CN119514877A - 生猪养殖设备全生命周期监测管理系统、介质及终端 - Google Patents

Abstract

本发明公开一种生猪养殖设备全生命周期监测管理系统、介质及终端，包括用户登录模块用于用户权限管理和数据查询；数据采集模块用于采集生猪养殖使用智能设备的全生命周期数据；数据预处理模块用于利用物联网技术对实时监测各类智能设备运行数据进行预处理；数据存储模块用于储存各种数据信息；数据分析模块用于采用深度神经网络模型对智能设备的状态进行预测评估；设备状态预警模块用于根据设备的特性和业务需求，设定预警规则建立预警机制，发出预警及对应采取的措施通知；智能决策模块用于生成设备状态评估报告，生成多维度的数据分析报告；显示模块用于显示生成多维度的数据分析报告。本发明对智能设备进行监管，提高了养殖效率和管理水平。

Description

生猪养殖设备全生命周期监测管理系统、介质及终端

技术领域

本发明涉及智慧养殖设备检测管理技术领域，具体涉及是一种生猪养殖设备全生命周期监测管理系统、介质及终端。

背景技术

现代化大规模养猪产业中，对于生猪的生长、健康状况的监测非常重要。

在当前趋势下，为了精确监控和优化生猪的生长环境，养殖场普遍采用了多种物联网设备，形成了一个高度集成的智能监控系统，通过智能监控系统搭建数据深度学习模型进行统计分析，该系统需要布设大量的数据采集监控装置设备，但是这些装置设备在运行一定时间范围内可能因各种原因出现故障，如老化、环境因素干扰(如尘埃、湿度)、电源不稳定或软件故障等。若这些故障未能及时发现和处理，将直接削弱生猪生长环境的监控能力，进而影响生猪的生长速度、健康状况的及时了解。

发明内容

本发明的目的是一种生猪养殖设备全生命周期监测管理系统、介质及终端，监测生猪养殖智能设备全生命周期智能化管理系统的各项功能，提高养殖效率和管理水平。

为了实现上述目的之一，本发明采用如下技术方案：

一种生猪养殖设备全生命周期监测管理系统，包括：用户登录模块、数据采集模块、数据预处理模块、数据存储模块、数据分析模块、设备状态预警模块、智能决策模块和显示模块，

所述用户登录模块，用于用户权限管理和数据查询；

所述数据采集模块，用于采集生猪养殖使用智能设备的全生命周期数据，包括：智能设备基本信息、智能设备运行实时数据、历史数据和环境数据；

所述数据预处理模块，用于利用物联网技术对实时监测各类智能设备运行数据进行预处理；

所述数据存储模块,用于储存所述数据预处理模块预处理后的各种数据信息；

所述数据分析模块，用于对各种预处理后的数据信息，采用深度神经网络模型对智能设备的状态进行预测评估；

所述设备状态预警模块，用于根据设备的特性和业务需求，设定预警规则建立预警机制，若所述数据分析模块分析的数据达到预设预警条件，判定为异常，发出预警及对应采取的措施通知；

所述智能决策模块，用于基于所述数据分析模块中对各种设备状态的评估，生成设备状态评估报告；

所述显示模块，用于显示生成的多维度的数据分析报告。

进一步地，还包括所述数据校验模块，用于将所述数据预处理模块处理的数据进行校验，包括：校验数据格式是否正确、数据范围是否在合理范围内、时间戳是否连续、数据字段是否一致。

进一步地，还包括可扩展模块，所述可扩展模块用于对后续可控业务需求以及不可控潜在需求进行可扩展式的适应。

进一步地，所述智能设备基本信息，包括：设备名称、型号、生产厂家、安装位置、时间戳、设备ID信息和使用寿命；

所述智能设备运行实时数据，包括：温度、湿度、压力、流量、氨气浓度、转速传感器读数，以及设备的工作状态(如启动、停止、故障)信息；

所述历史数据信息，包括：设备过去的运行记录、维护记录、故障记录；

所述环境数据信息，包括：养殖场的温度、湿度、光照环境条件。

进一步地，所述数据预处理模块，用于对所述数据采集模块采集的数据进行清洗、去噪、格式化处理，所述清洗处理包括去除重复数据、填补缺失数据和修正错误数据，以确保数据的完整性和准确性；所述格式化处理包括将各数据转换为统一格式、将时间序列数据拆分为单个数据点以及对数据进行编码。

