在第个监测时刻上周围动物活动产生的粉尘的程度,包括的具体公式如下:
式中,表示第个监测位置在第个监测时刻上周围动物活动产生的粉尘的程度,表示第个监测时刻上第个监测位置对应的第个目标动物的加速度,表示第个监测位置到第个监测时刻上第个监测位置对应的第个目标动物的距离,表示第个监测时刻上第个监测位置对应的目标动物的数量。
进一步地,所述根据个监测位置在第个监测时刻上周围动物活动产生的粉尘的程度与第个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据的噪声程度,得到第个监测位置在第个监测时刻上的粉尘浓度数据所对应的粉尘环境,包括的具体公式如下:
式中,表示第个监测位置在第个监测时刻上的粉尘浓度数据所对应的粉尘环境,表示第个监测位置在第个监测时刻上周围动物活动产生的粉尘的程度,表示第个监测时刻与第个监测时刻的时间间隔,表示第个监测位置对应的粉尘浓度数据序列中第个粉尘浓度数据的噪声程度,表示预设的个数。
进一步地,所述根据每个待滤波数据对应的每个邻域块的滤波权重及每个监测位置在每个监测时刻上的粉尘浓度数据所对应的粉尘环境,得到每个待滤波数据对应的每个邻域块的最终滤波权重,包括的具体步骤如下:
根据第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与对应第个邻域块内每一粉尘浓度数据的数值,得到第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与其对应的第个邻域块的差异;
根据第个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据所对应的粉尘环境、第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与其对应的第个邻域块的差异与第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的滤波权重,得到第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的最终滤波权重。
进一步地,所述根据第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与对应第个邻域块内每一粉尘浓度数据的数值,得到第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与其对应的第个邻域块的差异,包括的具体步骤如下:
将第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块,记为块1;
将第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块,记为块2;
计算块1和块2中每个相同位置的数据的差值的绝对值,将块1和块2中所有相同位置的数据的差值绝对值的均值,记为第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与其对应的第个邻域块的差异。
进一步地,所述根据第个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据所对应的粉尘环境、第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与其对应的第个邻域块的差异与第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的滤波权重,得到第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的最终滤波权重,包括的具体公式如下:
式中,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的最终滤波权重,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块内第个粉尘浓度数据所对应的粉尘环境,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块中第x个粉尘浓度数据所对应的粉尘环境,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与其对应的第个邻域块的差异,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块内包含数据个数,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的滤波权重,表示绝对值函数。
进一步地,所述根据所有去噪后的粉尘浓度数据序列,对粉尘浓度进行监测,包括的具体步骤如下:
在所有去噪后的粉尘浓度数据序列中,将大于预设的粉尘浓度阈值的粉尘浓度数据记为异常粉尘浓度数据;
在发现异常粉尘浓度数据时,进行预警。
