一种基于动态监测的肉羊饲喂决策方法及系统

1.本发明涉及智慧养殖技术领域，特别是涉及一种基于动态监测的肉羊饲喂决策方法及系统。


背景技术：

2.随着社会的发展和消费水平的提高，人们逐渐认识到羊肉具有高蛋白低脂肪到的营养保健作用，羊肉需求量大大增加，肉羊养殖产业前景开阔。肉羊养殖过程中，饲喂量与饲喂时间成为了一大难点，饲喂量较少，肉羊无法获得正常的营养，不能长膘长肥；若饲喂量较大，将会引起饲料浪费，而且羊吃的过饱也会引起身体不适，影响下一顿食欲，甚至引起腹泻等症状。


技术实现要素：

3.有鉴于此，本发明提供了一种基于动态监测的肉羊饲喂决策方法及系统，通过预测动物的生理特征参数，进一步得到饥饿状态，根据节状态和基本参数得到饲喂量，再根据饲喂量进行饲喂。
4.为实现上述目的，本发明提供了如下方案：
5.一种基于动态监测的肉羊饲喂决策方法，包括：
6.获取肉羊自身的基本参数和生理特征参数、肉羊正常养殖过程中的环境参数和人为因素，得到第一集合；
7.对所述第一集合进行筛选和同量纲处理，得到第二集合；
8.基于所述第二集合构建初始决策模型，并对所述初始决策模型进行训练，得到决策模型；
9.获取实时人为因素集和实时环境参数集，结合所述第一集合和所述决策模型，得到决策数据集；
10.基于所述决策数据集得到肉羊饥饿状态，并根据所述肉羊饥饿状态进行饲喂。
11.优选地，所述第一集合中的各参数均包括动态的、实时的和连续的数据；
12.所述基本参数包括肉羊的身高、体重、月龄和体脂率；
13.所述环境参数包括温度、相对湿度、光照强度、空气流速、相关气体浓度、粉尘浓度、大气压、噪音强度和农场地理位置；
14.所述相关气体浓度包括氧气浓度、二氧化碳浓度、硫化氢浓度、氨气浓度和一氧化碳浓度；
15.所述人为因素包括饲喂活动、交通工具经过羊舍、清扫羊圈、打疫苗、捕捉、剃毛、施工、飞机轰鸣声、人员交谈和运输粪便；
16.所述饲喂活动包括饲喂精饲料、饲喂草料和人工拢料；
17.所述生理特征参数包括心率、体温、血压、血糖、呼吸、步数、三维加速度、角速度和叫声；
18.所述第一集合通过传感器模块进行采集得到，所述传感器模块包括环境传感器单元、相关柔性可穿戴传感器单元和监控单元；
19.所述环境传感器单元包括相关湿度计、湿度计、光照强度测量仪、风速计、有毒气体检测仪、粉尘浓度检测仪、气压计和噪音计，所述柔性可穿戴传感器包括陀螺仪、温度贴片、心率计和计步器；
20.对所述第一集合进行分析，得到饥饿阈值；基于所述饥饿阈值和所述决策数据集，得到所述肉羊饥饿状态。
21.优选地，所述对所述第一集合进行筛选和同量纲处理，得到第二集合，具体为：
22.对所述第一集合中的数据进行缺失判断，若存在数据缺失，则对缺失的数据进行补充，得到补充数据集，所述补充数据集包括肉羊基本参数补充集、训练环境参数补充集、训练人为因素补充集和训练生理特征参数补充集；
23.补充公式如下：
[0024][0025]
其中，
[0026][0027]
λj,λj∈[0,1]；1≤m≤5,1≤n≤5,m,n∈n

；
[0028]
式中：xk表示第k个数据缺失点处的补充值，m表示第k个数据缺失点处同个传感器监测前向所得的m个数据，xi表示前向所得的第i个数据值，λi代表第i个数据值的权重，n表示第k个数据缺失点处同个传感器监测后向所得的n个数据，xj表示向后所得的第j个数据值，λj代表第j个数据值的权重，n

表示正整数集；
[0029]
对所述训练生理特征参数补充集中的数据进行异常判断，若数据超过第一设定阈值范围，则定义数据为第一异常数据，遍历所述训练生理特征参数补充集，得到第一异常数据集；所述第一设定阈值范围为大于或等于且小于或等于且小于或等于x
min
为肉羊正常状态下每个生理特征参数对应的数据最小值，x
max
为肉羊正常状态下每个生理特征参数对应的数据最大值；
[0030]
