养殖环境评估方法、装置及系统与流程

1.本发明涉及养殖技术领域，尤其涉及一种养殖环境评估方法、装置及系统。


背景技术：

2.在畜禽的养殖阶段，室内养殖的环境对畜禽的健康和生产性能存在不可忽视的影响。畜禽设施养殖小气候环境受生物、气候和人类生产活动等多种因素相互影响较为严重，其作用机理也相对复杂，具有时变、多变量耦合、非线性等特点。因此，科学的监测和控制室内养殖环境，能有效减少畜禽的发病的机率，提高肉类食品的质量和产量。同时，又能兼顾到降低劳动强度、减少劳动成本，增大经营者的经济收入的作用。
3.目前，大部分养殖场都装有温度计和湿度计等常见的环境传感器，一种是需要人工进行传感信息的采集并进行判断；另一种是只针对温度和湿度等常见的环境参数进行采集并进行自动化的评价与分析。因此，现有技术中对于养殖环境的评估结果准确度和精细度较低。


技术实现要素：

4.本发明提供一种养殖环境评估方法、装置及系统，用以解决现有技术中依赖人工评估养殖环境的缺陷，实现提高评估养殖环境的准确性、精细性和可靠性。
5.本发明提供一种养殖环境评估方法，包括：
6.获取待评估养殖场所的目标环境参数的采样值；
7.获取所述目标环境参数的采样值对应的编码组合；
8.将所述编码组合输入至养殖环境评估模型，得到所述养殖环境评估模型输出的评估结果；
9.其中，所述养殖环境评估模型为基于离散型hopfield神经网络建立的模型。
10.根据本发明提供的一种养殖环境评估方法，所述目标环境参数包括温度、湿度、二氧化碳浓度、硫化氢浓度和氨气浓度中的一种或者多种。
11.根据本发明提供的一种养殖环境评估方法，所述获取所述目标环境参数的采样值对应的编码组合，包括：
12.基于所述目标环境参数的采样值和预先建立的评估指标，获取所述编码组合；
13.其中，所述评估指标包括各类型的所述目标环境参数，以及各类型的所述目标环境参数在多个等级下的标准值。
14.根据本发明提供的一种养殖环境评估方法，所述养殖环境评估模型是根据正交化法对离散型hopfield神经网络进行训练后得到的。
15.根据本发明提供的一种养殖环境评估方法，所述基于所述目标环境参数的数值和预先建立的评估指标，获取编码组合，包括：
16.将每种目标环境参数的采样值与所述目标环境参数在各等级下的标准值进行对比；
17.在所述目标环境参数的采样值不小于目标等级的标准值的情况下，将所述编码组合中目标位置的元素设置为 1，否则，设置为-1；
18.其中，所述目标位置在所述编码组合中的行数与所述目标环境参数对应，列数与所述目标等级对应。
19.本发明还提供一种养殖环境评估装置，包括：
20.数据获取模块，用于获取待评估养殖场所的目标环境参数的采样值；
21.编码模块，用于获取所述目标环境参数的采样值对应的编码组合；
22.评估模块，用于将所述编码组合输入至养殖环境评估模型，得到所述养殖环境评估模型输出的评估结果；
23.其中，所述养殖环境评估模型为基于离散型hopfield神经网络建立的模型。
24.本发明还提供一种养殖环境评估系统，包括一个或多个如上所述的养殖环境评估装置。
25.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述养殖环境评估方法的步骤。
26.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述养殖环境评估方法的步骤。
27.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述养殖环境评估方法的步骤。
28.本发明提供的养殖环境评估方法、装置及系统，基于待评估养殖场所的目标环境参数的采样值获取对应的编码组合，以编码组合作为养殖环境评估模型的输入，输出评估结果，通过离散型hopfield神经网络可以对养殖环境进行自动检测和判断，避免人工判断引起的误差，能提高养殖环境评估的精细性和准确性。
附图说明
29.为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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。
30.图1是本发明提供的养殖环境评估方法的流程示意图；