进一步地，所述数据分析模块，用于对各种预处理后的数据信息，采用深度神经网络模型对智能设备的状态进行预测评估，具体包括：

用于利用物联网技术对实时监测的各类智能设备运行数据，并结合智能设备基本信息数据，智能设备历史数据信息，以及环境数据信息，通过这四类多模态数据的特征融合，使用基于PyTorch深度学习框架构建的长短时记忆网络模型对时序数据进行分析，预测设备状态。

进一步地，所述智能设备包括各种传感器(在养殖场各个角落安装的温湿度传感器、氨气浓度传感器、光照度传感器和网络摄像头)、智能饲喂器、智能环控器、智能巡检机器人和3D估重仪。

进一步地，所述数据存储模块设有基础数据库、模型存储数据库、评价管理库、设备周检/轮换库和数据分析库,所述基础数据库用于存储所述智能设备基本信息、智能设备运行实时数据、历史数据和环境数据；其中,所述智能设备运行实时数据和环境数据属于实时数据信息,采用采用数据库视图；所述智能设备基本信息和历史数据属于非实时类数据信息,采用建立中间库加定时任务的方式，将交互数据采用异步非实时的方式转存至中间库表，通过一定的间隔时间进行整表或差异数据的同步更新。

为了实现上述目的之二，本发明采用如下技术方案：

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述任意一项所述生猪养殖设备全生命周期监测管理系统。

为了实现上述目的之三，本发明采用如下技术方案：

一种信息数据处理终端，所述信息数据处理终端用于实现于电子装置上执行时，提供用户输入接口以实施如上述任一项所述生猪养殖设备全生命周期监测管理系统。

本发明的有益效果：

本发明是针对生猪养殖行业的智能化管理系统，覆盖生猪养殖设备的全生命周期管理，重点对设备的基本信息、实时运行数据和历史数据信息、环境数据进行全面记录与分析。系统集成了实时数据与非实时数据，实时数据包括设备的运行状态、设备读数(如温度、湿度)，而非实时数据涵盖设备的基本信息和历史记录(如维护和故障记录)。通过综合分析这些数据，系统能够提供精准的监测和决策支持，提升养殖效率，降低管理成本，促进生猪养殖行业的可持续发展。

通过物联网技术从智能设备中实时收集的运行数据是时间序列数据，并结合智能设备基本信息数据，智能设备历史数据信息，以及环境数据信息，通过这四类多模态数据的特征融合，使用长短时记忆网络模型对四类多模态数据进行分析，预测设备状态。基于PyTorch深度学习框架构建长短时记忆网络模型。模型包括输入层、三个长短时记忆网络层以及输出层。输入层接收归一化后的时间序列数据，长短时记忆网络层负责提取时间序列数据中的特征并预测状态结果，输出设备预测状态。该模型提高了对生猪养殖设备状态的评价与分析的准确性和鲁棒性。长短时记忆网络模型结合多源异构检测数据，可以帮助揭示设备状态的变化规律，提供更准确的状态评估和预测。这种结合有效地应对数据时序性和完整性方面的挑战，使得本监测系统更具泛化能力，提高了内在规律预测的准确性，从而实现了生猪养殖设备状态的准确评估和早期故障在线预警。

附图说明

图1为本发明具体实施例1的原理框图。

具体实施方式

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，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。

实施例1：

参见图1所示，一种生猪养殖设备全生命周期监测管理系统，包括用户登录模块1、数据采集模块2、数据预处理模块3、数据校验模块4、数据存储模块5、数据分析模块6、设备状态预警模块7、智能决策模块8和显示模块9，所述用户登录模块分别与数据采集模块连接，所述数据采集模块依次与数据预处理模块、数据校验模块、数据存储模块、数据分析模块、设备状态预警模块、智能决策模块和显示模块连接，所述显示模块与用户登录模块连接。

所述用户登录模块，用于用户权限管理、数据查询和远程控制，用户端可以是平板、电脑、笔记本等终端。

所述数据采集模块，用于采集生猪养殖使用智能设备的全生命周期数据，包括：智能设备基本信息、智能设备运行实时数据、历史数据和环境数据；所述智能设备包括各种传感器、智能饲喂器、智能环控器、智能巡检机器人和3D估重仪。各种传感器包括在养殖场各个角落安装的温湿度传感器、氨气浓度传感器、光照度传感器和网络摄像头。