当所述第一异常数据集与所述训练生理特征参数补充集的第一数据量比值小于第一设定比例时，对所述第一异常数据集中的第一异常数据进行替换，替换公式如下：
[0031][0032]
式中：为xb的替换值，xb表示第b个第一异常数据，q表示以第b个第一异常数据的节点处扩散开的对称的区间长度，xi表示区间长度q内第i个正常数据值，α表示均值系数，当第一异常数据小于时，α∈[-0.3,0]；当第一异常数据大于时，α∈[0,0.3]；
[0033]
当所述第一数据量比值大于或等于第一设定比例时，对所述训练生理特征参数集的获取过程进行核对，若获取过程异常，则舍弃所述第一异常数据集；
[0034]
若获取过程正常，对所述第一异常数据集进行判断，当所述第一异常数据集中的第一异常数据超过第二设定阈值范围时，则定义第一异常数据为第二异常数据，遍历所述第一异常数据集，得到第二异常数据集；所述第二设定阈值范围为大于或等于且小于或等于或等于或等于
[0035]
当所述第二异常数据集与所述第一异常数据集的第二数据量比值小于第二设定比例时，对所述第二异常数据集进行替换，当所述第二数据量比值大于或等于所述第二设定比例时，对所述第二异常数据集进行拟合，得到拟合函数，并计算所述第二异常数据集的平均值；
[0036]
若所述拟合函数呈现规律性变化，则将所述第二异常数据集按照下式进行处理，得到第一筛选数据集；
[0037][0038]
其中，为处理后的第二异常数据集，[x1,x2,
…
,x
p
]为处理前的第二异常数据集，x
avg
为第二异常数据集的平均值；当时，该式取负号，当时，该式取正号；
[0039]
若所述拟合函数不呈现规律性变化，则将所述第二异常数据集舍弃。
[0040]
对所述第一筛选数据集中的数据xc进行判断，当或时，若由于拢料或者装料车经过引起，则进一步判断同一时间是否发生剃毛、清扫羊圈和打疫苗，若发生则不进行处理，若未发生则将xc通过如下公式进行处理：
[0041][0042]
其中，为xc处理后所得的值，xe为第一筛选数据集中的第c个数据，x
c-1
为xc前一位数据值，x
c 1
为xc后一位数据值，ωi为出现的人为因素的值，r表示出现了r种人为因素，ε为差值系数；
[0043]
遍历所述第一筛选数据集，得到第二筛选数据集；
[0044]
对所述第二筛选数据集、所述肉羊基本参数补充集和所述训练环境参数补充集进行同量纲处理，对所述训练人为因素补充集进行数据化，得到所述第二集合。
[0045]
优选地，所述对所述第二筛选数据集、所述肉羊基本参数补充集和所述训练环境参数补充集进行同量纲处理，对所述训练人为因素补充集进行数据化，得到所述第二集合，具体为：
[0046]
对所述第二筛选数据集、所述肉羊基本参数补充集和所述训练环境参数补充集进
行同量纲处理，得到第二筛选数据同量纲集、肉羊基本参数补充同量纲集和训练环境参数补充同量纲集；
[0047]
所述训练人为因素补充集为文字信息，对所述训练人为因素补充集进行数据化，得到训练人为因素数据集；所述第二集合包括所述第二筛选数据同量纲集、所述肉羊基本参数补充同量纲集、所述训练环境参数补充同量纲集和所述训练人为因素数据集；
[0048]
按照影响程度，确定各人为因素的影响权重，根据数据影响因素和是非影响因素进行划分；定义若是非影响因素为是则为“1”，非则为“0”；
[0049]
人为因素距离羊舍的距离、产生噪音的大小、以及是否直接作用于肉羊本身、是否涉及饲喂活动进行划分；：
[0050][0051]
其中，ωk表示第k个文本信息数据化之后的数据，ai表示第c个文本信息中第i个数据影响因素，ai表示第i个数据影响因素的权重，如上文中提到的距离羊舍的距离和产生噪音的大小，n表示一共有n个数据影响因素；bj表示第j个是非影响因素的权重，bj表示第j个是非影响因素，m表示一共有m个是非影响因素；
[0052]
所述数据影响因素包括人为因素距离羊舍的距离和产生噪音的大小；
[0053]
所述是非影响因素包括是否直接作用于肉羊本身和是否涉及饲喂活动；若是则为1，若非则为0。