31.图2是本发明提供的评估指标的编码模式示意图；
32.图3是本发明提供的目标环境参数的采样值的编码模式示意图；
33.图4是本发明提供的养殖环境评估装置的结构示意图之一；
34.图5是本发明提供的养殖环境评估装置的结构示意图之二
35.图6是本发明提供的养殖环境评估系统的结构示意图；
36.图7是本发明提供的养殖环境评估系统的实体-联系图；
37.图8是本发明提供的养殖环境评估系统的层级架构示意图；
38.图9是本发明提供的电子设备的结构示意图。
具体实施方式
39.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
40.应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
41.术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
42.图1是本发明提供的养殖环境评估方法的流程示意图。如图1所示，本发明实施例提供的养殖环境评估方法，包括：步骤101、获取待评估养殖场所的目标环境参数的采样值。
43.需要说明的是，本发明实施例提供的养殖环境评估方法的执行主体为养殖环境评估装置。养殖环境评估装置可以是中央处理器(central processing unit，cpu)，或者是基于cpu集成的开发板，以进行信息处理和程序运行。
44.养殖环境评估装置的评估对象为与养殖环境评估装置对应的养殖场所内部的养殖环境。
45.目标环境参数，是指环境要素的一个侧面的参数，如温度、湿度、二氧化碳或者有毒气体的浓度等。目标环境参数是根据环境的客观属性设定的，用于反映特定环境的质量状况，且目标环境参数的种类越多，可以更综合、全面地反映环境的质量状况。
46.需要说明的是，在步骤101之前，需要养殖环境评估装置的管理者和/或使用者根据养殖场所的评估需求和评估目的，确定目标环境参数，并设置对应的传感器连接至养殖环境评估装置，以使得养殖环境评估装置获取传感器采集的目标环境参数的相关数据。本发明实施例对此不作具体限定。
47.示例性地，若需要对养殖场所的热平衡性进行评估，则可以将温度、湿度和二氧化碳浓度作为目标环境参数，根据传感器所采集的温度实时数据、湿度实时数据和二氧化碳浓度实时数据进行处理，评估对应时刻下的养殖环境是否为均匀一致的热平衡环境，以便及时改善养殖环境。
48.具体地，在步骤101中，养殖环境评估装置通过接入的各种传感器进行数据采集，获取目标环境参数的采样值。
49.目标环境参数的采样值，是指与目标环境参数对应的传感器在某一时刻采集的一个传感数据，或者是某一时间段采集的一组传感数据。
50.步骤102、获取目标环境参数的采样值对应的编码组合。
51.需要说明的是，在步骤102之前，养殖环境评估装置对步骤101中获取到的目标环境参数的采样值进行预处理。示例性地，养殖环境评估装置可以对目标环境参数的采样值填补缺失值、光滑噪声数据，平滑或删除离群点。
52.具体地，在步骤102中，养殖环境评估装置将步骤101中获取到的目标环境参数的采样值进行特征提取，获取与其对应的编码组合。
53.编码组合，是指从目标环境参数的采样值将维数相对较高的特征空间转换为维数
相对较低的特征空间，对特征空间的提炼和优化所得到的分类特征的集合。编码组合用于输入养殖环境评估模型，并使其能够进行有效评估分类。本发明实施例对获取编码组合的方法不作具体限定，例如主成分分析法、等距特征映射等特征提取方法。
54.步骤103、将编码组合输入至养殖环境评估模型，得到养殖环境评估模型输出的评估结果。
55.其中，养殖环境评估模型为基于离散型hopfield神经网络建立的模型。
56.需要说明的是，养殖环境评估模型可以是一种分类器，其分类决策是将被成功识别的养殖场所的养殖环境进行归类，整理。本发明实施例对模型类型不作具体限定。
57.示例性地，养殖环境评估模型是一种基于hopfield神经网络的分类器。hopfield属于反馈性神经网络，它作为一个动力系统可以最终到达一个稳态。在离散hopfield网络里，稳态是联想记忆的一个目标值。在连续hopfield网络里，稳态对应着一个最优化问题的最优解。