所述智能设备基本信息，包括：设备名称、型号、生产厂家、时间戳、设备ID信息、安装位置和使用寿命；

所述智能设备运行实时数据，包括：温度、湿度、压力、流量、氨气浓度、转速传感器读数，以及设备的工作状态(如启动、停止、故障)信息；

所述历史数据信息，包括：设备过去的运行记录、维护记录、故障记录；

所述环境数据信息，包括：养殖场的温度、湿度、光照环境条件。

所述数据预处理模块，用于利用物联网技术对实时监测各类智能设备运行数据进行预处理；具体包括：

用于将所数据采集模块采集进行清洗、去噪、格式化处理，所述清洗处理包括去除重复数据、填补缺失数据和修正错误数据，以确保数据的完整性和准确性。所述格式化处理包括将各数据转换为统一格式、将时间序列数据拆分为单个数据点，以便于进行时间序列分析，以及对数据进行编码，以确保数据的可读性和可解释性。该数据预处理模块方便数据的存储、后续分析和不同系统间的数据交换和理解。

可能的，在数据预处理模块之后，还包括所述数据校验模块，用于将所述数据预处理模块处理的数据进行校验，包括校验数据格式是否正确、数据范围是否在合理范围内、时间戳是否连续_、数据字段是否一致。

所述数据存储模块,用于储存所述数据预处理模块预处理后的各种数据信息；具体的，所述数据存储模块设有基础数据库、模型存储数据库、评价管理库、设备周检/轮换库和数据分析库,所述基础数据库用于存储所述智能设备基本信息、智能设备运行实时数据、历史数据和环境数据,其中,所述智能设备运行实时数据和环境数据属于实时数据信息,采用采用数据库视图；所述智能设备基本信息和历史数据属于非实时类数据信息,采用建立中间库加定时任务的方式，将交互数据采用异步非实时的方式转存至中间库表，通过一定的间隔时间进行整表或差异数据的同步更新。该设备周检/轮换库用于进行设备的检验和替换数据存储。

所述数据分析模块，用于对各种预处理后的数据信息，采用深度神经网络模型对智能设备的状态进行预测评估；具体包括：

用于利用物联网技术对实时监测的各类智能设备运行数据，并结合智能设备基本信息数据，智能设备历史数据信息，以及环境数据信息，通过这四类多模态数据的特征融合，使用基于PyTorch深度学习框架构建的长短时记忆网络模型对时序数据进行分析，预测设备状态。该长短时记忆网络模型。模型包括输入层、三个长短时记忆网络层以及输出层，输入层接收归一化后的时间序列数据，长短时记忆网络层负责提取时间序列数据中的特征并预测状态结果，输出设备预测状态。

所述设备状态预警模块，用于根据设备的特性和业务需求，设定预警规则建立预警机制，若所述数据分析模块分析的数据达到预设预警条件，判定为异常，发出预警及对应采取的措施通知；该预警条件可以根据设备实际使用情况经验制定。

所述智能决策模块，用于基于所述数据分析模块中对各种设备状态的评估，生成设备状态评估报告，帮助管理者快速了解设备全生命周期运行状况，制定科学合理的设备管理决策；

所述显示模块，用于显示生成的多维度的数据分析报告，并通过图表、表格形式进行展示，使管理者能够直观地了解智能设备全生命周期状况。

可能的，还包括可扩展模块，所述可扩展模块用于对可控业务需求以及不可控潜在需求进行可扩展式的适应

本系统为构建在基于中间件的三层架构平台之上的应用系统，采用技术先进性与成熟性相结合的J2EE的多层技术构架，以提高系统的灵活性、可扩展性、安全性以及并发处理能力，具备跨平台、高性能、结构标准、易于扩展等优点。

基于SOA的设计理念，SOA(service-or iented arch itecture)是面向服务的体系结构，将应用程序的不同功能单元(称为服务)通过这些服务之间定义良好的接口和契约联系起来。接口是采用中立的方式进行定义的，它独立于实现服务的硬件平台、操作系统和编程语言。这使得构建在各种这样的系统中的服务可以以一种统一和通用的方式进行交互。这种具有中立的接口定义(没有强制绑定到特定的实现上)的特征称为服务之间的松耦合。松耦合的好处有两点，一点是它的灵活性，另一点是，组成整个应用程序的每个服务的内部结构和实现逐渐地发生改变时，它能够继续存在。