本发明的技术方案的有益效果是:根据每一粉尘浓度数据序列中受噪声影响的粉尘浓度数据与其周围粉尘浓度数据的数值有较大差异的特征获取每一粉尘浓度数据的噪声程度,使得受噪声影响的粉尘浓度数据的噪声程度较大,为待滤波数据的获取做出了铺垫;在进行非局部均值滤波过程中,根据邻域块与参考块之间对应数据的相似性确定邻域块的滤波权重,避免差异性较大的邻域块对滤波结果的影响,从而提高滤波效果;在邻域块的权重计算中,考虑监测数据对应监测环境的一致性,从而保证相似粉尘环境对应的邻域块具有较高的滤波权重,避免邻域块监测数据整体偏差所导致邻域块与参考块之间不真实的相似性,从而提高滤波权重的准确性;在监测数据对应粉尘环境的一致性分析中,考虑动物运动产生粉尘对监测位置对应监测时刻粉尘环境的影响,同时考虑动物运动产生的粉尘向监测位置的传播过程,从而获得监测位置在不同监测时刻更加准确的粉尘环境,提高粉尘环境一致性的准确性,即提高所反映滤波权重的准确性;使得去噪后的粉尘浓度数据序列更准确,提高了粉尘浓度监测结果的可靠性。
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,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的附图。
图1为本发明一种畜牧养殖环境实时监测方法的步骤流程图。
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畜牧养殖环境实时监测方法,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畜牧养殖环境实时监测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种畜牧养殖环境实时监测方法的步骤流程图,该方法包括以下步骤:
步骤S001、在畜牧养殖场的一段时间内,获取若干个监测位置上每一监测时刻的粉尘浓度以及若干个动物在每一监测时刻的位置坐标与加速度;其中每个监测位置对应一个位置坐标;根据每个监测位置上所有监测时刻的粉尘浓度数据,构成每个监测位置对应的粉尘浓度数据序列;根据每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据的数值,得到每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据的噪声程度与若干待滤波数据;获取每个监测位置对应的粉尘浓度数据序列中每个待滤波数据对应的一个参考块与若干个邻域块。
对于室内养殖场所的粉尘监测,首先进行粉尘含量的采集。一般养殖场所范围较大,所以需要安装多个传感器进行粉尘监测,得到每个传感器监测数据的时序序列。在室内养殖场所安装传感器时,设置传感器之间的间隔为n米,并且设置传感器采样间隔为N秒。因为粉尘受动物活动的影响,所以需要监测动物活动,具体动物佩戴加速度计以及定位器,得到每个动物所在位置的时序序列以及每个动物加速度的时序序列。并且动物佩戴的加速度计与定位器的采样间隔同样设置为N秒。
需要说明的是,本实施例预设的传感器之间的间隔,传感器采样间隔,并以此为例进行叙述,其他实施方式中可设置为其他值,本实施例不进行限定。在室内养殖场所内,通过传感器采集获得监测数据时,在同一场所内粉尘浓度具有一定的变化关系,所以可以利用非局部均值滤波进行噪声数据的降噪处理。此时首先需要在每个传感器的监测数据集中计算每个监测数据的噪声程度,得到待滤波数据。
由此根据上述操作,在畜牧养殖场的一段时间内,获取若干个监测位置上每一监测时刻的粉尘浓度以及若干个动物在每一监测时刻的位置坐标与加速度;其中每个监测位置对应一个位置坐标;根据每个监测位置上所有监测时刻的粉尘浓度数据,构成每个监测位置对应的粉尘浓度数据序列。
需要说明的是,因为室内粉尘浓度变化具有持续关系,使得每个监测位置对应的粉尘浓度数据序列中受噪声影响的粉尘浓度数据与其周围的粉尘浓度数据的数值差异较大。因此根据每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据的数值,得到每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据的噪声程度。
具体的,以第个监测位置对应的粉尘浓度数据序列为例,计算第个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据与其最近的个粉尘浓度数据的差值绝对值的均值,记为每个粉尘浓度数据的噪声程度。本实施例预设的最近的粉尘浓度数据的个数,以此为例进行叙述,其他实施方式中可设置为其它值。
需要说明的是,粉尘浓度数据的噪声程度越大,说明粉尘浓度数据作为待滤波数据的可能性越大。
按照上述方式,得到每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据的噪声程度。
进一步的,在所有粉尘浓度数据序列中,将噪声程度大于预设的噪声程度阈值的粉尘浓度数据作为待滤波数据。本实施例预设的噪声程度阈值,以此为例进行叙述,其他实施方式中可设置为其它值。使用非局部均值滤波算法对每个监测位置对应的粉尘浓度数据序列进行运算,得到每个监测位置对应的粉尘浓度数据序列中每个待滤波数据对应的一个参考块与若干个邻域块。
需要说明的是,通过非局部均值滤波算法确定待滤波数据对应的一个参考块与若干个邻域块为公知技术,具体方法在此不做介绍。
步骤S002、根据每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据对应的监测时刻与每个粉尘浓度数据的数值,得到每个监测位置对应的粉尘浓度数据序列中每个待滤波数据对应的每个邻域块的滤波权重。