58.优选地，基于离散型hopfield神经网络(discrete hopfiled neural network，dhnn)建立养殖环境评估模型。
59.dhnn是一个单层网络，包括n个神经元节点，每个神经元的输出均接到其它神经元的输入。各节点没有自反馈，每个节点都可处于一种可能的状态(1或-1)，即当该神经元所受的刺激超过其阀值时，神经元就处于一种状态(比如1)，否则神经元就始终处于另一状态(比如-1)。
60.dhnn神经网络具有较强的记忆联想能力，dhnn神经网络的学习过程即为分类指标趋近于平衡点的过程，在学习过程结束后，网络中保存的平衡点即为每个分类类型所对应的等级。
61.具体地，在步骤103中，养殖环境评估装置根据训练好的模型参数，对养殖环境评估模型进行设置后，对任一如步骤102中的编码组合进行评估，可以得到与该编码组合对应的评估结果。
62.评估结果，是在步骤102中的编码组合样本输入dhnn神经网络后，利用其联想记忆能力，进行逼近平衡点，将状态稳定后的平衡点作为分类的等级，输出的分类等级即为对待评估养殖场所的评估结果。
63.评估结果可以是一个概率值或者标签结果，本发明实施例对行为评估结果的形式不作具体限定。
64.示例性地，若评估结果为一个概率值，则可以通过概率值说明待评估养殖场所的环境为正常环境或者异常环境的概率。
65.示例性地，若评估结果为一个标签结果，则可以通过模型获取一个中间数值结果，将数值结果符合预先设置的目标条件，则该数值结果为对应的待评估养殖场所的环境的分类标签结果。
66.本发明实施例基于待评估养殖场所的目标环境参数的采样值获取对应的编码组合，以编码组合作为养殖环境评估模型的输入，输出评估结果，通过离散型hopfield神经网络可以对养殖环境进行自动检测和判断，避免人工判断引起的误差，能提高养殖环境评估的精细性和准确性。
67.在上述任一实施例的基础上，目标环境参数包括温度、湿度、二氧化碳浓度、硫化
氢浓度和氨气浓度中的一种或者多种。
68.具体地，养殖环境评估装置至少可以从一个或者多个不同种类的目标环境参数去评估养殖场所的环境，即从环境的温度、湿度、二氧化碳浓度、硫化氢浓度和氨气浓度中的一种或多种去评估养殖场所的环境。并且，根据养殖环境评估模型不同的设计方式，获取数量不同、类别不同的目标环境参数组合。
69.优选地，用来评估养殖环境的目标参数包括温度、湿度、二氧化碳浓度、硫化氢浓度和氨气浓度。
70.其中，温度和湿度可以表征养殖环境的冷热程度，其他的气体浓度可以表征环境的清洁程度。
71.本发明实施例基于选取的多种类型的目标环境参数，获取对应的采样值，利用温度、湿度、二氧化碳浓度、硫化氢浓度和氨气浓度来表征养殖环境的状况。能够全面、准确地评估养殖环境。
72.在上述任一实施例的基础上，获取目标环境参数的采样值对应的编码组合，包括：基于目标环境参数的采样值和预先建立的评估指标，获取编码组合。
73.其中，评估指标包括各类型的目标环境参数，以及各类型的目标环境参数在多个等级下的标准值。
74.需要说明的是，在步骤102之前，需要根据待评估养殖场所及相关行业标准，制定关于目标环境参数的评估指标。
75.评估指标，将待评估养殖场所涉及的每一种目标环境参数按照相关行业标准划分多个等级，每一等级下的多种目标环境参数的数据对应一种环境评估状况。
76.示例性地，评价指标是依照ny/t3 88-1999ny畜禽场环境国家标准建立的，针对选中的五种不同的目标环境参数，对不同等级的养殖环境适宜性建立评价指标可以如表1所示。
77.表1 环境适宜性评价指标示意表
78.适宜性温度(℃)湿度(％)二氧化碳(ppm)硫化氢(ppm)氨气(ppm)127.554.81745.38.68.7225.148.61520.54.14.1320.043.9985.33.03.2415.242.3933.52.32.5510.340.5822.11.21.0
79.其中，适宜性等级为3表示养殖环境处于最适宜状态，即温度和清洁度适中。适宜性等级为1和2表示温度较高和有害气体浓度较高的环境状态，且适宜性等级为1的状态比适宜性等级为2的状态恶劣。适宜性等级为4和5分别表示温度较低的环境状态，且适宜性等级为5的状态比适宜性等级为4的状态恶劣。