设计利用基于组件的开发理念，由一系列独立部署的组件组成。组件设计应该满足以下要求：

组件多实例运行：应该尽量满足对每一个组件都可以同时运行多个组件实例的需求，以保证系统的高可靠性与可伸缩性。

组件粒度合理确定：应综合考虑系统性能、扩展性等方面的因素，同时兼顾系统在部署、维护和管理等方面的要求，合理确定组件粒度。

组件接口定义稳定：应充分考虑组件间接口稳定性，使用XML或者类似的结构，以保证接口传输参数与内容的可扩展性。

本系统必须具备足够的兼容性，能够跨平台、跨操作系统、跨数据库。应用系统使用基于JAVA技术，保证了系统对硬件平台、操作系统的兼容性；系统使用数据访问中间件，保证了系统对各种不同数据库的兼容性；基于XML技术的统一数据交换标准保证了系统平台与其他应用系统之间能轻松地进行连接。系统提供了一整套的安全保障措施，为系统的可靠运行提供保证。系统提供了对网络、服务器、数据库性能的监控和故障恢复策略，保证系统物理层的高度可靠。为确保网络正常运行，通过网络管理系统可以监控每个网络节点的运行情况，确保网络每个节点的通畅和安全。

为了方便系统维护和管理人员的使用，本系统采用了简单、直观的图形化界面和多种输入方式。通过图形化操作、管理界面，维护人员可以轻松地完成对整个系统的配置管理。应用软件设置三级安全控制，即：网络安全级、处理安全级和用户安全级。应用系统将采用网络登录验证、数据库登录验证、应用系统使用验证三种验证方式相结合的方式验证用户。为保证数据传输的安全性，使所传输的数据不被窃取、更改，应用系统所采集的重要原始数据可采用网络加密传输、数据库加密传输或应用系统数据加密相结合的技术。运用日志，对系统登陆者的操作进行记录,可以根据日志进行事后分析，从而找到事故的发生原因、责任者或非法用户。

本系统架构主要分为前端服务层、后端服务层、数据服务层和硬件服务层，

所述前端服务层设置用户登录模块，为用户提供简洁、便利的交互界面，支持以下功能：移动APP与web端平台：提供手机电脑端的管理界面，用户可以通过用户登录模块界面实时查看数据、接收信息、远程控制、数据报告等；利用用户登录模块进行账号管理：支持账号管理功能，实现一个账号管理所有养殖场全部设备和一个设备被多个账号管理；历史数据记录与追溯：自动记录历史数据，包括环境参数、设备状态变化、报警事件等，支持查询任意时间段的记录，方便分析、追溯某一段时间的数据变化情况。

所述通讯服务层利用各种通讯协议，确保前端服务与后端服务的数据能够正确地传输和同步。其中接口服务通过定义一系列API接口(通常是JSON格式)供智能仿真Agent调用，来获取或更新仿真系统数据。RPC接口/RESTfu l API提供远程过程调用(RPC)和符合REST原则的AP I，供客户端使用。WebSocket提供全双工通信方式，允许服务器主动向客户端发送实时数据。

所述后端服务层负责处理前端请求、调用后端服务、执行业务逻辑。业务逻辑包含：数据采集模块，用于实时采集的各类智能设备运行数据；数据预处理模块，用于利用物联网技术对实时监测各类智能设备运行数据进行预处理；数据存储模块，用于储存各种数据信息；数据分析模块，用于采用深度神经网络模型对智能设备的状态进行预测评估；设备状态预警模块，用于建立预警机制，一旦发现异常立即采取相应措施；智能决策模块，用于基于丰富的生产数据，提供多维度的数据分析报告，帮助管理者快速了解生产状况，制定科学合理的经营决策。

在本智能设备全生命周期管理系统中，需要处理的数据主要包括设备基本信息：包括设备名称、型号、生产厂家、安装位置、使用寿命。实时运行数据：如温度、湿度、压力、流量、转速等传感器读数，以及设备的工作状态(如启动、停止、故障)，历史数据：包括设备过去的运行记录、维护记录、故障记录等。环境数据：如养殖场的温度、湿度、光照环境条件。条件预警是设备全生命周期管理系统中的重要功能，根据设备的特性和业务需求，设定预警规则。当设备的温度超过设定阈值时，触发预警机制。当殖场的温度、湿度、光照环境条件超过或者低于设定阈值时，触发预警机制。一旦触发预警规则，系统将通过预警的方式，及时通知相关人员进行处理。

