控制和管理养殖场的生产周期的方法与流程

1.本发明涉及一种控制和管理养殖场的生产周期的计算机实现的方法和系统，该养殖场饲养例如鸡或其他家禽之类的动物群体。


背景技术：

2.农场主通常通过手动进行日常的农场作业来管理和经营诸如鸡舍之类的农舍。这些作业主要包括向所饲养的动物或家畜提供足够的饲料和水。随着时间的推移，已经发现控制某些参数会导致家畜的产量和质量更高。例如，温度、湿度、通风、饲料周期和照明都有助于成功饲养家畜和提高产量。此外，通过选择性育种过程，已经改变某些期望的特性，如肉类产量。
3.用于农舍的控制系统最初由简单的模拟控制装置开始，诸如控制农舍内的温度的恒温控制器。数字控制器紧随其后，并且普遍取代了农舍里的手动或模拟控制装置。相关参数通常经由定位在整个农舍的各种传感器和致动器自动控制。在诸如家禽或猪舍之类的农舍中控制的参数通常包括温度、湿度、水、通风、用于喂食器和饮水器的计时器、以及用于照明的计时器。
4.从us 2005/0010333中已知一种用于监控、管理和/或经营多个农场上的多个农舍的系统，该系统包括农舍中的控制器和/或监控箱，以及与控制器通信以控制和调整农舍的各种参数，或者与监控箱通信以监控农舍的计算机。该系统还包括位于集成商办公室的计算机，该计算机可操作以远程监控和/或控制来自农舍的各种参数。这些参数使集成商能够与加工厂、饲料厂、现场服务和孵化场协调操作。它还使集成商能够准备供集成商或其他人使用的各种数据报告。集成商可以标准化或确定各个农场的最优控制参数，以获得由结果参数测量的最佳结果。集成商可以比较第一农舍和第二农舍的喂食速率，然后比较家畜达到选定的家畜体重的速率。如果一个农舍更快地达到所选择的结果参数，则集成商能够确定更好的控制参数来达到所选择的结果参数。
5.现今，在养殖场，可以因此收集大量的(传感器)数据，诸如温度、气压、空气流量、噪声、co2、氨、水和饲料摄入量、湿度、空气组成。农场主很难全面地考虑这种大量的测量数据。因此，由于数据的复杂性，不能以理论上可能的方式进行作为对传感器数据变化的反应的农场操作参数的调整。另外，(传感器)数据的某种改变并不仅仅建议农场操作参数的某种调整，而是几种不同的调整都是可能的。
6.因此，本发明的目的是提供一种控制和管理养殖场的生产周期的计算机实现的方法和系统，该养殖场饲养例如鸡或其他家禽之类的动物群体，该方法和系统能够改进对在农场处收集的数据的使用，以便优化养殖结果。


技术实现要素：

7.本发明涉及一种系统地控制和管理收容动物群体的养殖场的生产周期的计算机实现的方法，该方法包括以下步骤：
8.(a)借助于一个或多个、优选多个传感器和/或手动的或基于机器的测量和评估装置获得实时数据，
9.该实时数据包括至少以下农场条件参数：
10.(a1)指示动物状态的动物状态参数，
11.(a2)描述生产过程的过程参数；及
12.(a3)指示动物的性能的动物性能参数；
13.(b)建立动物状态参数和过程参数与动物性能参数的统计相关性；
14.(c)根据在步骤(a)中获得的农场条件参数和根据在步骤(b)中识别的统计相关性来计算和自动调节用于农场操作参数的一组数据设定点，使得动物性能参数中的至少一个选定的动物性能参数被优化；
15.该调节步骤使用至少一个控制器和/或至少一个致动器来执行；及
16.(d)重复进行过程步骤(a)至(c)，直至完成生产周期。
17.农场条件参数(a1)至(a3)和农场操作参数如以下描述中所定义。通常，农场条件参数是在生产周期期间获得或测量的那些参数；而农场操作参数是可以在生产周期期间主动适应或调整的那些参数。
18.进一步地，本发明提供一种用于系统地控制和管理收容动物群体的养殖场的生产周期的系统，该系统包括：