[0054]
优选地，所述基于所述第二集合构建初始决策模型，并对所述初始决策模型进行训练，得到决策模型，包括：
[0055]
基于所述第二集合构建所述初始决策模型；所述初始决策模型的运算节点个数计算公式如下：
[0056][0057]
式中：ω2为运算节点的个数，ω1为输入节点的个数，ω3为输出节点的个数，a1表示输入节点的个数对运算节点的数量的影响因子，a2表示输出节点的个数对运算节点的个数的影响因子，当ω1和ω3相差大于或等于节点数设定差值时，取a1＝a2＝1；σ为给定常数，σ＝5；
[0058]
将所述肉羊基本参数补充同量纲集、所述训练环境参数补充同量纲集和所述训练人为因素数据集输入所述初始决策模型，得到训练生理特征参数预测集；
[0059]
基于所述训练生理特征参数预测集和所述第二筛选数据同量纲集，得到误差值；
[0060]
确定自适应系数，基于所述误差值和所述自适应系数，对所述初始决策模型的阈值和权值进行修正，以进行迭代优化，直至所述误差值小于误差设定值，得到初始训练决策模型；所述自适应系数的公式如下：
[0061]
γ(μ)＝2
δ-1
γ(μ-1)
[0062][0063]
式中：γ为自适应系数，μ代表第μ次迭代，γ(μ)代表第μ次迭代的自适应系数的
值，e为自然对数函数底数；当μ＝1时，γ(1)＝1；
[0064]
对所述初始训练决策模型的准确率进行判断，若所述准确率大于或等于准确率设定值，将所述初始训练决策模型作为所述决策模型；若所述准确率小于所述准确率设定值，则对所述预测模型的阈值和权值进行修正，继续进行迭代优化，直至所述准确率大于或等于所述准确率设定值。
[0065]
优选地，所述基于所述决策数据集得到肉羊饥饿状态，并根据所述肉羊饥饿状态进行饲喂，包括：
[0066]
对所述决策数据集进行分类，得到分类数据集，基于所述分类数据集和所述饥饿阈值，得到所述肉羊饥饿状态；
[0067]
根据所述肉羊饥饿状态，得到饲喂量；基于所述饲喂量进行饲喂；
[0068]
在对肉羊进行饲喂后的设定时间长度内，降低所述实时人为因素集和所述实时环境参数集的采集频率。
[0069]
优选地，所述根据所述肉羊饥饿状态，得到饲喂量；基于所述饲喂量进行饲喂，包括：
[0070]
基于所述肉羊饥饿状态和所述肉羊基本参数补充集，得到所述饲喂量；所述饲喂量包括精饲料量和草料量；
[0071]
所述精饲料量的计算公式如下：
[0072][0073]
所述草料量的计算公式如下：
[0074][0075]
式中：yi为肉羊基本参数补充集中第i个数值，m为肉羊处于完全饥饿状态时的精饲料量，xi为第i个数值的精饲料权值，m为精饲料量系数；n为肉羊处于完全饥饿状态时的草料量，wi为第i个数值的草料量权值，n代表草料量系数，草料量系数基于饲料适口性、含水量和营养成分得到。
[0076]
一种基于动态监测的肉羊饲喂决策系统，包括：
[0077]
感知端，获取肉羊自身的基本参数和生理特征参数、肉羊正常养殖过程中的环境参数和人为因素，得到第一集合；获取实时人为因素集和实时环境参数集；
[0078]
云端，对所述第一集合进行筛选和同量纲处理，得到第二集合；基于所述第二集合构建初始决策模型，并对所述初始决策模型进行训练，得到决策模型；基于所述实时人为因素集、所述实时环境参数集和所述第一集合，结合所述决策模型，得到决策数据集；基于所述决策数据集得到肉羊饥饿状态；根据所述肉羊饥饿状态，得到饲喂量；
[0079]
执行端，根据所述饲喂量进行饲喂；
[0080]
远程终端，获对所述实时人为因素集、所述实时环境参数集、所述决策数据集、所述肉羊饥饿状态和所述饲喂量进行显示；
[0081]
所述第一集合包括肉羊基本参数集、训练环境参数集、训练人为因素集和训练生理特征参数集；
[0082]
所述感知端包括：
[0083]
记录单元，记录肉羊基本参数集；所述基本参数包括身高、体重和月龄；
[0084]