需要说明的是,对待滤波数据进行非局部均值滤波过程中,滤波效果受待滤波数据所在参考块与对应邻域块之间相似性关系的影响,所以不同邻域块对滤波结果的影响不同;并且对于当前室内粉尘浓度监测中,不同监测位置所对应的粉尘实际环境不同,导致不同监测位置所得粉尘浓度数据之间滤波影响关系存在较大差异,进一步加深不同邻域块对滤波结果的不同影响。所以在本实施例中根据邻域块与参考块对应的监测位置以及所在监测位置的粉尘环境的相似性,确定邻域块的滤波权重,从而有效提高滤波效果。
进一步需要说明的是,在养殖场所的多个监测位置监测粉尘浓度时,此时相近的监测位置在相同监测时刻所得的粉尘浓度数据可能具有相似的浓度关系,并且在相近监测位置所得粉尘浓度的变化关系越相似,则相近监测位置所在邻域块的滤波权重越大。在滤波过程中邻域块与参考块之间的对应监测时刻越接近,滤波权重越大;邻域块与参考块对应监测位置之间的距离越小,滤波权重越大;邻域块与参考块对应数据变化关系越一致,滤波权重越大。
具体的,以第个监测位置对应的粉尘浓度数据序列中的第个待滤波数据为例,将第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的滤波权重记为,其具体计算公式如下所示:
式中,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的滤波权重,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的监测时刻与第个待滤波数据对应的第个邻域块中心处的粉尘浓度数据对应的监测时刻之间的时间间隔,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据与其对应第个邻域块之间的粉尘浓度数据的个数,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与第个待滤波数据对应的第个邻域块内粉尘浓度数据的皮尔斯相关系数,表示线性归一化函数。
简单说明下皮尔斯相关系数的作用,当相关系数为1时,表示存在完全的正线性相关关系。当相关系数为-1时,表示存在完全的负线性相关关系。当相关系数为0时,表示两个变量之间没有线性相关关系。此为公知技术。
步骤S003、根据每个监测位置的位置坐标、每一动物在每一监测时刻的位置坐标与加速度以及每个粉尘浓度数据的噪声程度,得到每个监测位置在每个监测时刻上的粉尘浓度数据所对应的粉尘环境。
需要说明的是,对于滤波过程中邻域块的滤波权重受其实际粉尘环境与参考块对应实际粉尘环境的影响。而在室内养殖场所中,粉尘的产生很大程度受动物活动影响,所以监测位置在不同监测时刻的粉尘环境受动物活动影响,即邻域块与参考块对应监测位置监测时刻受动物活动而导致的粉尘环境的一致性影响邻域块的滤波权重。
进一步需要说明的是,每一个监测位置在对应监测时刻的粉尘浓度受周围动物活动的影响,其中对应监测时刻动物活动越剧烈,产生粉尘越多,动物越靠近监测位置,其活动在监测位置产生粉尘的可能性越大。
具体的,以第个监测时刻为例,根据每个监测位置对应的位置坐标和每个动物在每一监测时刻的位置坐标,在第个监测时刻上,将以第个监测位置为中心,半径为的圆内的动物,记为第个监测时刻上第个监测位置对应的目标动物。本实施例预设的圆的半径,以此为例进行叙述,其它实施方式中可设置为其它值,本实施例不进行限定。
根据第个监测时刻上第个监测位置对应的目标动物的位置坐标与加速度,得到第个监测位置在第个监测时刻上周围动物活动产生的粉尘的程度为,计算公式如下:
式中,表示第个监测位置在第个监测时刻上周围动物活动产生的粉尘的程度,表示第个监测时刻上第个监测位置对应的第个目标动物的加速度,表示第个监测位置到第个监测时刻上第个监测位置对应的第个目标动物的距离,表示第个监测时刻上第个监测位置对应的目标动物的数量。
需要说明的是,动物活动产生粉尘,上述过程表明不同监测位置在同一监测时刻对应周围动物活动所产生的粉尘对监测位置粉尘浓度的影响。因为监测时刻之前因动物活动产生的粉尘也会对监测位置当前监测时刻的粉尘环境造成影响,所以对于每一个监测位置在不同监测时刻的粉尘环境需要结合监测位置在之前监测时刻的周围动物活动进行计算。
具体的,每一个监测位置在不同监测时刻的粉尘环境受其之前个粉尘浓度数据所对应监测时刻的周围动物活动产生的粉尘的程度的影响。本实施例预设的个数,以此为例进行叙述,其它实施方式中可设置为其它值,本实施例不进行限定。
需要说明的是,第y个监测位置对应的粉尘浓度数据序列中第个粉尘浓度数据与其之前的第个粉尘浓度数据所对应的监测时刻的时间差异越大,第个粉尘浓度数据所对应的监测时刻内周围动物活动产生的粉尘的程度,对第个监测位置采集第个粉尘浓度数据时的粉尘环境影响越小,第个监测位置在第个粉尘浓度数据所对应的监测时刻上周围动物活动产生的粉尘的程度越大,第个监测位置在采集第个粉尘浓度数据时所对应的粉尘的程度越大。并且所述第个监测位置对应的粉尘浓度数据序列中第个粉尘浓度数据噪声表现越高,其对第个监测位置对应的粉尘浓度数据序列中第个粉尘浓度数据的影响越不可信。
具体的,将第个监测位置在第个监测时刻上的粉尘浓度数据所对应的粉尘环境记为,具体公式如下:
