一种牦牛投喂优化决策系统及投喂方法与流程

摘要: 本发明涉及畜牧业智能化养殖,具体为一种牦牛投喂优化决策系统及投喂方法。背景技术:1、如今,人工智能、物联网及大数据等技术在畜牧业中的应用日益广泛,旨在推动传统养...
一种牦牛投喂优化决策系统及投喂方法与流程

本发明涉及畜牧业智能化养殖,具体为一种牦牛投喂优化决策系统及投喂方法。

背景技术:

1、如今,人工智能、物联网及大数据等技术在畜牧业中的应用日益广泛,旨在推动传统养殖向精细化、智能化方向转型。公开号cn121660370a,记载了一种基于人工智能的牦牛数字化智慧养殖系统及方法,该系统融合了终端设备通信、数字身份标识、自动称重分群、牧场环境监测及养殖大模型等模块,实现了对牦牛定位追踪、防疫保健、种畜管理及全产业链可信追溯的数字化覆盖。上述专利对于解决高原牧区地广人稀导致的通信盲区、数据孤岛严重及活体资产难估值等宏观管理问题具有显著优势,有效提升了牦牛养殖的监管效率与金融可及性。然而,该现有技术仍存在一定的局限性:其核心发明构思侧重于全流程、全链条的数据采集与可信监管,对于牦牛养殖中决定经济效益最核心的环节,即根据牦牛个体差异、实时采食行为、牧草资源动态变化及气象能耗因子等多源异构数据科学制定动态投喂策略,缺乏针对性解决方案。现有投喂管理仍存在依赖养殖人员的主观经验,导致料肉比难以优化,饲料成本居高不下现象。同时,缺乏决策、执行、监测与反馈的闭环控制机制,投喂方案无法根据牦牛实时采食状态进行动态修正,不仅造成饲料资源浪费,还增加了牦牛瘤胃酸中毒等健康风险及养殖碳排放。

2、因此,提出一种牦牛投喂优化决策系统及投喂方法,能够融合多源动态数据、基于多目标优化算法实现精准、动态、闭环投喂的优化决策系统及投喂方法,以克服上述缺陷,实现养殖经济效益与生态效益的协同提升。

技术实现思路

1、本发明目的在于提供一种牦牛投喂优化决策系统及投喂方法,以解决上述背景技术中提出的问题。

2、为解决上述技术问题,本发明提供如下技术方案:一种牦牛投喂优化决策系统及投喂方法,系统包括:

3、感知采集端、决策端和投喂执行端;

4、所述感知采集端用于采集牦牛个体的活动姿态数据与微环境参数;

5、所述决策端用于根据所述活动姿态数据与所述微环境参数生成实时能耗补偿系数,并依据所述实时能耗补偿系数对牦牛的标准营养需求向量进行修正以得到修正营养需求向量,再根据所述修正营养需求向量生成初次投喂方案;

6、所述决策端还用于获取牦牛的实际采食反馈数据,并根据所述实际采食反馈数据与理论预期值之间的偏差值对所述实时能耗补偿系数的计算权重进行回代修正,以重新生成二次修正营养需求向量,并根据所述二次修正营养需求向量生成二次投喂方案;

7、所述决策端还用于在所述偏差值超出预设阈值时重复执行所述回代修正,直至所述偏差值落入所述预设阈值范围内,输出最终投喂方案;通过上述回代修正和阈值迭代机制,使投喂方案的调整依据来源于牦牛对前次投喂的真实响应,形成了决策、执行、监测、反馈的闭环控制链路,克服现有投喂管理依赖主观经验且缺乏动态修正机制的缺陷。

8、所述投喂执行端用于接收并执行所述初次投喂方案、所述二次投喂方案或所述最终投喂方案。

9、优选的,所述感知采集端包括佩戴于牦牛个体的集成式项圈,所述集成式项圈内置有姿态识别传感器组和微环境传感器组;

10、所述姿态识别传感器组包括三轴加速度计和陀螺仪,用于采集所述活动姿态数据,所述活动姿态数据包括站立时长、趴卧时长、行走时长及反刍时长;

11、所述微环境传感器组包括温度传感器、湿度传感器和气压传感器,用于采集所述微环境参数,所述微环境参数包括环境温度、环境湿度及风速。

12、优选的,所述决策端内置有能耗补偿修正单元,所述能耗补偿修正单元用于根据所述活动姿态数据中的各姿态时长与所述微环境参数中的各环境参数值,按预设权重计算实时能耗补偿系数,并以所述实时能耗补偿系数对所述标准营养需求向量中的能量供给值进行增量修正,得到所述修正营养需求向量。

13、优选的,所述投喂执行端包括智能投喂槽,所述智能投喂槽内置有称重传感器阵列和图像采集器;

14、所述称重传感器阵列用于采集投喂过程中的初始投喂量、剩余采食量及单次采食量;

15、所述图像采集器用于采集牦牛的采食时长和采食口数;

16、所述决策端根据所述初始投喂量与所述剩余采食量之差获得实际采食量,并将所述实际采食量数值作为所述实际采食反馈数据的一部分,并根据所述实际采食量与投喂方案中理论预期采食量的差值获得所述偏差值,还根据所述单次采食量、所述采食时长和所述采食口数获得采食速率曲线。

17、优选的,所述决策端内置有行为偏差回代修正单元,所述行为偏差回代修正单元用于根据所述偏差值生成偏差惩罚因子,并根据所述采食速率曲线的斜率生成适口性惩罚因子,再将所述偏差惩罚因子与所述适口性惩罚因子,作为松弛变量回代至所述能耗补偿修正单元,松弛变量是指从投喂执行结果中提取并用于反向修正决策端计算参数的中间变量,该中间变量包括偏差惩罚因子和适口性惩罚因子,以降低所述实时能耗补偿系数中活动量权重因子的数值,并依据降低后的活动量权重因子重新计算新的实时能耗补偿系数,再依据所述新的实时能耗补偿系数生成所述二次修正营养需求向量。