智能决策支持是设备全生命周期管理系统中的高级功能，它基于丰富的生产数据，提供多维度的数据分析报告，帮助管理者快速了解生产状况，制定科学合理的经营决策。从设备全生命周期管理系统中收集各类数据，包括设备基本信息、实时运行数据、历史数据等，并进行整合，生成多维度的数据分析报告，并通过图表、表格等形式进行展示，使管理者能够直观地了解设备全生命周期状况。

所述数据服务层设有数据存储模块和数据分析模块，主要负责数据的采集、处理，封装数据库访问逻辑，实现数据的增删改查操作。主要业务逻辑包括：数据采集与处理，接收来自硬件设备层的数据，并进行初步的处理和格式化，确保数据准确无误地传递给养殖云平台进行分析。数据存储，使用关系型数据库MySQL存储结构化数据，使用NoSQL数据库MongoDB存储非结构化数据(如图片、视频等)。

数据分析模块需要满足基础数据完整性的要求，数据服务层接收来自硬件设备层的数据，这些数据包括传感器读数(如温度、湿度、氨气浓度)、设备状态信息(如工作状态、故障报警)以及可能包含的附加信息(如时间戳、设备ID)。在对数据分析前，需要通过数据预处理模块进行清洗，包括去除重复数据、填补缺失数据、修正错误数据的操作，方便数据的存储和后续分析，数据服务层还会对数据进行格式化处理。这包括将数据转换为统一的格式，以便于不同系统间的数据交换和理解；将时间序列数据拆分为单个数据点，以便于进行时间序列分析；以及对数据进行编码，以确保数据的可读性和可解释性。为确保数据的完整性和准确性，需要对数据进行校验，以确保数据的完整性和准确性，这包括检查数据格式是否正确、数据范围是否在合理范围内、时间戳是否连续。

所述硬件服务层集成各类传感器和智能设备，实现数据的采集和设备的控制。主要业务逻辑包括：传感器设备：在养殖场各个角落安装温湿度传感器、氨气浓度传感器、光照度传感器、网络摄像头，24小时不间断采集养殖环境中的各项参数。智能设备：包括智能饲喂器、智能环控器、智能巡检机器人、3D估重仪等，用于实现精准投喂、环境控制、数据收集的功能。

采用生猪养殖智能设备全生命管理系统采用安全架构，生猪养殖智能设备全生命管理系统安全防护包括：应用安全、数据安全、主机安全、网络安全、终端安全、物理安全、边界安全等方面。通过以上几个安全防范措施达到防止信息网络瘫痪、防止应用系统破坏、防止业务数据丢失、防止篡改网络数据、保证数据传输的机密性、保证数据存储的安全性、防止企业信息泄密、防止终端病毒感染、防止有害信息传播、防止恶意渗透攻击，确保本管理系统的安全稳定运行和业务数据的安全。

1、完善的安全机制

通过隔离装置、防火墙、入侵检测、密码认证、IP认证、MAC地址认证等多种安全措施保证系统安全，通过系统的权限管理实现系统的功能安全和数据安全。

2、数据安全防护

访问控制：JWT(JSON Web Tokens)，一种用于双方之间安全传输信息的简洁的、URL安全的令牌标准。它可以通过数字签名来进行验证和信息的安全性。

数据加密：SSL/TLS，一种安全协议，用于在网络通信过程中提供数据加密、数据完整性验证、身份认证等服务，确保数据传输的安全性。

3、网络安全防护

网络环境安全防护面向整体支撑性网络，以及为各安全域提供网络支撑平台的网络环境设施，网络环境具体包括网络中提供连接的路由、交换设备及安全防护体系建设所引入的安全设备、网络基础服务设施。

4、主机系统安全防护

主机系统安全防护包括对服务器及桌面终端的安全防护。服务器包括业务应用服务器、网络服务器、WEB服务器、文件与通信等；桌面终端是作为终端用户工作站的台式机与笔记本计算机。