环境监测单元，获取所述训练环境参数集和所述实时环境参数集；所述环境参数
包括温度、湿度、光照强度、空气流速、相关气体浓度、粉尘浓度、大气压、噪音、羊舍面积和农场地理位置；所述相关气体浓度包括二氧化碳浓度、硫化氢浓度、氨气浓度和一氧化碳浓度；
[0085]
人为监测单元，获取所述实时人为因素集和所述训练人为因素集；所述人为因素包括饲喂活动、清扫羊圈、打疫苗、捕捉、剃毛、施工、运输粪便、飞机轰鸣声和人员交谈；
[0086]
柔性可穿戴传感器单元，获取所述训练生理特征参数集；所述生理特征参数包括心率、体温、血压、血糖、呼吸、步数、加速度、角速度和叫声。
[0087]
根据本发明提供的具体实施例，本发明公开了以下技术效果：
[0088]
本发明涉及一种基于动态监测的肉羊饲喂决策方法及系统，包括：获取肉羊自身的基本参数和生理特征参数、肉羊正常养殖过程中的环境参数和人为因素，得到第一集合；对所述第一集合进行筛选和同量纲处理，得到第二集合；基于所述第二集合构建初始决策模型，并对所述初始决策模型进行训练，得到决策模型；获取实时人为因素集和实时环境参数集，结合所述第一集合和所述决策模型，得到决策数据集；基于所述决策数据集得到肉羊饥饿状态，并根据所述肉羊饥饿状态进行饲喂。本发明通过预测生理体征参数，继而得到饥饿状态，再结合本身的基本参数得到饲喂量。
附图说明
[0089]
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性的前提下，还可以根据这些附图获得其他的附图。
[0090]
图1为本发明基于动态监测的肉羊饲喂决策方法流程图；
[0091]
图2为本发明基于动态监测的肉羊饲喂决策系统结构图；
[0092]
图3为本发明决策模型迭代优化流程简图；
[0093]
图4为本发明决策模型迭代优化流程图；
[0094]
图5为本发明基于动态监测的肉羊饲喂决策系统原理示意图。
[0095]
符号说明：1-感知端，2-云端，3-执行端，4-远程终端。
具体实施方式
[0096]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做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。
[0097]
本发明的目的是提供一种基于动态监测的动物饲喂方法及系统，通过预测动物的生理特征参数，进一步得到饥饿状态，根据节状态和基本参数得到饲喂量，在根据饲喂量进行饲喂。
[0098]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0099]
图1为本发明基于动态监测的肉羊饲喂决策方法流程图。如图1所示，本发明提供
了一种基于动态监测的肉羊饲喂决策方法，包括：
[0100]
步骤s1，获取肉羊自身的基本参数和生理特征参数、肉羊正常养殖过程中的环境参数和人为因素，得到第一集合。
[0101]
所述包括肉羊的身高、体重、月龄和体脂率等。
[0102]
所述环境参数包括温度、相对湿度、光照强度、空气流速、相关气体浓度、粉尘浓度、大气压、噪音强度、雷声、雨声和农场地理位置等；所述相关气体浓度包括氧气浓度、二氧化碳浓度、硫化氢浓度、氨气浓度和一氧化碳浓度等。
[0103]
所述人为因素包括饲喂活动、交通工具经过羊舍、清扫羊圈、打疫苗、捕捉、剃毛、施工、飞机轰鸣声、人员交谈和运输粪便等。
[0104]
所述人为因素在实际养殖过程中还可细分为：所述饲喂活动包括饲喂精饲料、饲喂草料以及人工拢料；这三种活动对于肉羊的影响并不相同，其中饲喂精饲料时肉羊反应最为明显；人工拢料是指饲喂时由于肉羊的进食活动，使饲料散到肉羊的进食范围之外，此时为了减少饲料浪费需要人工将饲料铲倒槽中；此外不同的交通工具和人员经过时对肉羊的影响也不同。养殖时，会有电动车、精饲料车、草料车、运料车、大小三轮车等经过羊舍，也可分为经过舍内未停留、停留一段时间或者从舍外经过等；人员经过也可分为普通人员、工作人员以及喂料人员等；还可根据农场的实际情况细分出更多的人为因素。