18、优选的,所述决策端内置有阈值判定迭代单元,所述阈值判定迭代单元中预设的阈值包括采食量偏差阈值和采食速率偏差阈值;

19、当所述偏差值的绝对值超出所述采食量偏差阈值时,或当所述采食速率曲线的斜率超出所述采食速率偏差阈值时,所述阈值判定迭代单元触发所述行为偏差回代修正单元重复执行回代修正,直至所述偏差值的绝对值落入所述采食量偏差阈值内且所述采食速率曲线的斜率落入所述采食速率偏差阈值内,输出最终投喂方案。

20、优选的,所述感知采集端还包括牧草营养监测单元,所述牧草营养监测单元用于在投喂前获取当前放牧区域的牧草营养数据,所述牧草营养数据包括粗蛋白含量和中性洗涤纤维含量;

21、所述能耗补偿修正单元还用于依据所述牧草营养数据对所述标准营养需求向量中的粗饲料供给值进行修正。

22、优选的,所述牧草营养监测单元包括搭载于无人机的近红外光谱采集模组,所述近红外光谱采集模组用于对当前放牧区域进行扫描并反演所述牧草营养数据。

23、优选的,所述决策端还内置有瘤胃安全校验单元,所述瘤胃安全校验单元用于根据所述最终投喂方案中的精料供给值和粗料供给值计算预估瘤胃酸碱度值,若所述预估瘤胃酸碱度值低于预设安全下限值,则触发所述能耗补偿修正单元降低所述精料供给值并重新生成投喂方案。

24、一种牦牛投喂优化决策方法,所述方法包括:

25、步骤一,采集牦牛个体的活动姿态数据与微环境参数;

26、步骤二,根据所述活动姿态数据与所述微环境参数生成实时能耗补偿系数,并依据所述实时能耗补偿系数对牦牛的标准营养需求向量进行修正,得到修正营养需求向量;

27、步骤三,根据所述修正营养需求向量生成初次投喂方案并执行投喂;

28、步骤四,获取牦牛的实际采食反馈数据,所述实际采食反馈数据包括实际采食量和采食速率曲线;

29、步骤五,根据所述实际采食量与理论预期采食量的偏差值生成偏差惩罚因子,并根据所述采食速率曲线的斜率生成适口性惩罚因子,将所述偏差惩罚因子与所述适口性惩罚因子回代至所述实时能耗补偿系数的计算过程中,以修正所述实时能耗补偿系数的计算权重,并依据修正后的能耗补偿系数重新生成二次修正营养需求向量;

30、步骤六,根据所述二次修正营养需求向量生成二次投喂方案并执行投喂;

31、步骤七,获取本次投喂后的实际采食反馈数据,若所述实际采食量与所述理论预期采食量的偏差值超出预设的采食量偏差阈值,或所述采食速率曲线的斜率超出预设的采食速率偏差阈值,则重复执行所述步骤五至所述步骤六,直至所述偏差值落入所述采食量偏差阈值内且所述采食速率曲线的斜率落入所述采食速率偏差阈值内,输出最终投喂方案并执行投喂。

32、本发明提供了一种牦牛投喂优化决策系统及投喂方法。具备以下有益效果:

33、通过实时获取牦牛个体的活动姿态数据与微环境参数,使决策端能够基于牦牛当前的真实能耗状态,修正标准营养需求向量,改变传统投喂决策依赖静态经验值的模式;根据实际采食反馈数据对能耗补偿系数的计算权重进行回代修正,使投喂方案的调整依据来源于牦牛对前次投喂的真实响应,而非人为预设的固定修正量;使投喂方案能够跟随牦牛每日甚至每餐的生理变化而自适应调整,有助于缩小理论投喂量与牦牛实际需求之间的偏差;同时,阈值判定迭代单元的设置,使修正过程能够持续进行直到偏差值落入可接受范围内,避免单次修正后偏差残留的问题;对于牧草资源动态变化的环境,牧草营养监测单元能够提供当前放牧区域的粗蛋白及纤维含量数据,辅助能耗补偿修正单元对粗饲料供给值进行针对性调整,使投喂方案在兼顾能耗补偿的同时,也考虑了牧草来源的营养贡献;瘤胃安全校验单元在投喂方案输出前对精粗比例进行风险评估,降低因精料比例过高可能引发的瘤胃环境扰动。

34、系统架构采用感知采集端、决策端与投喂执行端的分层布置,各端之间通过通信链路进行数据交互,使得数据采集、决策运算和投喂执行,能够各自独立运行又协同配合,便于在不同牧场环境中根据实际设备条件进行灵活部署;集成式项圈将姿态识别传感器组与微环境传感器组整合于一体,减少佩戴于牦牛身上的设备数量,降低对牦牛正常活动的干扰,同时便于维护和管理;投喂执行端通过称重传感器阵列与图像采集器配合获取采食过程中的多维度数据,为决策端提供了偏差值和采食速率曲线两项相互独立的反馈依据,其中偏差值反映投喂量的准确性,采食速率曲线反映采食过程的顺畅度,两项指标共同用于判定投喂方案是否需要调整,提高了反馈信息的完整性;该方法能够适配不同季节、不同草场条件和不同牦牛个体的动态变化,可复制应用于多种放牧养殖场景;系统每次投喂过程中的决策输入数据和实际采食反馈数据均可留存,为后续投喂方案的参数调优提供了数据基础,使得整个决策过程具备持续自我完善的能力,辅助降低饲料资源消耗和减少养殖废弃物。