5、应用系统安全防护

应用安全防护包括对于主站应用系统本身的防护，用户接口安全防护、系统间数据接口的安全防护、系统内数据接口的安全防护。

可能的，还包括可扩展模块，所述可扩展模块用于对可控业务需求以及不可控潜在需求进行可扩展式的适应。

本系统在设计时还考虑现有系统在未来一段时间内的可扩充性，包括与后期系统之间的衔接、拓展中，设计一套标准体系，针对不同阶段、不同时期，对可控业务需求以及不可控潜在需求进行可扩展式的适应。另外，在数据结构设计和软件开发上，应尽量采用已有的面向服务的标准设计思想，以便以后进行扩展和扩充。也就是系统或子系统能够自定义,能根据用户的需要或业务结构的变化，灵活方便地调整应用系统的功能结构和分布结构，方便地组合各种应用子系统或组件。

可能的，本生猪养殖设备全生命周期监测管理系统的性能要求还根据不同功能模块进行划分，主要包括事务处理类、查询类和统计类的性能要求，将事件分为这三类，能够有效地管理系统性能，满足不同操作的需求，从而提升整个生猪养殖设备管理系统的效率和可靠性。这种分类方法确保系统在高负载情况下仍能保持稳定运行，同时为用户提供灵活、及时和深入的数据支持。见下表：

同时本系统还对应用软件技术

1.可靠性

本管理系统可靠性是指系统(或设备)在规定的条件和规定的时段内完成预定功能的能力，一般用“平均无故障工作时间MTBF”的小时数表示。系统可靠性MTBF用于考核可修复系统的可靠性，它取决于系统设备和软件的可靠性以及系统结构。

式中：T(t)为系统工作时间(从开始正常运行到考核结束时系统正常运行的累积间隔时间)，r为考核时间内故障次数。

系统可靠性MTBF≥3×104h。

2.可用性

系统可用性A可由下列公式计算：

不工作时间包括故障检修和预防性检修的时间。

系统可用性以运行和检修记录提供的统计资料为依据进行计算。记录所覆盖的时限应不少于6个月，并应从第一次故障消失并恢复工作时起算。一般统计年可用率，并按主站年可用率和终端年可用率分别统计，如下式计算：

系统的年可用率应不小于99.6％。

3.易用性

应用系统必须提供一致性的图形用户界面风格。

应用系统对普通用户的操作界面应该以B/S方式实现。

应用系统必须采用分页机制显示查询结果，并显示返回的记录数目、当前页和总页数。

应用系统发现用户提交有误信息，必须以弹出窗口的形式明确提示用户错误的原因，并把界面控制焦点置于发生错误的控件对象上。

应用系统的操作界面必须明确标识出必填的输入信息。

在导致系统数据发生变化的操作执行之前，系统应该弹出提示窗口供用户确认。

当应用系统正在执行用户提交的请求而无法返回时，必须明确标识系统处于繁忙阶段。

应用系统功能菜单必须按照功能域、功能项的分类方法进行组织。

对于操作员无权限使用的菜单功能，应用系统不显示该菜单或将其设置为不可用状态。

应用系统的查询统计结果可以转存为EXECL等常见格式文件。

经常性的面向基层的具体岗位的业务处理界面必须简洁、实用、直观，数据信息分层显示，常用的排前，不常用的靠后或消隐。

操作键序符合工作处理步骤，能自动跳转，以提高日常业务处理效率。

全生命周期管理系统使用Docker实现系统的容器化部署和管理，使用Prometheus和Grafana实现系统监控和告警功能，使用G itLab C I/CD实现代码的自动构建、测试和部署。通过以上技术方案，可以实现生猪养殖智能设备全生命周期智能化管理系统的各项功能，提高养殖效率和管理水平。本生猪养殖智能设备全生命监测管理系统从环境监测与调控模块开始，通过收集各类设备的实时数据，经过数据分析和决策支持后，完成智能设备的状态评估。

具体实施例2：

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行与具体实施例1中所述生猪养殖设备全生命周期监测管理系统，故本具体实施例在此省略。

具体实施例3：

一种信息数据处理终端，所述信息数据处理终端用于实现于电子装置上执行时，提供用户输入接口以实施与具体实施例1中所述生猪养殖设备全生命周期监测管理系统，故本具体实施例在此省略。