式中,表示第个监测位置在第个监测时刻上的粉尘浓度数据所对应的粉尘环境,表示第个监测位置在第个监测时刻上周围动物活动产生的粉尘的程度,表示第个监测时刻与第个监测时刻的时间间隔,表示第个监测位置对应的粉尘浓度数据序列中第个粉尘浓度数据的噪声程度,表示预设的个数,本实施例预设的个数,以此为例进行叙述,其他实施方式中可设置为其他值,本实施例不进行限定。
步骤S004、根据每个待滤波数据对应的每个邻域块的滤波权重及每个监测位置在每个监测时刻上的粉尘浓度数据所对应的粉尘环境,得到每个待滤波数据对应的每个邻域块的最终滤波权重。
需要说明的是,上述过程分析获得每一个监测位置在每一个监测时刻的粉尘环境,此时可以利用粉尘环境的一致性确定邻域块与参考块之间粉尘浓度的相似性,进而确定邻域块的最终滤波权重。
进一步需要说明的是,邻域块与参考块包含数据对应监测时刻在其监测位置的粉尘环境越一致,邻域块的最终滤波权重越大,并且参考块与邻域块包含数据对应粉尘环境的变化关系越一致,邻域块的最终滤波权重越大。同时,参考块与邻域块之间相似关系所反映的权重越大,邻域块最终的滤波权重越大。
具体的,将第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块,记为块1,将第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块,记为块2,在块1和2中计算每个相同位置的数据的差值的绝对值,将所有相同位置的数据的差值绝对值的均值,记为第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与其对应的第个邻域块的差异。
将第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的最终滤波权重记为,具体计算公式如下:
式中,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的最终滤波权重,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块内第个粉尘浓度数据所对应的粉尘环境,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块中第x个粉尘浓度数据所对应的粉尘环境,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与其对应的第个邻域块的差异,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块内包含数据个数,也表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块内包含数据个数,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的滤波权重,表示绝对值函数。
步骤S005、根据每个待滤波数据对应的每个邻域块的最终滤波权重,得到若干去噪后的粉尘浓度数据序列;根据所有去噪后的粉尘浓度数据序列,对粉尘浓度进行监测。
将第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的最终滤波权重,记为非局部均值滤波算法中第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的滤波权重。根据非局部均值滤波算法中第个监测位置对应的粉尘浓度数据序列中每个待滤波数据对应邻域块的滤波权重,对第个监测位置对应的粉尘浓度数据序列中每个待滤波数据进行去噪,得到去噪后的第个监测位置对应的粉尘浓度数据序列。
在所有的去噪后的粉尘浓度数据序列中,将大于预设的粉尘浓度阈值的粉尘浓度数据,记为异常粉尘浓度数据。在发现异常粉尘浓度数据时,进行预警,提醒工作人员进行降尘处理。本实施例中预设的粉尘浓度阈值,其他实施例中可设置为其他值,本实施例不进行限定。
以上所述仅为本发明的较佳实施例而已,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 (8)
1.一种畜牧养殖环境实时监测方法,其特征在于,该方法包括以下步骤:
在畜牧养殖场的一段时间内,获取若干个监测位置上每一监测时刻的粉尘浓度以及若干个动物在每一监测时刻的位置坐标与加速度;其中每个监测位置对应一个位置坐标;
根据每个监测位置上所有监测时刻的粉尘浓度数据,构成每个监测位置对应的粉尘浓度数据序列;
根据每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据的数值,得到每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据的噪声程度与若干待滤波数据;
获取每个监测位置对应的粉尘浓度数据序列中每个待滤波数据对应的一个参考块与若干个邻域块;
根据每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据对应的监测时刻与每个粉尘浓度数据的数值,得到每个监测位置对应的粉尘浓度数据序列中每个待滤波数据对应的每个邻域块的滤波权重;
根据每个监测位置的位置坐标、每一动物在每一监测时刻的位置坐标与加速度以及每个粉尘浓度数据的噪声程度,得到每个监测位置在每个监测时刻上的粉尘浓度数据所对应的粉尘环境;