19.(a)一个或多个、优选多个传感器和/或手动的或基于机器的测量和评
20.估装置，其适于获得至少以下农场条件参数：
21.(a1)指示动物状态的动物状态参数，
22.(a2)描述生产过程的过程参数；及
23.(a3)指示动物的性能的动物性能参数；
24.(b)第一计算单元，其被配置成建立动物状态参数和过程参数与动物性
25.能参数的统计相关性；
26.(c)第二计算单元，其被配置成根据由传感器和/或测量和评估装置(a)
27.获得的农场条件参数和根据由第一计算单元(b)识别的统计相关性来计算用于农场操作参数的一组数据设定点，使得动物性能参数中的至少一个选定的动物性能参数被优化；及
28.(d)控制单元，其适于自动地调整如通过该第二计算单元计算的农场操作参数的所述组数据设定点。
具体实施方式
29.家畜生产周期是这样的时期，在该时期期间，在相应过程中的动物从该过程开始到成品的输出保持在生产过程中的时期。生产周期可以例如是选择育种、孵化/饲养或育肥。本发明的方法特别适用于以仔畜(例如幼雏)作为起始原料并且以准备屠宰(“育成”)的育肥动物(肉鸡)作为输出的动物产品的家畜(诸如家禽)育肥方法。
30.在本发明的上下文中，术语“系统地(控制和管理)”应理解为根据固定计划采取至少初始控制和管理措施。然而，所述计划可以基于从基础算法的学习而被连续地系统地修改。术语“控制”应被理解为对正在进行的过程实施指导，并且术语“管理”应被理解为对该
过程进行调整或介入过程中以便优化过程结果(即，动物性能参数)。
31.在本发明的上下文中，术语“商业动物性能参数”/“商业app”是指在每个生产周期中必须满足或优化的商业要求或动物的关键性能指标(例如体重、均匀性等)。
32.动物状态参数(a1)
33.术语“指示动物状态的参数”(动物状态参数)是指显示动物的实际状态或状况的参数。这些参数不仅包括动物的身体状况和特征(例如体重、预设特征如遗传学)，而且包括动物的行为/活动(例如运动轨迹)和允许得出关于动物的健康或安康的间接结论的参数(例如消耗的食物量、空气组成)。
34.有利地，动物状态参数(a1)包括选自以下的至少一个参数：动物在农舍内的分布和运动、肌肉运动活动、当前动物体重、饲料消耗量、动物舍气氛的组成；或这些参数的任何组合。动物舍气氛的组成是指动物在农舍内吸入的空气。特别地，氨、二氧化碳和氧气的浓度在实践中是相关的。在直接农舍加热的情况下，来自燃烧燃料的额外氧化产物存在于农舍气氛中(如co、nox)。在寒冷季节，当减少通风以节约能源成本时，这是特别重要的。二氧化碳水平升高例如影响活动、健康肌肉生长，因此妨碍动物健康和安康。
35.另外的动物状态参数是例如性别、健康参数(例如疾病、抗体、足垫损伤、某些细菌的数量、血概况)和行为参数(例如畜群/牧群分布、饲料和水摄取、单个动物/家禽和畜群的活动和作为时间函数的运动)。
36.在本发明的一个优选的实施方案中，动物状态参数(a1)进一步包括经由传感器和/或测量和评估装置不能获得的初始动物和环境参数，诸如动物遗传学和相应的推荐饲养制度。
37.过程参数(a2)
38.术语“描述生产过程的参数”(过程参数)是指在该过程期间测量或监控但不与动物直接相关的参数。因此，那些参数反映了动物的环境条件(例如温度、压力)及其供应(例如水、饲料、空气)。此外，过程参数还用作农场操作参数的直接控制(验证)。
39.有利地，过程参数(a2)包括选自以下的至少一个参数：环境参数、饲料的量、质量、物理参数、组成和可代谢能量、补充剂、供水、水质、温度、气压、空气质量(co2、nh3、灰尘)、通风/空气速度、照明、声音、湿度；或这些参数的任何组合。其他过程参数是例如饲养参数(例如密度、照明方案、气候控制方案)、允许在农舍内或农舍外花费的时间、废物/地面质量、富集材料、饲料储仓内容物和水平以及疫苗接种方案。