[0105]
所述人为因素可通过实际实验排除部分影响极小或者无影响的人为因素。
[0106]
所述生理特征参数包括心率、体温、血压、血糖、呼吸、步数、三维加速度、角速度和叫声等。
[0107]
在实际实验中，通过施加不同程度的人为因素干扰确定实验羊的表现情况，环境参数中的温度、相对湿度、噪声、光照、气流和空气质量会影响肉羊的进食活动；人为因素中的拢料、装料车经过、清扫羊圈和剃毛等是影响肉羊状态变化的主要因素，当肉羊处于不同饥饿状态时，其体温、血糖、叫声频率和加速度等均会出现较为明显的变化。
[0108]
其中，人为因素中的拢料和装料车经过均为干扰因素，若肉羊未处于饥饿状态，遇到上述情况时，仍会不同程度表现出生物体征参数的改变，对于此种情况，应结合一段时间内的体征参数进行判断；当出现剃毛和清扫羊圈这类不规则的突发情况时，会剧烈影响肉羊的生物体征参数，同时也影响了肉羊的饥饿状态，此种情况下不可忽略肉羊生命体征参数的变化。
[0109]
所述第一集合通过传感器模块进行采集得到，所述传感器模块包括环境传感器单元、相关柔性可穿戴传感器单元和监控单元。
[0110]
所述环境传感器单元包括相关湿度计、湿度计、光照强度测量仪、风速计、有毒气体检测仪、粉尘浓度检测仪、气压计和噪音计；所述柔性可穿戴传感器包括陀螺仪、温度贴片、心率计和计步器。所述人为因素通过记录或机器巡航得到。
[0111]
进一步地，所述第一集合中的各参数均包括动态的、实时的和连续的数据。
[0112]
对所述第一集合进行分析，得到饥饿阈值；基于所述饥饿阈值和所述决策数据集，得到所述肉羊饥饿状态。
[0113]
步骤s2，对所述第一集合进行筛选和同量纲处理，得到第二集合。
[0114]
具体地，如图4所示，所述步骤s2具体为：
[0115]
对所述第一集合中的数据进行缺失判断，若存在数据缺失，则对缺失的数据进行
补充，得到补充数据集；所述数据缺失为数据为0；所述补充数据集包括肉羊基本参数补充集、训练环境参数补充集、训练人为因素补充集和训练生理特征参数补充集。
[0116]
补充公式如下：
[0117][0118]
其中，
[0119][0120]
λj,λj∈[0,1]；1≤m≤5,1≤n≤5,m,n∈n

；
[0121]
式中：xk表示第k个数据缺失点处的补充值，m表示第k个数据缺失点处同个传感器监测前向所得的m个数据，xi表示前向所得的第i个数据值，λi代表第i个数据值的权重，n表示第k个数据缺失点处同个传感器监测后向所得的n个数据，xj表示向后所得的第j个数据值，λj代表第j个数据值的权重，n

表示正整数集；不等式表示数据缺失点处前向得到的数据的权重应大于后向的数据的权重，当时，效果最好。
[0122]
对所述训练生理特征参数补充集中的数据进行异常判断，若数据超过第一设定阈值范围，则定义数据为第一异常数据，遍历所述训练生理特征参数补充集，得到第一异常数据集；所述第一设定阈值范围为大于或等于且小于或等于且小于或等于x
min
为肉羊正常状态下每个生理特征参数对应的数据最小值，x
max
为肉羊正常状态下每个生理特征参数对应的数据最大值。
[0123]
当所述第一异常数据集与所述训练生理特征参数补充集的第一数据量比值小于第一设定比例时，对所述第一异常数据集中的第一异常数据进行替换，替换公式如下：
[0124][0125]
式中：为xb的替换值，xb表示第b个第一异常数据，q表示以第b个第一异常数据的节点处扩散开的对称的区间长度，xi表示区间长度内第i个正常数据值，α表示均值系数，当第一异常数据小于时，α∈[-0.3,0]；当第一异常数据大于时，α∈[0,0.3]。
[0126]
当所述第一数据量比值大于或等于第一设定比例时，对所述训练生理特征参数集的获取过程进行核对，若获取过程异常，则舍弃所述第一异常数据集。
[0127]