根据每个待滤波数据对应的每个邻域块的滤波权重及每个监测位置在每个监测时刻上的粉尘浓度数据所对应的粉尘环境,得到每个待滤波数据对应的每个邻域块的最终滤波权重;
根据每个待滤波数据对应的每个邻域块的最终滤波权重,得到若干去噪后的粉尘浓度数据序列;
根据所有去噪后的粉尘浓度数据序列,对粉尘浓度进行监测;
其中,粉尘浓度数据的噪声程度的获取方法为:
计算第个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据与其最近的个粉尘浓度数据的差值绝对值的均值,记为每个粉尘浓度数据的噪声程度,其中,为预设的最近的粉尘浓度数据的个数;
其中,每个监测位置在每个监测时刻上的粉尘浓度数据所对应的粉尘环境的获取方法为:
根据每个监测位置对应的位置坐标和每个动物在第个监测时刻的位置坐标,在第个监测时刻上,将以第个监测位置为中心,半径为的圆内的动物,记为第个监测时刻上第个监测位置对应的目标动物;
根据第个监测时刻上第个监测位置对应的目标动物的位置坐标与加速度,得到第个监测位置在第个监测时刻上周围动物活动产生的粉尘的程度;
根据个监测位置在第个监测时刻上周围动物活动产生的粉尘的程度与第个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据的噪声程度,得到第个监测位置在第个监测时刻上的粉尘浓度数据所对应的粉尘环境;
其中,粉尘环境的计算公式为:
式中,表示第个监测位置在第个监测时刻上的粉尘浓度数据所对应的粉尘环境,表示第个监测位置在第个监测时刻上周围动物活动产生的粉尘的程度,表示第个监测时刻与第个监测时刻的时间间隔,表示第个监测位置对应的粉尘浓度数据序列中第个粉尘浓度数据的噪声程度,表示预设的个数。
2.根据权利要求1所述一种畜牧养殖环境实时监测方法,其特征在于,所述根据每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据的数值,得到每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据的噪声程度与若干待滤波数据,包括的具体步骤如下:
在第个监测位置对应的粉尘浓度数据序列中,将噪声程度大于预设的噪声程度阈值的粉尘浓度数据作为待滤波数据。
3.根据权利要求1所述一种畜牧养殖环境实时监测方法,其特征在于,所述根据每个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据对应的监测时刻与每个粉尘浓度数据的数值,得到每个监测位置对应的粉尘浓度数据序列中每个待滤波数据对应的每个邻域块的滤波权重,包括的具体公式如下:
式中,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的滤波权重,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的监测时刻与第个待滤波数据对应的第个邻域块中心处的粉尘浓度数据对应的监测时刻之间的时间间隔,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据与其对应第个邻域块之间的粉尘浓度数据的个数,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与第个待滤波数据对应的第个邻域块内粉尘浓度数据的皮尔斯相关系数,表示归一化函数。
4.根据权利要求1所述一种畜牧养殖环境实时监测方法,其特征在于,所述根据第个监测时刻上第个监测位置对应的目标动物的位置坐标与加速度,得到第个监测位置在第个监测时刻上周围动物活动产生的粉尘的程度,包括的具体公式如下:
式中,表示第个监测位置在第个监测时刻上周围动物活动产生的粉尘的程度,表示第个监测时刻上第个监测位置对应的第个目标动物的加速度,表示第个监测位置到第个监测时刻上第个监测位置对应的第个目标动物的距离,表示第个监测时刻上第个监测位置对应的目标动物的数量。
5.根据权利要求1所述一种畜牧养殖环境实时监测方法,其特征在于,所述根据每个待滤波数据对应的每个邻域块的滤波权重及每个监测位置在每个监测时刻上的粉尘浓度数据所对应的粉尘环境,得到每个待滤波数据对应的每个邻域块的最终滤波权重,包括的具体步骤如下:
根据第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与对应第个邻域块内每一粉尘浓度数据的数值,得到第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与其对应的第个邻域块的差异;
根据第个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据所对应的粉尘环境、第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与其对应的第个邻域块的差异与第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的滤波权重,得到第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的最终滤波权重。