40.在本发明的一个优选的实施方案中，工艺参数(a2)进一步包括经由传感器和/或测量和评估装置不能获得的附加参数，诸如标准操作程序(sop)。养殖sop具有不同来源：除了关于畜牧业的一般教科书知识之外，国家立法还定义了需要实施的某些要求。此外，国家农业咨询机构公布了具体相关领域的建议，例如饲料组成。此外，品种/遗传学的供应商给出了源自他们的试验和经验的建议。在sop意义上的动物营养领域中的建议例如由范围从饲料制造商和基因型鸡的制造商到专业事务部/委员会/网络(例如，德国农业协会、国家研究委员会)的著名机构提供。
41.动物性能参数(a3)
42.术语“指示动物性能的参数”(动物性能参数)是指影响目标参数或与目标参数相关的参数，所述目标参数有如大小/形式一致性、肉产量(重量增加或每时间单位的重量增
加)、产奶量或产蛋性能(蛋数量、蛋大小、碎蛋的百分比)。
43.有利地，动物性能参数(a3)包括选自以下的至少一个参数：动物健康和死亡率、热量转化率、饲料转化率、体重增加；或这些参数的任何组合。动物性能参数的其它实例是例如作为时间的函数的活重、死亡率和健康动物/家禽比率(例如孵化率)。
44.农场性能参数(a4)
45.除了上述参数(a1)至(a3)之外，农场条件参数还可以包括指示农场本身的性能的参数(a4)。术语“指示农场性能的参数”(农场性能参数)包括例如与其生态足迹、二氧化碳和氨气排放、废物质量、空中病原体负荷、地下水质量、水基废物排放水平及其预处理等相关的参数。
46.在本发明的这个实施方案中，根据在步骤(a)中获得的农场条件参数和在步骤(b)中识别的统计相关性，通过计算和自动调整用于农场操作参数的一组数据设定点来优化动物性能参数中的至少一个选定参数和/或农场性能参数中的一个选定参数。
47.有利地，农场性能参数(a4)包括选自二氧化碳和/或氨气排放的至少一个参数。
48.数据收集
49.在本发明的上下文中使用的术语“实时数据”表征可以在预定时间段内，例如在固定时间网格中，可靠地传递某些结果的操作。用于处理积累数据的程序总是准备好以这样的方式操作，即处理结果在指定的时间段内可用。根据应用，数据可以随时间随机分布或在预定时间点产生。
50.这种实时数据借助于一个或多个传感器和/或手动的或基于机器的测量和评估装置获得。术语“传感器”指的是其用途是检测其环境中的数据、变化或事件，并将信息发送到其他电子设备，优选计算机处理器的任何设备、模块、机器或子系统。在根据本发明的方法中使用的传感器可以包括光学、声学和/或化学传感器。
51.农舍包括多个传感器，包括光学、声学和/或化学传感器。由此获得的数据可以包括关于温度、气压、通风、照明，关于动物在农舍内的分布和运动、动物的肌肉运动活动、动物的体重、饲料和水消耗量、声音数据、空气组成数据和嗅觉数据的数据。
52.术语“测量和评估装置”是指监控或帮助农场主读取和确认重量、每单位面积的动物数量、生生存空间中的分布，行为等的测量值的装置，其在没有人为干预、调整和确认的情况下不能通过机器精确测量。
53.动物的分布、运动和肌肉运动活动可以通过基于视频或照片的数据的统计分析来确定。动物体重可以使用适当的体重计来确定，诸如测量在鸡栖息处的栖息杆上产生的力的体重计。饲料消耗量可以使用具有填充系统的喂食器来确定，该填充系统包括流量计，所述流量计能够测量提供给农舍的由包含在农舍中的家畜所消耗的饲料量。空气组成和嗅觉数据例如可以使用电子鼻或气相色谱法(gc)来确定。
54.建立统计相关性