若获取过程正常，对所述第一异常数据集进行判断，当所述第一异常数据集中的第一异常数据超过第二设定阈值范围时，则定义第一异常数据为第二异常数据，遍历所述第一异常数据集，得到第二异常数据集；所述第二设定阈值范围为大于或等于且小于或等于或等于或等于
[0128]
当所述第二异常数据集与所述第一异常数据集的第二数据量比值小于第二设定
比例时，对所述第二异常数据集进行替换，当所述第二数据量比值大于或等于所述第二设定比例时，对所述第二异常数据集进行拟合，得到拟合函数，并计算所述第二异常数据集的平均值。
[0129]
若所述拟合函数呈现规律性变化，则将所述第二异常数据集按照下式进行处理，得到第一筛选数据集；
[0130][0131]
其中，为处理后的第二异常数据集，[x1,x2,
…
,x
p
]为处理前的第二异常数据集，x
avg
为第二异常数据集的平均值；当时，该式取负号，当时，该式取正号。
[0132]
若所述拟合函数不呈现规律性变化，则舍弃所述第二异常数据集。
[0133]
对所述第一筛选数据集中的数据xe进行判断，当或时，若由于拢料或者装料车经过引起，则进一步判断同一时间是否发生剃毛、清扫羊圈和打疫苗，若发生了则不进行处理，若未发生则将xe通过如下公式进行处理：
[0134][0135]
其中，为xc处理后所得的值，xe为第一筛选数据集中的第c个数据，x
c-1
为xc前一位数据值，x
c 1
为xc后一位数据值，ωi为出现的人为因素的值，r表示出现了r种人为因素，ε为差值系数；
[0136]
遍历所述第一筛选数据集，得到第二筛选数据集。
[0137]
对所述第二筛选数据集、所述肉羊基本参数补充集和所述训练环境参数补充集进行同量纲处理，对所述训练人为因素补充集进行数据化，得到所述第二集合。
[0138]
所述肉羊基本参数补充集的同量纲处理公式如下：
[0139][0140]
式中：e
ij
表示肉羊基本参数补充集中第i个基本参数中第j个数据同量纲处理后的结果，ej表示肉羊基本参数补充集中第i个基本参数中第j个数据，z表示第i个基本参数共有z个数据，表示z个数据中的最小数据，表示z个数据中的最大数据。
[0141]
所述训练环境参数补充集的同量纲处理公式如下：
[0142][0143]
其中，m
ij
表示训练环境参数补充集中第i个环境参数中第j个数据同量纲处理后的结果，s表示第i个环境参数中共有s个数据，mj表示训练环境参数补充集中第i个环境参数
中第j个数据。
[0144]
所述第二筛选数据集的同量纲处理公式如下：
[0145][0146][0147]
其中，n
ij
表示第二筛选数据集中第i个生理特征参数第j个数据同量纲处理后的结果，ni表示第二筛选数据集中第i个生理特征参数第j个数据，d表示第i个生理特征参数共有d个数据，z表示d个数据的平均值。
[0148]
所述训练人为因素补充集为文字信息，对所述训练人为因素补充集进行数据化，得到训练人为因素数据集；所述第二集合包括所述第二筛选数据同量纲集、所述肉羊基本参数补充同量纲集、所述训练环境参数补充同量纲集和所述训练人为因素数据集。
[0149]
按照影响程度，确定各人为因素的影响权重，根据数据影响因素和是非影响因素进行划分；定义若是非影响因素为是则为“1”，非则为“0”。
[0150]
对人为因素距离羊舍的距离、产生噪音的大小、以及是否直接作用于肉羊本身、是否涉及饲喂活动进行划分：
[0151][0152]
其中，ωk表示第k个文本信息数据化之后的数据，ai表示第c个文本信息中第i个数据影响因素，ai表示第i个数据影响因素的权重，如上文中提到的距离羊舍的距离和产生噪音的大小，n表示一共有n个数据影响因素；bj表示第j个是非影响因素的权重，bj表示第j个是非影响因素，m表示一共有m个是非影响因素；
[0153]
所述数据影响因素包括人为因素距离羊舍的距离和产生噪音的大小；
[0154]
所述是非影响因素包括是否直接作用于肉羊本身和是否涉及饲喂活动；若是则为1，若非则为0。