80.具体地，在步骤102中，养殖环境评估装置将每一种目标环境参数的采样值，依次按照评价指标进行特征提取，获取可以输入养殖环境评估模型的编码组合。
81.编码组合，是目标环境参数的采样值的特征值的集合。本发明实施例对编码组合的表现形式不作具体限定。
82.优选地，由于养殖环境评估模型中每一个神经元状态为二值模式，即 1和-1。将目
标环境参数的采样值输入到模型中的神经元状态之前，养殖环境评估装置需要对目标环境参数的采样值逐一编码，生成以一个每一个元素均取值为1或者-1的矩阵，并将其作为编码组合。
83.本发明实施例基于对目标环境参数的采样值和评估指标，根据hopfield神经网络的特性进行编码，获取对应的编码组合。通过对数据的处理，能够快速、准确地评估养殖环境。
84.在上述任一实施例的基础上，养殖环境评估模型是根据正交化法对离散型hopfield神经网络进行训练后得到的。
85.需要说明的是，在步骤103之前，需要基于编码组合样本以及对其预先确定的环境评估等级标签，对养殖环境评估模型进行训练。
86.编码组合样本，是指在评价指标中，由不同环境适宜性等级对应的各目标环境参数的数值进行编码后，组成不同的训练样本，对应的环境适宜性等级为该训练样本的标签。本发明实施例对此不作具体限定。
87.示例性地，图2是本发明提供的评估指标的编码模式示意图。如图2所示，养殖环境评估装置将评价指标映射到养殖环境评估模型中的神经元状态时，需要对如表1所示的评价指标按照不同适宜性等级逐一编码。
88.对于任意一个适应性等级，将其映射为一个5*5矩阵。其中，该矩阵的行数与选取的目标环境参数的种类数量相同，该矩阵的列数与环境适宜性的划分等级数量相同。
89.例如，对于与环境适宜性等级为1对应的矩阵t1为，将列固定在矩阵中的第一列，将每一行的第一个元素设置为 1，转化为可视化的图形模式则对应设置为
●
，其余元素设置为-1，其图形模式则对应设置为
○
。其余环境适宜性等级对应的矩阵t2、t3、t4和t5，则分别在t2矩阵中的第2列、t3矩阵中的第3列、t4矩阵中的第4列、t5矩阵中的第5列中的所有元素表示为
●
，对应矩阵的其余列的所有元素表示为
○
。
90.具体地，养殖环境评估装置通过正交化法确定模型中个神经元之间的连接的权值和偏置，并将评价指标存储在离散型hopfield神经网络，对养殖环境评估模型进行训练。
91.示例性地，本发明实施例对养殖环境评估模型的训练过程提供一种具体的实施方式，其过程如下：
92.(1)输入n个模式t＝{t1,t2,...,tn}及权值矩阵τ和对称矩阵h，初始情况下h为单位矩阵，可以根据数据的具体情况来进行调整，其中n为选取的指标个数。
93.示例性地，输入五个适宜性等级的评价指标对应的矩阵t1、t2、t3、t4和t5存储在矩阵t中，即t＝{t1,t2,t3,t4,t5}。
94.(2)计算a＝{t
2-tn,t
2-tn,...,t
n-1-tn}。
95.(3)对a做奇异值分解a＝usv
t
，然后计算a的秩k＝rank(a)。
96.(4)则u＝{u1,u2,...,uk}为a的正交基,u矩阵构成的k维空间是u矩阵构成的n维空间的子空间,而u2＝{u
k 1
,u
k 2
,...,un}为u矩阵构成的n维空间的补充正交基,计算和
97.(5)计算w
t
＝t
p-τ
×
tm和b
t
＝t
n-w
t
×
tn。
98.(6)计算w＝exp(h
×wt
)。
99.(7)网络偏差构造为b＝x
p-w
t
*x
p
，设有p个稳定点，x
p
由n个元素组成,每个元素值为1或-1。
100.本发明实施例基于对养殖环境评估模型使用正交化法进行训练，以获取模型参数，能够快速、准确地评估养殖环境。
101.在上述任一实施例的基础上，基于目标环境参数的数值和预先建立的评估指标，获取编码组合，包括：将每种目标环境参数的采样值与目标环境参数在各等级下的标准值进行对比。
102.具体地，在步骤102中，养殖环境评估装置将待评估的测试样本中每种目标环境参数的采样值与该目标环境参数所对应的不同等级的标准值进行逐级的大小比较，进行二值化的特征提取处理。
103.在目标环境参数的采样值不小于目标等级的标准值的情况下，将编码组合中目标位置的元素设置为 1，否则，设置为-1。