以上对本发明所提供的技术方案进行了详细介绍。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。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种生猪养殖设备全生命周期监测管理系统，其特征在于，包括：用户登录模块、数据采集模块、数据预处理模块、数据存储模块、数据分析模块、设备状态预警模块、智能决策模块和显示模块，

所述用户登录模块，用于用户权限管理和数据查询；

所述数据采集模块，用于采集生猪养殖使用智能设备的全生命周期数据，包括：智能设备基本信息、智能设备运行实时数据、历史数据和环境数据；

所述数据预处理模块，用于利用物联网技术对实时监测各类智能设备运行数据进行预处理；

所述数据存储模块,用于储存所述数据预处理模块预处理后的各种数据信息；

所述数据分析模块，用于对各种预处理后的数据信息，采用深度神经网络模型对智能设备的状态进行预测评估；

所述设备状态预警模块，用于根据设备的特性和业务需求，设定预警规则建立预警机制，若所述数据分析模块分析的数据达到预设预警条件，判定为异常，发出预警及对应采取的措施通知；

所述智能决策模块，用于基于所述数据分析模块中对各种设备状态的评估，生成设备状态评估报告；

所述显示模块，用于显示生成的多维度的数据分析报告。

2.根据权利要求1所述的生猪养殖设备全生命周期监测管理系统，其特征在于：还包括所述数据校验模块，用于将所述数据预处理模块处理的数据进行校验，包括：校验数据格式是否正确、数据范围是否在合理范围内、时间戳是否连续、数据字段是否一致。

3.根据权利要求1所述的生猪养殖设备全生命周期监测管理系统，其特征在于：还包括可扩展模块，所述可扩展模块用于对后续可控业务需求以及不可控潜在需求进行可扩展式的适应。

4.根据权利要求1至3任一所述的生猪养殖设备全生命周期监测管理系统，其特征在于：所述智能设备基本信息，包括：设备名称、型号、生产厂家、安装位置、时间戳、设备ID信息和使用寿命；

所述智能设备运行实时数据，包括：温度、湿度、压力、流量、氨气浓度、转速传感器读数，以及设备的工作状态信息；

所述历史数据信息，包括：设备过去的运行记录、维护记录、故障记录；

所述环境数据信息，包括：养殖场的温度、湿度、光照环境条件。

5.根据权利要求1至3任一所述的生猪养殖设备全生命周期监测管理系统，其特征在于：所述数据预处理模块，用于对所述数据采集模块采集的数据进行清洗、去噪、格式化处理，所述清洗处理包括去除重复数据、填补缺失数据和修正错误数据；所述格式化处理包括将各数据转换为统一格式、将时间序列数据拆分为单个数据点以及对数据进行编码。

6.根据权利要求1至3任一所述的生猪养殖设备全生命周期监测管理系统，其特征在于：所述数据分析模块，用于对各种预处理后的数据信息，采用深度神经网络模型对智能设备的状态进行预测评估，具体包括：

用于利用物联网技术对实时监测的各类智能设备运行数据，并结合智能设备基本信息数据，智能设备历史数据信息，以及环境数据信息，通过这四类多模态数据的特征融合，使用基于PyTorch深度学习框架构建的长短时记忆网络模型对时序数据进行分析，预测设备状态。

7.根据权利要求1至3任一所述的生猪养殖设备全生命周期监测管理系统，其特征在于：所述智能设备包括各种传感器、智能饲喂器、智能环控器、智能巡检机器人和3D估重仪。

8.根据权利要求1至3任一所述的生猪养殖设备全生命周期监测管理系统，其特征在于：所述数据存储模块设有基础数据库、模型存储数据库、评价管理库、设备周检/轮换库和数据分析库,所述基础数据库用于存储所述智能设备基本信息、智能设备运行实时数据、历史数据和环境数据；其中,所述智能设备运行实时数据和环境数据属于实时数据信息,采用采用数据库视图；所述智能设备基本信息和历史数据属于非实时类数据信息,采用建立中间库加定时任务的方式，将交互数据采用异步非实时的方式转存至中间库表，通过一定的间隔时间进行整表或差异数据的同步更新。

9.一种计算机可读存储介质，存储有计算机程序，其特征在于：所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1～8任意一项所述的生猪养殖设备全生命周期监测管理系统。

10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现于电子装置上执行时，提供用户输入接口以实施如权利要求1～8任意一项所述的生猪养殖设备全生命周期监测管理系统。