[0155]
步骤s3，基于所述第二集合构建初始决策模型，并对所述初始决策模型进行训练，得到决策模型。
[0156]
具体地，如图3和图4所示，所述步骤s3包括：
[0157]
基于所述第二集合构建所述初始决策模型；所述初始决策模型的运算节点个数计算公式如下：
[0158][0159]
式中：ω2为运算节点的个数，ω1为输入节点的个数，ω3为输出节点的个数，a1表示输入节点的个数对运算节点的数量的影响因子，a2表示输出节点的个数对运算节点的个数的影响因子，当ω1和ω3相差大于或等于节点数设定差值时，取a1＝a2＝1；σ为给定常数，σ＝5。
[0160]
将所述肉羊基本参数补充同量纲集、所述训练环境参数补充同量纲集和所述训练人为因素数据集输入所述初始决策模型，得到训练生理特征参数预测集。
[0161]
计算每个运算节点的累积量，并得到每个运算节点输出的数值。
[0162]
运算节点的累积量计算公式如下：
[0163][0164]
其中fi表示第i个运算节点的累计量，w
ij
表示第j个参数对于第i个运算节点的权值，x
ij
表示第j个参数所对应的数值，σ1表示初始计算赋予的具体值，g表示第i个运算节点对应有g个数据。
[0165]
运算节点输出的数值计算公式如下：
[0166][0167]
其中si表示第i个运算节点输出的数值，e表示自然对数函数底数。
[0168]
计算每个输出节点的累积量，并得到每个输出节点输出的数值。
[0169]
输出节点的累积量计算公式如下：
[0170][0171]
其中，mk表示第k个输出节点的累计量，w
ki
表示第i个运算节点对于第k个输出节点的权值，β2表示初始计算赋予的具体值，n表示第k个输出节点对应有n个运算节点。
[0172]
输出节点输出的数值计算公式如下：
[0173][0174]
其中mk表示第k个输出节点输出的数值，e表示自然对数函数底数。
[0175]
基于所述训练生理特征参数预测集和所述第二筛选数据同量纲集，得到误差值。
[0176]
确定自适应系数，基于所述误差值和所述自适应系数，对所述初始决策模型的阈值和权值进行修正，以进行迭代优化，直至所述误差值小于误差设定值，得到初始训练决策模型；所述自适应系数的公式如下：
[0177]
γ(μ)＝2
δ-1
γ(μ-1)
[0178][0179]
式中：γ为自适应系数，μ代表第μ次迭代，γ(μ)代表第μ次迭代的自适应系数的值，e为自然对数函数底数；当μ＝1时，γ(1)＝1。
[0180]
利用如下公式对初始决策模型的阈值和权值进行校正：
[0181][0182][0183]
其中，δw
ki
为第i个运算节点相对于第k个输出节点的权值校正量，δβ2为运算节点相对于输出节点的阈值校正量,γ为自适应系数，而xk为第k个输出节点的实际值，()
′
表示求导，η1表示自适应系数γ对于δw
ki
的影响因子，η2表示自适应系数γ对于δβ2的影响因子；
[0184]
对所述初始训练决策模型的准确率进行判断，若所述准确率大于或等于准确率设
定值，将所述初始训练决策模型作为所述决策模型；若所述准确率小于所述准确率设定值，则对所述预测模型的阈值和权值进行修正，继续进行迭代优化，直至所述准确率大于或等于所述准确率设定值。
[0185]
利用如下公式对初始训练决策模型的运算阈值与权值进行校正：
[0186][0187][0188]
其中，δw
ij
为第j个输入节点相对于第i个运算节点的权值校正量，δβ1为输入节点相对于运算节点的阈值校正量,γ为自适应系数，xk为第k个输出节点的实际值，x
ij
表示第j个输入节点输入第i个运算节点的数值，ε1表示自适应系数γ对于δw
ij
的影响因子，ε2表示自适应系数γ对于δβ1的影响因子。
[0189]
步骤s4，获取实时人为因素集和实时环境参数集，结合所述第一集合和所述决策模型，得到决策数据集。
[0190]
