一种畜牧业智能化养殖系统

技术领域

本发明属于畜牧养殖技术领域，具体地说，是一种涉及畜牧业的智能化养殖系统。

背景技术

目前国内的养殖畜牧业存在很大缺口，依赖于进口牛肉猪肉，2020年1-12月，猪肉累计进口量达439.22万吨，同比增加108.34％，牛肉累计进口量211.83万吨，同比增加27.65％，每年的需求还在进一步扩大，同时鸡肉、鱼类的需求量也很大。再加之种种的外部因素，导致进口出口的负荷压力增大，检测成本增高，例如非洲猪瘟迫使猪场减少人员车辆流动，这些原因都推进了养殖智能化的发展。

对于养殖产业智能化，目前常用的技术是在猪的耳朵上，牛羊的耳朵上打上芯片，工作人员可通过与耳标相连的读写器输入有关猪只的饲养、检疫等信息，并及时更新数据直至生猪出栏上市销售。也有在鸡鸭等禽类的身上打上芯片，在养殖阶段，在家禽的脚环或翅膀上植入RFID芯片，通过射频技术，把家禽的品种、喂养饲料、喂养时间等信息输入到芯片中，当家禽在集中宰杀时，把集中宰杀的时间、地点和检测的信息输入到芯片中，在接下来的保鲜、运输、销售环节都需要把重要的数据和责任人的信息加写到芯片中去。消费者在购买“白条禽”时，通过手持式简易的RFID芯片扫描仪器，就可以读取内部的信息来选择买需要的“白条禽”。

但是，这种仅针对于养殖对象的监测只能反馈家禽、畜禽最终的养殖结果，无法适应性地对家禽、畜禽在养殖过程中由于环境变化对家禽生长的影响进行有效分析，故无法有效的提高家禽、畜禽养殖科学化管控水平。

发明内容

本发明的目的在于提供一种畜牧业智能化养殖系统，主要解决现畜牧养殖智能化水平低的问题。

为实现上述目的，本发明采用的技术方案如下：

一种畜牧业智能化养殖系统，包括用于对养殖场环境进行监测的环境监测系统，对养殖场内饲养的动物进行身体健康监测的生长参数监测系统，结合环境监测系统和生长参数监测系统对养殖场环境进行智能化调节的调节系统；

所述调节系统包括饲养动物品质等级减法聚类分类器、多个GRNN神经网络环境参数优化模型、HRFNN递归神经网络生长参数预测融合模型、多个ANFIS神经网络品质等级预测模型、环境参数反解模型及环境调节装置；所述饲养动物品质等级减法聚类分类器对养殖场饲养动物出栏品质的历史数据进行分类；将环境监测系统的监测数据输入GRNN神经网络环境参数优化模型输出环境影响因子；将生长参数监测系统的监测数据输入HRFNN递归神经网络生长参数预测融合模型输出生长品质因子；再将饲养动物品质等级减法聚类分类器的分类数据、环境影响因子和生长品质因子输入ANFIS神经网络品质等级预测模型输出品质等级预测值；最后将品质等级预测值输入环境参数反解模型得出对应品质等级下的环境参数，从而利用环境调节装置对养殖场内的环境进行自动调节。

进一步地，在本发明中，所述环境监测系统包括用于数据存储及处理的监测终端、用于数据传输的无线通信模块及用于采集环境参数的温度传感器、湿度传感器、光照传感器和空气质量检测器。

进一步地，在本发明中，所述生长参数监测系统由植入饲养动物体内的芯片对每个动物个体进行身份匹配与数据记录，所述数据记录通过人工定期完成。

进一步地，在本发明中，所述环境调节装置设置于动物圈舍内，用于实现温度调节、湿度调节、光照强度调节及通风控制。

进一步地，在本发明中，所述系统通过一台工业控制计算机进行数据处理及控制。

与现有技术相比，本发明具有以下有益效果：

(1)本发明根据养殖场饲养动物个体成品品质的差异化特点，构建饲养动物品质减法聚类分类器对饲养动物成品品质历史样本参数进行分类，每类数据输入对应的ANFIS神经网络预测模型，对应的ANFIS神经网络预测模型的输出作为饲养动物成品品质的预测值，同时利用环境参数反解模型得到养殖环境的最优参数，从而实现对养殖场环境的科学、智能化的调节。

(2)本发明由于动物成品品质具有复杂的非线性特性，不同的环境参数下动物生长参数变化很大，很难建立精确的数学模型，利用ANFIS神经网络预测模型具有良好的非线性逼近能力，ANFIS既具有模糊推理系统的推理功能，又具有神经网络的训练学习功能。将两者的优势结合，克服了单纯神经网络黑匣子特性，具有一定的透明度。通过大量实验验证了ANFIS比一般BP神经网络训练快，训练次数也大大减少，克服了局部最优的问题。因此，利用ANFIS神经网络产量预测模型建立精确的品质等级预测模型，提高动物品质等级预测模型的精确度和可靠性，使环境调节更加可靠与精准。

附图说明

图1为本发明系统的软件原理框图。

图2为本发明系统的硬件原理框图。

具体实施方式

下面结合附图说明和实施例对本发明作进一步说明，本发明的方式包括但不仅限于以下实施例。

实施例

如图1、2所示，本发明公开的一种畜牧业智能化养殖系统，本系统主要基于工业控制计算机进行数据处理及控制，包括用于对养殖场环境进行监测的环境监测系统，对养殖场内饲养的动物进行身体健康监测的生长参数监测系统，结合环境监测系统和生长参数监测系统对养殖场环境进行智能化调节的调节系统。该系统主要通过对养殖场的环境、养殖场内饲养动物的生长参数进行监测，并利用神经网络训练模型预测最佳养殖品质下的环境参数，从而对养殖场的养殖环境进行调节。