55.统计相关性可以从各个农场的过去的性能参数和/或从在类似过去情况下农场操作参数发生变化后的动物性能参数经验性地建立或学习。该学习是基于回归分析、反向传播、一系列特征或表示学习算法和关联规则，这有助于为针对期望的优化输出的各种类型的输入创建决策树，并基于它们有助于开发(小)神经网络。统计相关性可以使用半强化学习(或受支持的强化学习)建立，同时尝试实现所选动物性能参数(app)的最佳平衡，因为所
有app永远不能同时优化，并且可以另外由科学上“可能的”或科学上可证实或验证的结果的库支持或与之匹配。本发明上下文中的科学“可能”结果是从模型系统(诸如生物/物理模型)获得的交叉检验或交叉验证的结果。
56.农场操作参数的调节
57.在生产周期期间，实时获得和监控上述参数(a1)、(a2)、(a3)和任选存在的(a4)，而在过程(过程步骤(c))期间主动调节农场操作参数。
58.在本发明的上下文中，术语“农场操作参数”是指可以(在该过程之前或)在该过程期间主动设置、管理或调整的那些参数。
59.农场操作参数的实例是限定的温度/温度范围、限定的照明方案或程序、限定的新鲜空气供应、关于流速的限定的通风或每单位时间提供限定量的饲料。因此，“调整用于农场操作参数的一组数据设定点”可以例如意味着湿度、温度、气流和照明方案的组合效果，尤其是在外部天气条件的情况下，对什么可以在农舍中改变到什么程度具有影响。此外，水和基于进料的添加剂可用于抵消不期望的影响或放大其他影响参数的期望。
60.农舍包括用以向动物群体提供限定量的必要供给(例如水、饲料、通风、温度、湿度、饲料补充剂、益生菌、药物、疫苗接种等)的设施或子设施。通风系统(典型地包括可以关闭和打开的风扇和可以打开和关闭的风扇百叶窗)允许控制进入农舍的新鲜空气的量并且还允许压力差异。通风系统，包括其各种部件，可以影响农舍内的温度和空气质量(诸如氨气和二氧化碳浓度和氧气水平)。温度可以经由通风系统间接控制。然而，它也可以由蒸发冷却系统和孵化器直接控制。通过将空气抽吸通过加湿的垫，蒸发冷却系统不仅可以调节农舍内的温度参数，还可以调节湿度水平。动物，优选猪和鸡的喂食和饮水可以通过由饲料箱和填充系统提供的(自动)喂食器来控制。这些设施或子设施的所有过程由上述算法例如经由特定致动器直接调节。
61.经由根据本发明的方法进行的调节取决于在步骤(a)中获得的农场条件参数和在步骤(b)中识别的统计相关性，并且优选地使用至少一种算法来计算。然后通过修改农场操作参数的一组数据设定点立即执行这种计算的结果。优选地，使用在神经网络上操作的机器学习程序来执行计算和调节步骤(c)，以依赖于所获得的动物状态参数和过程参数来迭代地调节所述组农场操作参数，并且其中动物性能参数以及动物状态与过程参数之间的测量的统计相关性被用作训练神经网络的目标参数。
62.有利地，使用经由算法库变得可用的算法的组合来执行计算步骤。从本发明的意义上的算法库是与各个app的优化相关的算法的档案。算法库可以是用于优化app的最佳算法/变体的简单数据库，通常是孤立的，并且如果已知，则可以是它们对其他app的影响。
63.优选地，使用预测引擎来执行步骤(c)中的计算。在本发明的上下文中的预测引擎是基于算法的系统，该基于算法的系统被配置为从数据中提取信息，并使用该信息来预测趋势和可能的中间和最终处理结果，每一种都具有一定的概率。根据本发明的预测引擎优选地使用来自算法库的算法来处理在步骤(b)中建立的统计相关性。
64.在后一种情况下，基于步骤(b)中建立的统计相关性，针对个体动物性能参数和在步骤(c)中进行的相应优化计算，对库的算法进行优先化(或重新优先化)。对于每个新发现的统计相关性，优先级排序可以改变，然后机器进行学习(机器学习)。用于单个app的最佳算法可以被如此指定或标记。然而，预测引擎对算法的优先挑选考虑了基于仿真的优化，以
