[发明专利]一种猪舍多点温度预测方法及系统

权利要求书

1.一种猪舍多点温度预测方法，其特征在于，包括：

S1，实时采集目标猪舍的多个预设监测点的环境信息，其中多个所述预设监测点包括所述目标猪舍的出风口和进风口以及所述目标猪舍的中央位置，所述环境信息包括温度信息和湿度信息；

S2，将所述多个预设监测点的环境信息输入训练好的神经网络模型中，获得所述目标猪舍的实时预测温度。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1之前还包括：

在所述目标猪舍的每个所述预设监测点设置温度传感器和湿度传感器；

利用所述温度传感器采集每个所述预设监测点的温度信息，并利用所述湿度传感器采集每个所述预设监测点的湿度信息。

3.根据权利要求1所述的方法，其特征在于，所述步骤S2之前还包括：

获取所述目标猪舍的多个预设监测点的样本环境信息；

根据所述多个预设监测点的样本环境信息对神经网络模型进行训练，获得所述训练好的神经网络模型。

4.根据权利要求3所述的方法，其特征在于，所述获取所述目标猪舍的多个预设监测点的样本环境信息之后还包括：

对所述多个预设监测点的样本环境信息进行归一化处理；

相应地，根据归一化处理后的所述多个预设监测点的样本环境信息对神经网络模型进行训练，获得所述训练好的神经网络模型。

5.根据权利要求3所述的方法，其特征在于，所述根据所述多个预设监测点的样本环境信息对神经网络模型进行训练，获得所述训练好的神经网络模型进一步包括：

将所述多个预设监测点的样本环境信息划分为训练样本和测试样本；

构建神经网络模型，并设置所述神经网络模型的目标误差；

将所述训练样本输入所述神经网络模型进行训练，直至所述训练样本的实际误差不大于所述目标误差，获得训练后的神经网络模型；

将所述测试样本输入所述训练后的神经网络模型，当所述测试样本的实际误差不大于所述目标误差时，获得所述训练好的神经网络模型。

6.根据权利要求1所述的方法，其特征在于，所述步骤S2之后还包括：

设置监测周期，利用所述训练好的神经网络模型获取所述目标猪舍在所述监测周期内各个时间点的实时预测温度，获得所述目标猪舍在所述监测周期内的温度变化信息；

将所述温度变化信息发送给用户终端。

7.一种猪舍多点温度预测系统，其特征在于，包括：

信息采集模块，用于实时采集目标猪舍的多个预设监测点的环境信息，其中多个所述预设监测点包括所述目标猪舍的出风口和进风口以及所述目标猪舍的中央位置，所述环境信息包括温度信息和湿度信息；

温度预测模块，用于将所述多个预设监测点的环境信息输入训练好的神经网络模型中，获得所述目标猪舍的实时预测温度。

8.根据权利要求7所述的系统，其特征在于，还包括模型训练模块，用于：

获取所述目标猪舍的多个预设监测点的样本环境信息，将所述多个预设监测点的样本环境信息划分为训练样本和测试样本；

构建神经网络模型，并设置所述神经网络模型的目标误差；

将所述训练样本输入所述神经网络模型进行训练，直至所述训练样本的实际误差不大于所述目标误差，获得训练后的神经网络模型；

将所述测试样本输入所述训练后的神经网络模型，当所述测试样本的实际误差不大于所述目标误差时，获得所述训练好的神经网络模型。

9.一种猪舍多点温度预测方法的设备，其特征在于，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至6任一所述的方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至6任一所述的方法。