6.根据权利要求5所述一种畜牧养殖环境实时监测方法,其特征在于,所述根据第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与对应第个邻域块内每一粉尘浓度数据的数值,得到第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与其对应的第个邻域块的差异,包括的具体步骤如下:
将第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块,记为块1;
将第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块,记为块2;
计算块1和块2中每个相同位置的数据的差值的绝对值,将块1和块2中所有相同位置的数据的差值绝对值的均值,记为第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与其对应的第个邻域块的差异。
7.根据权利要求5所述一种畜牧养殖环境实时监测方法,其特征在于,所述根据第个监测位置对应的粉尘浓度数据序列中每个粉尘浓度数据所对应的粉尘环境、第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与其对应的第个邻域块的差异与第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的滤波权重,得到第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的最终滤波权重,包括的具体公式如下:
式中,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的最终滤波权重,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块内第个粉尘浓度数据所对应的粉尘环境,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块中第x个粉尘浓度数据所对应的粉尘环境,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块与其对应的第个邻域块的差异,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的参考块内包含数据个数,表示第个监测位置对应的粉尘浓度数据序列中第个待滤波数据对应的第个邻域块的滤波权重,表示绝对值函数。
8.根据权利要求1所述一种畜牧养殖环境实时监测方法,其特征在于,所述根据所有去噪后的粉尘浓度数据序列,对粉尘浓度进行监测,包括的具体步骤如下:
在所有去噪后的粉尘浓度数据序列中,将大于预设的粉尘浓度阈值的粉尘浓度数据记为异常粉尘浓度数据;
在发现异常粉尘浓度数据时,进行预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410897044.2A CN118427542B (zh) | 2024-07-05 | 2024-07-05 | 一种畜牧养殖环境实时监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410897044.2A CN118427542B (zh) | 2024-07-05 | 2024-07-05 | 一种畜牧养殖环境实时监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118427542A CN118427542A (zh) | 2024-08-02 |
CN118427542B true CN118427542B (zh) | 2024-08-27 |
Family
ID=92337326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410897044.2A Active CN118427542B (zh) | 2024-07-05 | 2024-07-05 | 一种畜牧养殖环境实时监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118427542B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110779839A (zh) * | 2018-07-31 | 2020-02-11 | 深圳市白麓嵩天科技有限责任公司 | 基于趋势波动分析的电荷感应粉尘测量方法 |
CN112219749A (zh) * | 2020-11-02 | 2021-01-15 | 华中科技大学同济医学院附属协和医院 | 一种动物饲养智能化管理系统及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101593044B1 (ko) * | 2014-08-11 | 2016-02-11 | 주식회사 코어밸런스 | 컴퓨터 미세먼지 농도 모니터링 장치 및 방법 |
US11490852B1 (en) * | 2021-08-09 | 2022-11-08 | hemal b kurani | Wearable device for detecting microorganisms, sterilizing pathogens, and environmental monitoring |