根据已有数据进行验证实验，分别利用传统方法和本发明所提供的的方法进行验证，将相关数据输入至决策模型中，可以获得如表1所示的实验结果。通过对比相对误差绝对值的均值、最大值和最小值，可得本发明的方法可获得更小的误差，适合于实际生产使用。
[0191]
表1决策数据集如表
[0192][0193][0194]
步骤s5，基于所述决策数据集得到肉羊饥饿状态，并根据所述肉羊饥饿状态进行饲喂。
[0195]
具体地，所述步骤s5包括：对所述决策数据集进行分类，得到分类数据集，基于所述分类数据集和所述饥饿阈值，得到所述肉羊饥饿状态。
[0196]
根据所述肉羊饥饿状态，得到饲喂量；基于所述饲喂量进行饲喂。
[0197]
在对肉羊进行饲喂后的设定时间长度内，降低所述实时人为因素集和所述实时环境参数集的采集频率。
[0198]
基于所述肉羊饥饿状态和所述肉羊基本参数补充集，得到所述饲喂量；所述饲喂量包括精饲料量和草料量；
[0199]
所述精饲料量的计算公式如下：
[0200][0201]
所述草料量的计算公式如下：
[0202][0203]
式中：yi为肉羊基本参数补充集中第i个数值，m为肉羊处于完全饥饿状态时的精饲料量，xi为第i个数值的精饲料权值，m为精饲料量系数；n为肉羊处于完全饥饿状态时的草料量，wi为第i个数值的草料量权值，n代表草料量系数，草料量系数基于饲料适口性、含水量和营养成分得到。
[0204]
如图2和图5所示，本发明提供了一种基于动态监测的肉羊饲喂决策系统，包括：
[0205]
感知端1，获取肉羊自身的基本参数和生理特征参数、肉羊正常养殖过程中的环境参数和人为因素，得到第一集合；获取实时人为因素集和实时环境参数集。
[0206]
云端2，对所述第一集合进行筛选和同量纲处理，得到第二集合；基于所述第二集合构建初始决策模型，并对所述初始决策模型进行训练，得到决策模型；基于所述实时人为因素集、所述实时环境参数集和所述第一集合，结合所述决策模型，得到决策数据集；基于所述决策数据集得到肉羊饥饿状态；根据所述肉羊饥饿状态，得到饲喂量。
[0207]
执行端3，根据所述饲喂量进行饲喂。
[0208]
远程终端4，获对所述实时人为因素集、所述实时环境参数集、所述决策数据集、所述肉羊饥饿状态和所述饲喂量进行显示。
[0209]
所述第一集合包括肉羊基本参数集、训练环境参数集、训练人为因素集和训练生理特征参数集；
[0210]
所述感知端1包括：
[0211]
记录单元，记录肉羊基本参数集；所述基本参数包括身高、体重和月龄。
[0212]
环境监测单元，获取所述训练环境参数集和所述实时环境参数集；所述环境参数包括温度、湿度、光照强度、空气流速、相关气体浓度、粉尘浓度、大气压、噪音、羊舍面积和农场地理位置；所述相关气体浓度包括二氧化碳浓度、硫化氢浓度、氨气浓度和一氧化碳浓度。
[0213]
人为监测单元，获取所述实时人为因素集和所述训练人为因素集；所述人为因素包括饲喂活动、清扫羊圈、打疫苗、捕捉、剃毛、施工、运输粪便、飞机轰鸣声和人员交谈。
[0214]
柔性可穿戴传感器单元，获取所述训练生理特征参数集；所述生理特征参数包括心率、体温、血压、血糖、呼吸、步数、加速度、角速度和叫声。
[0215]
所述云端2包括：
[0216]
同量纲处理单元，对所述第一集合进行筛选和同量纲处理，得到第二集合；
[0217]
机器训练单元，基于所述第二集合构建初始决策模型，并对所述初始决策模型进行训练，得到决策模型。
[0218]
决策单元，基于所述实时人为因素集、所述实时环境参数集和所述第一集合，结合
所述决策模型，得到决策数据集。
[0219]
运算单元，基于所述决策数据集得到肉羊饥饿状态；根据所述肉羊饥饿状态，得到饲喂量。
[0220]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0221]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。