104.其中，目标位置在编码组合中的行数与目标环境参数对应，列数与目标等级对应。
105.需要说明的是，一组待评估养殖场所的目标环境参数的采样值，对应的编码组合为一个矩阵，该矩阵的行数为目标环境参数的种类数量，列数为对其划分的等级数量。
106.目标位置，是指满足编码规则的元素在矩阵中的位置。
107.具体地，养殖环境评估装置对测试样本进行二值化的特征提取处理的编码规则为：如果达到某一类评价标准相应的位置设置为 1，否则设置为-1。
108.示例性地，若待评估养殖场所的目标环境参数的采样值的数据如表2所示。
109.表2 若待评估养殖场所的目标环境参数的采样值示意表
110.样本温度(℃)湿度(％)二氧化碳(ppm)硫化氢(ppm)氨气(ppm)122301000.35.05.1228451590.522.231526985.31.01.2
111.图3是本发明提供的目标环境参数的采样值的编码模式示意图。如图3所示，则将样本1与表1的评估指标进行对比后，判断出其温度22℃属于第三等级，故在对应的矩阵中的第1行中，将第1、2的元素均设置为-1，第3、4和5列的元素均设置为 1。
112.可以理解的是，将如图3所对应的样本矩阵输入至养殖环境评估模型后，经步骤103处理，可以输出样本1-3对应的评估结果，即样本1-3对应的环境适宜性，其取值范围为[1,5]。
[0113]
在步骤103获取评估结果之后，可以根据评估结果与预设阈值进行对比，以判断养殖场所当前环境的调整策略。示例性地，根据养殖场所所处的地理条件，选取适宜性等级为3作为阈值，以代表最理想的养殖环境。而样本1-3的评估结果分别为3.1、2.9和4.8。
[0114]
则对于样本1和样本2，其评估结果都很接近阈值，可以判断出对应的养殖环境适宜性尚可，可以不仅调整，或者根据当前情况做出微调。
[0115]
而对于样本3，其评估结果大于阈值，可以判断出对应的养殖环境适宜性非常恶劣，需要根据当前情况做出调整决策。
[0116]
本发明实施例基于对目标环境参数的采样值和评估指标，根据hopfield神经网络的特性，进行二值化编码，获取对应的编码组合。通过对数据的处理，能够快速、准确地评估
养殖环境。
[0117]
图4是本发明提供的养殖环境评估装置的结构示意图之一。基于上述任一实施例的内容，如图4所示，该装置包括：数据获取模块410、编码模块420和评估模块430，其中：
[0118]
数据获取模块410，用于获取待评估养殖场所的目标环境参数的采样值。
[0119]
编码模块420，用于获取目标环境参数的采样值对应的编码组合。
[0120]
评估模块430，用于将编码组合输入至养殖环境评估模型，得到养殖环境评估模型输出的评估结果。
[0121]
其中，养殖环境评估模型为基于离散型hopfield神经网络建立的模型。
[0122]
具体地，数据获取模块410、编码模块420和评估模块430顺次电连接。
[0123]
数据获取模块410通过接入的各种传感器进行数据采集，获取目标环境参数的采样值。
[0124]
目标环境参数的采样值，是指与目标环境参数对应的传感器在某一时刻采集的一个传感数据，或者是某一时间段采集的一组传感数据。
[0125]
编码模块420将数据获取模块410中获取到的目标环境参数的采样值进行特征提取，获取与其对应的编码组合。
[0126]
编码组合，是指从目标环境参数的采样值将维数相对较高的特征空间转换为维数相对较低的特征空间，对特征空间的提炼和优化所得到的分类特征的集合。
[0127]
评估模块430根据训练好的模型参数，对养殖环境评估模型进行设置后，对任一如编码模块420中的编码组合进行评估，可以得到与该编码组合对应的评估结果。
[0128]
评估结果，是在编码模块420中的编码组合样本输入dhnn神经网络后，利用其联想记忆能力，进行逼近平衡点，将状态稳定后的平衡点作为分类的等级，输出的分类等级即为对养殖环境的评估结果。
[0129]
可选地，目标环境参数包括温度、湿度、二氧化碳浓度、硫化氢浓度和氨气浓度中的一种或者多种。
[0130]
可选地，编码模块420，具体用于基于目标环境参数的采样值和预先建立的评估指标，获取编码组合。
[0131]