CN115797343B (zh) * | 2023-02-06 | 2023-04-21 | 山东大佳机械有限公司 | 基于图像数据的畜禽养殖环境视频监控方法 |
-
2024
- 2024-07-05 CN CN202410897044.2A patent/CN118427542B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110779839A (zh) * | 2018-07-31 | 2020-02-11 | 深圳市白麓嵩天科技有限责任公司 | 基于趋势波动分析的电荷感应粉尘测量方法 |
CN112219749A (zh) * | 2020-11-02 | 2021-01-15 | 华中科技大学同济医学院附属协和医院 | 一种动物饲养智能化管理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN118427542A (zh) | 2024-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109258509B (zh) | 一种生猪异常声音智能监测系统与方法 | |
Berckmans | Precision livestock farming technologies for welfare management in intensive livestock systems | |
EP3550498A1 (en) | Information processing device and information processing system | |
Miekley et al. | Detection of mastitis and lameness in dairy cows using wavelet analysis | |
CN104200113A (zh) | 基于高斯过程的物联网数据不确定性度量、预测与野值剔除方法 | |
CN109009143B (zh) | 一种通过人体步态预测心电信息的方法 | |
CN116384594B (zh) | 基于大数据分析的作物虫害预警方法、系统、终端及介质 | |
CN108555907B (zh) | 机器人运行状况评价方法 | |
CN116384743A (zh) | 一种基于生态数据分析的植物生长风险评估系统 | |
CN117289778B (zh) | 一种工控主机电源健康状态的实时监测方法 | |
CN113456063B (zh) | 一种基于人工智能的死鸡病鸡检测系统及检测方法 | |
CN118427542B (zh) | 一种畜牧养殖环境实时监测方法 | |
CN115600067A (zh) | 一种基于物联网的建筑结构形变监测系统及方法 | |
CN109211564B (zh) | 一种用于滚珠丝杠副健康评估的自适应阈值检测方法 | |
CN117807551A (zh) | 基于智能戒指的心率异常捕获方法及系统 | |
CN117520968A (zh) | 一种冬小麦赤霉病的预测方法及系统 | |
CN109034450A (zh) | 基于气象条件我国北方马铃薯晚疫病预报模型的建立方法 | |
Mertens et al. | Data-based design of an intelligent control chart for the daily monitoring of the average egg weight | |
RU121944U1 (ru) | Автоматизированная система выявления неисправных датчиков среди датчиков, предназначенных для контроля технологических процессов | |
Liberati et al. | Improving the automated monitoring of dairy cows by integrating various data acquisition systems | |
CN115342937B (zh) | 温度异常检测方法及装置 | |
CN116680595A (zh) | 异常奶牛检测方法、装置、电子设备及介质 | |
Hansen et al. | Integration of pathogen and host resistance information in existing DSSs-introducing the IPMBlight2. 0 approach. | |
Ojukwu et al. | Development of a computer vision system to detect inactivity in group-housed pigs | |
CN112380486B (zh) | 用于海水观赏鱼养殖状态的动态监测评估方法及系统 |
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 |