最小化其它app的损失，其可能被认为是约束。因此，用于预测引擎的算法优先化的规则是基于遗传算法，该遗传算法在考虑约束的同时优化所选择的(或已知期望的)商业app。
65.在本发明的上下文中，遗传算法是指反映选择最适合的个体的自然选择过程的搜索启发式算法。例如，为了将死亡率降至最低，该机器可以计算出将零只鸡放置在肉鸡场上是最佳的；然而，如果预测引擎得到每周期放置至少30,000只一日龄鸡的约束，则该理论可能性可以被预测引擎忽略。类似地，如果商业app规定利润最大化，同时支持可持续畜牧业所需的最低监管标准，则预测引擎将挑选平衡这两个需求的算法，即使它可以渐近地从不达到最大利润。这里，可以应用预测引擎，该预测引擎获得其对动物性能参数和需要优化的商业app的输入，从而可以挑选优先化的算法并将它们应用于所获得的农场条件参数。预测引擎的计算的结果可以任选地与动物响应的可能的基于科学的结果进行比较，作为示例，该基于科学的结果可以基于动物的生物模型来识别。这将可能的结果集减少到仅科学上可能的结果集。这样的科学验证可以提高质量并加速最优计算结果的传递。所述算法可能需要通过监督和手动重新优先化来进行周期性拟合，以提供最有希望的结果/调整来实现期望的动物性能参数。
66.过程步骤(c)可以以分阶段的、定期或连续的方式进行，并且有利地使用至少一个控制器和/或至少一个致动器进行。
67.根据以上内容，本发明还涉及一种用于系统地控制和管理收容动物群体的养殖场的生产周期的系统，该系统包括：
68.(a)一个或多个、优选多个传感器和/或手动的或基于机器的测量和评
69.估装置，其适于获得至少以下农场条件参数：
70.(a1)指示动物状态的动物状态参数，
71.(a2)描述生产过程的过程参数；及
72.(a3)指示动物的性能的动物性能参数；
73.(b)第一计算单元，其被配置成建立动物状态参数和过程参数与动物性
74.能参数的统计相关性；
75.(c)第二计算单元，其被配置成根据由传感器和/或测量和评估装置(a)
76.获得的农场条件参数和根据由第一计算单元(b)识别的统计相关性来计算用于农场操作参数的一组数据设定点，使得动物性能参数中的至少一个选定的动物性能参数被优化；及
77.(d)控制单元，其适于自动地调整如通过该第二计算单元计算的农场操作参数的所述组数据设定点。
78.有利地，第二计算单元是包括遗传算法的预测引擎，该遗传算法被配置为优化所选择的动物性能参数，同时最小化未选择的动物性能参数的损失。控制单元可以包括或由至少一个控制器和/或至少一个致动器组成。
79.图1中描述了本发明的一个具体实施方案。该系统整体上包括真实世界过程层、测量和监控层、预测层和动作层。影响动物性能参数(a3)的动物状态参数(a1)和过程参数(a2)是真实世界过程层的一部分。这些参数在测量和监控层中使用传感器(包括中间软件)、手动的或基于机器的测量和评估装置或机器读数获得，并输入到第一计算单元，该第一计算单元被配置成建立动物状态参数和过程参数与动物性能参数的统计相关性。所述第
一计算单元可以嵌入知识库中。这种知识库进一步包括如上所述的算法库，并且任选地还包括用于获得科学上“可能的”结果例如从如上所述的模型系统，诸如生物/物理模型获得的结果的装置。
80.基于第一计算单元的输出(即动物状态参数和过程参数与动物性能参数的统计相关性)，从算法库中选择合适的算法，然后将其应用于第二计算单元，从而成为预测引擎。由预测引擎处理的信息还包括商业app，并且任选地还包括关于未测量变量的假设。预测引擎的输出与科学上可能的结果相匹配，该科学上可能的结果然后用作推荐引擎的输入，该推荐引擎输出要调整的农场操作参数的一组数据设定点。最后，通过控制器和致动器实施这些调节。重复这些过程步骤直到生产周期结束。