其中，评估指标包括各类型的目标环境参数，以及各类型的目标环境参数在多个等级下的标准值。
[0132]
可选地，养殖环境评估模型是根据正交化法对离散型hopfield神经网络进行训练后得到的。
[0133]
可选地，编码模块420还包括对比单元和编码单元，其中：
[0134]
对比单元，用于将每种目标环境参数的采样值与目标环境参数在各等级下的标准值进行对比。
[0135]
编码单元，用于在目标环境参数的采样值不小于目标等级的标准值的情况下，将编码组合中目标位置的元素设置为 1，否则，设置为-1。
[0136]
其中，目标位置在编码组合中的行数与目标环境参数对应，列数与目标等级对应。
[0137]
优选地，养殖环境评估装置为msp430f248开发板，养殖环境评估装置对应设置在一个养殖场所中。
[0138]
图5是本发明提供的养殖环境评估装置的结构示意图之二，如图5所示，设置在任
意一个养殖场所的养殖环境评估装置还可以包括处理模块510、数据传输模块520和无线通信模块530，其中：
[0139]
处理模块510包括数据获取模块511、编码模块512和评估模块513，其中：
[0140]
数据获取模块511与外部的各种传感器可以通过串口连接，以获取各种传感器采集的各种目标环境参数的采样值。
[0141]
编码模块512将数据获取模块511中获取到的目标环境参数的采样值进行特征提取，获取与其对应的编码组合。
[0142]
评估模块513根据训练好的模型参数，对养殖环境评估模型进行设置后，对任一如编码模块512中的编码组合进行评估，可以得到与该编码组合对应的评估结果。
[0143]
数据传输模块520与处理模块510连接，用于向服务器端发起的请求信息，并接收服务器端发送的响应信息。
[0144]
优选地，数据传输模块520为一个数据传输单元(data transfer unit，dtu)，dtu用于将串口数据转换为ip数据或将ip数据转换为串口数据通过无线通信网络传送至其他设备。
[0145]
包含dtu的养殖环境评估装置与远程的服务器端共同组成了基于gprs和internet网络通信的应用系统。可以使服务器实时获取养殖环境评估装置采集和处理的数据，并提供数据库服务等应用。
[0146]
无线通信模块530与处理模块510连接，用于通过无线通信技术(wi-fi)、蓝牙或串口等通信方式进行的远距离传输通讯，本发明实施例对此不作具体限定。
[0147]
优选地，无线通信模块530采用zigbee协议进行无线通信，每一个处理模块510为一个网络节点，任意节点之间都可进行数据通讯，当有节点加入和撤出时，可以根据确定它们之间的联系来重置原始网络，更新多个养殖场所形成的自组网。
[0148]
可以理解的是，每一个养殖环境评估装置都可以对应设置一个显示装置，以使得将养殖环境评估装置对养殖场所的评估结果可视化。并且，在zigbee自组网，该显示装置还可以将其他养殖环境评估装置对对应的养殖场所的评估结果可视化。
[0149]
本发明实施例提供的养殖环境评估装置，用于执行本发明上述基于养殖环境评估方法，其实施方式与本发明提供的养殖环境评估方法的实施方式一致，且可以达到相同的有益效果，此处不再赘述。
[0150]
本发明实施例基于待评估养殖场所的目标环境参数的采样值获取对应的编码组合，以编码组合作为养殖环境评估模型的输入，输出评估结果，通过离散型hopfield神经网络可以对养殖环境进行自动检测和判断，避免人工判断引起的误差，能提高养殖环境评估的精细性和准确性。
[0151]
图6是本发明提供的养殖环境评估系统的结构示意图。如图6所示，基于上述任一实施例的内容，如图6所示，该系统包括一个或多个养殖环境评估装置。
[0152]
具体地，养殖环境评估系统由至少一个养殖环境评估装置610和一个远程的服务器620组成。
[0153]
多个养殖环境评估装置610可以通过zigbee形成具有拓扑结构的自组网，并可以通过服务器620进行统一管理。
[0154]
优选地，图7是本发明提供的养殖环境评估系统的实体-联系图。如图7所示，通过
养殖环境评估系统的需求，可以确定系统中涉及的实体包括畜舍、养殖工人、养殖场、养殖场管理员、畜牧公司、公司管理员，并通过其对应的属性区别同一类型下的不同实体。
[0155]