首先，在本系统中需要在养殖场内部署环境检测的设备，该环境监测系统主要包括在管理控制中心内的监测终端，用于数据传输的无线通信模块及用于采集环境参数的温度传感器、湿度传感器、光照传感器和空气质量检测器。监测终端在获得温度传感器、湿度传感器、光照传感器和空气质量检测器检测到的养殖区域的养殖环境参数后，将检测到的养殖环境参数进行本地存储，以便管理人员实时获知养殖区域内的环境参数。同时监测终端对数据进行预处理，监测的环境数据将按照时间进行分组，将分组后包含各种环境参数的监测数据输入GRNN神经网络环境参数优化模型输出环境影响因子。即在本实施例中采用了大量基于无线传感器网络的监测设备作为养殖场环境的采集终端，采集终端和管理控制中心内的监测终端通过自组织无线网络实现信息相互交互。监测终端的软件主要实现无线通信和对养殖环境参数的采集与预处理。软件采用C语言程序设计，兼容程度高，大大提高了软件设计开发的工作效率，增强了程序代码的可靠性、可读性和可移植性。

在其他实施方式中，所述无线通信模块采用ZigBee无线传感器网络技术，其可以协调许多小型传感器之间的信息传输。Zigbee无线传感器网络技术是一种低速短距离传输的无线网络。Zigbee网络是一种具有低功耗、低成本、低速率、支持大量节点、支持多种网络拓扑、低复杂度、快速、可靠、安全的无线通信网络。Zigbee网络具有发射端和接收端，Zigbee网络的发射端具有RS485接口，该接口即为前述的ZigBee网络的信号输入端；Zigbee网络的接收端具有RS232接口，该接口即为前述的ZigBee网络的信号输出端；Zigbee网络的接收端与发射端之间无线通信连接。

对于养殖动物个体的品质监测，在养殖个体从进入养殖场开始，在养殖动物体内植入芯片，该芯片实现对每个动物个体的身份进行匹配，从而在后期养殖动物的生长过程中，通过人工的定期数据记录将动物各个时期的生长参数数据录入到预测系统中，HRFNN递归神经网络生长参数预测融合模型对输入数据进行处理并输出生长品质因子。

为了方便对养殖动物个体的品质进行判断，按照行业标准对养殖品质等级进行分类。根据养殖场饲养动物个体成品品质的差异化特点，本系统构建饲养动物品质减法聚类分类器对饲养动物成品品质历史样本参数进行分类，然后将环境影响因子、生长品质因子及分类后的每类数据输入对应的ANFIS神经网络预测模型，对应的ANFIS神经网络预测模型的输出作为饲养动物成品品质的预测值。

得到相应的预测值后，将输出的最佳品质等级预测值输入环境参数反解模型，得出对应品质等级下的环境参数，从而利用环境调节装置对养殖场环境进行自动调节。

在本系统中，环境调节装置用于调节养殖区域的养殖环境，在本发明实施例中，环境调节装置包括取暖器、通风风机和照明灯和湿帘。通风风机用于为养殖区域供风，照明灯用于对养殖区域照明，湿帘用于增加养殖区域内的空气湿度。

例如，当养殖区域内堆积动物粪便时，会导致养殖区域内的空气质量变差，例如氨气浓度升高，过高的氨气浓度会刺激饲养动物的眼和呼吸系统粘膜，增加呼吸系统疾病的易感性、影响饲养动物的采食量、食物转换效率和生长率等，严重的甚至造成饲养动物死亡。环境监测系统在对养殖区域进行环境参数监测时，空气检测器中的氨气检测模块检测养殖区域内的氨气浓度并发送给环境调节装置，环境调节装置根据检测到养殖环境参数中的氨气浓度、及环境参数反解模型输出的参数进行分析判断，判断当前的空气中的氨气浓度是否会对该种动物饲养造成影响，或有对该种动物造成影响的趋势，若是则说明养殖区域内的氨气浓度过高，此时环境调节装置根据分析结果发送一用于控通风风机的控制指令，环境调节设备接收到该控制指令后控制通风风机启动，风机为养殖区域送风，除去空气中存积的氨气，进而使得养殖区域内的氨气浓度处于一个较低的水平，不会对饲养的动物造成影响。

同样地，当环境监测系统的温度传感器、光照传感器监测的温度数值、光照强度数值与境参数反解模型输出的最佳饲养环境不一致时，同样通过环境调节装置控制照明灯开启进行光照补强及取暖器进行温度补偿。当环境监测系统的湿度传感器监测到湿度较低时，则通过湿帘用于增加养殖区域内的空气湿度。

通过上述设计，本发明基于动物成品品质具有复杂的非线性特性，不同的环境参数下动物生长参数变化很大，很难建立精确的数学模型，利用ANFIS神经网络预测模型具有良好的非线性逼近能力，ANFIS既具有模糊推理系统的推理功能，又具有神经网络的训练学习功能。将两者的优势结合，克服了单纯神经网络黑匣子特性，具有一定的透明度。通过大量实验验证了ANFIS比一般BP神经网络训练快，训练次数也大大减少，克服了局部最优的问题。因此，利用ANFIS神经网络产量预测模型建立精确的品质等级预测模型，提高动物品质等级预测模型的精确度和可靠性，使环境调节更加可靠与精准，实现养殖环境的智能化调整。因此，与现有技术相比，本发明具有突出的实质性特点和显著的进步。

上述实施例仅为本发明的优选实施方式之一，不应当用于限制本发明的保护范围，但凡在本发明的主体设计思想和精神上作出的毫无实质意义的改动或润色，其所解决的技术问题仍然与本发明一致的，均应当包含在本发明的保护范围之内。