通过微软.net framework，javascript，jquery和sql server数据库等技术设计并实现了室内养殖环境的智能管控系统的远程管控系统，实现了注册、登录以及对公司、饲养基地及其具体畜舍内部环境参数管控，和对相关养殖单位的添加、编辑和删除等功能，并且实现了对实际养殖人员的管理等功能。
[0156]
图8是本发明提供的养殖环境评估系统的层级架构示意图。如图8所示，确认养殖环境评估系统中各实体及其关系后，对该系统进行构建，其中包括：用户层、表现层(ui)、控制层、业务层和数据访问层。
[0157]
用户层，是指使用该系统的各类用户,包括移动用户和静态用户,它们可以通过有线或无线网络与中间层进行通信,从而完成所需的工作。
[0158]
表现层(ui)，用于显示数据和接收用户输入的数据，为用户提供一种交互式操作的界面。
[0159]
控制层，用于读取视图表现层的数据，控制用户的输入，并调用业务层的方法
[0160]
业务层，用于根据系统的实际业务需求进行逻辑代码的编写，有些业务逻辑需要通过与数据库交互的，则业务逻辑层需要调用数据访问层的相关方法实现与数据库的交互，对于一些不需要与数据库进行交互的，则直接编写业务代码，将执行结果反馈给控制层。
[0161]
数据访问层，用于与数据库的数据交互，将数据进行存储读取操作。
[0162]
本发明实施例提供的养殖环境评估系统，用于执行本发明上述基于养殖环境评估方法，其实施方式与本发明提供的养殖环境评估方法的实施方式一致，且可以达到相同的有益效果，此处不再赘述。
[0163]
本发明实施例基于待评估养殖场所的目标环境参数的采样值获取对应的编码组合，以编码组合作为养殖环境评估模型的输入，输出评估结果，通过离散型hopfield神经网络可以对养殖环境进行自动检测和判断，避免人工判断引起的误差，能提高养殖环境评估的精细性和准确性。
[0164]
图9示例了一种电子设备的实体结构示意图，如图9所示，该电子设备可以包括：处理器(processor)910、通信接口(communicationsinterface)920、存储器(memory)930和通信总线940，其中，处理器910，通信接口920，存储器930通过通信总线940完成相互间的通信。处理器910可以调用存储器930中的逻辑指令，以执行养殖环境评估方法，该方法包括：获取待评估养殖场所的目标环境参数的采样值；获取目标环境参数的采样值对应的编码组合；将编码组合输入至养殖环境评估模型，得到养殖环境评估模型输出的评估结果；其中，养殖环境评估模型为基于离散型hopfield神经网络建立的模型。
[0165]
此外，上述的存储器930中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，
read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0166]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的养殖环境评估方法，该方法包括：获取待评估养殖场所的目标环境参数的采样值；获取目标环境参数的采样值对应的编码组合；将编码组合输入至养殖环境评估模型，得到养殖环境评估模型输出的评估结果；其中，养殖环境评估模型为基于离散型hopfield神经网络建立的模型。。
[0167]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的养殖环境评估方法，该方法包括：获取待评估养殖场所的目标环境参数的采样值；获取目标环境参数的采样值对应的编码组合；将编码组合输入至养殖环境评估模型，得到养殖环境评估模型输出的评估结果；其中，养殖环境评估模型为基于离散型hopfield神经网络建立的模型。。
[0168]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0169]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
[0170]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。