出雏时刻预测方法、装置、设备及存储介质制造方法及图纸

本申请涉及一种出雏时刻预测方法、装置、设备及存储介质，涉及智能养殖领域。该出雏时刻预测方法包括：获取当前预设时间段内以及当前预设时间段之前N

【技术实现步骤摘要】
出雏时刻预测方法、装置、设备及存储介质


[0001]本申请涉及智能养殖领域，尤其涉及一种出雏时刻预测方法、装置、设备及存储介质。

技术介绍

[0002]禽类从孵化到出雏的周期是21天，其中前18天是在孵化环境进行孵化，而后进入出雏环节。出雏环节存在一个出雏时间的问题，而出雏时间存在一个矛盾点，这个矛盾点在于如果过早的出雏，那么环境温度之类的发生改变，那么没有出雏的蛋就几乎无法出雏了；而如果过晚的出雏，虽然出雏的小鸡会变多，但是已经破壳的鸡雏会因为环境的温度和CO2浓度过高等导致死亡，或者残疾。
[0003]目前只是依据过往的经验来根据固定的时间节点出雏，无法对其他因素做兼容。由于不同批次的蛋源的品种和能量差异不同，以及季节、室外晴天雨天等因素，固定出雏时间对于出雏来说只能是过早或者过晚，所以对于孵化率无法达到最优。目前对禽类种蛋的出雏时间预测还是停留在定时出雏的，所以孵化率在83％左右，而且孵化率里面还包含健雏、B雏和C雏，可以理解为出雏的小鸡体质越来越差。

技术实现思路

[0004]本申请提供了一种出雏时刻预测方法、装置、设备及存储介质，用以解决无法准确预测出雏时刻来提高孵化率的问题。
[0005]第一方面，本申请实施例提供了一种出雏时刻预测方法，包括：
[0006]获取当前预设时间段内以及所述当前预设时间段之前N
‑
1个预设时间段内的出雏装置内部的声音数据，N大于1；
[0007]提取每个所述预设时间段内的声音数据中的声音频次特征，获得N个声音频次特征，其中，所述声音频次特征用于表示每个所述预设时间段内的所述出雏装置内部的叫声次数；
[0008]根据所述N个声音频次特征，获得出雏预测时刻。
[0009]可选地，所述提取每个所述预设时间段内的声音数据中的声音频次特征，获得N个声音频次特征，包括：
[0010]生成每个所述预设时间段内的声音数据的包络；
[0011]获取每个所述包络的波峰数量，并将所述波峰数量作为所述N个声音频次特征。
[0012]可选地，所述提取每个所述预设时间段内的声音数据中的声音频次特征，获得N个声音频次特征，包括：
[0013]利用语音活跃检测算法，提取每个所述预设时间段内的声音数据中的声音频次特征，获得N个声音频次特征。
[0014]可选地，所述提取每个所述预设时间段内的声音数据中的声音频次特征，获得N个声音频次特征，包括：
[0015]生成每个所述预设时间段内的声音数据的包络；
[0016]获取每个所述包络的波峰数量，并将所述波峰数量作为N个第一声音频次子特征；
[0017]利用语音活跃检测算法，提取每个所述预设时间段内的声音数据中的第二声音频次子特征，获得N个所述第二声音频次子特征；
[0018]根据所述N个第一声音频次子特征和所述N个第二声音频次子特征，生成所述N个声音频次特征。
[0019]可选地，所述根据所述N个声音频次特征，获得出雏预测时刻，包括：
[0020]根据所述N个声音频次特征和所述N个声音频次特征对应的时刻，拟合第一曲线；
[0021]当所述第一曲线的趋势呈现平缓趋势时，获得所述出雏预测时刻。
[0022]可选地，所述根据所述N个声音频次特征，获得出雏预测时刻，包括：
[0023]将所述当前预设时间段内以及所述当前预设时间段之前N
‑
1个预设时间段内的声音频次特征输入至预先训练的出雏时刻预测模型，获得第一声音频次预测特征；
[0024]将所述当前预设时间段内以及所述当前预设时间段之前N
‑
2个预设时间段内的声音频次特征和所述第一声音频次预测特征输入至所述出雏时刻预测模型，获得第二声音频次预测特征；
[0025]将所述当前预设时间段内以及所述当前预设时间段之前N
‑
i个预设时间段内的声音频次特征和所述i
‑
1个声音频次预测特征输入至所述出雏时刻预测模型，获得第i声音频次预测特征，其中，i大于2且i小于N；
[0026]根据所述N个声音频次特征、所述N个声音频次特征对应的时刻、所述i个声音频次预测特征和所述i个声音频次预测特征对应的时刻，拟合第二曲线；
[0027]当所述第二曲线的趋势呈现平缓趋势时，获得所述出雏预测时刻。
[0028]可选地，所述当所述第二曲线的趋势呈现平缓趋势时，获得所述出雏预测时刻，包括：
[0029]计算所述第i声音频次预测特征和所述第i
‑
1声音频次预测特征的差值；
[0030]若所述差值小于预设值，则将所述第i声音频次预测特征对应的时刻作为所述出雏预测时刻。
[0031]第二方面，本申请实施例提供了一种出雏时刻预测装置，包括：
[0032]获取模块，用于获取当前预设时间段内以及所述当前预设时间段之前N
‑
1个预设时间段内的出雏装置内部的声音数据，N大于1；
[0033]提取模块，用于提取每个所述预设时间段内的声音数据中的声音频次特征，获得N个声音频次特征，其中，所述声音频次特征用于表示每个所述预设时间段内的所述出雏装置内部的叫声次数；
[0034]处理模块，用于根据所述N个声音频次特征，获得出雏预测时刻。
[0035]可选地，所述提取模块包括：
[0036]第一生成单元，用于生成每个所述预设时间段内的声音数据的包络；
[0037]第一获取单元，用于获取每个所述包络的波峰数量，并将所述波峰数量作为所述N个声音频次特征。
[0038]可选地，所述提取模块，用于利用语音活跃检测算法，提取每个所述预设时间段内的声音数据中的声音频次特征，获得N个声音频次特征。
[0039]可选地，所述提取模块包括：
[0040]第二生成单元，用于生成每个所述预设时间段内的声音数据的包络；
[0041]第二获取单元，用于获取每个所述包络的波峰数量，并将所述波峰数量作为N个第一声音频次子特征；
[0042]提取单元，用于利用语音活跃检测算法，提取每个所述预设时间段内的声音数据中的第二声音频次子特征，获得N个所述第二声音频次子特征；
[0043]第三生成单元，用于根据所述N个第一声音频次子特征和所述N个第二声音频次子特征，生成所述N个声音频次特征。
[0044]可选地，所述处理模块包括：
[0045]第一拟合单元，用于根据所述N个声音频次特征和所述N个声音频次特征对应的时刻，拟合第一曲线；
[0046]第一处理单元，用于当所述第一曲线的趋势呈现平缓趋势时，获得所述出雏预测时刻。
[0047]可选地，所述处理模块包括：
[0048]第二处理单元，用于将所述当前预设时间段内以及所述当前预设时间段之前N
‑
1个预设时间段内的声音频次特征输入至预先训练的出雏时刻预测模型，获得第一声音频次预测特征；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种出雏时刻预测方法，其特征在于，包括：获取当前预设时间段内以及所述当前预设时间段之前N
‑
1个预设时间段内的出雏装置内部的声音数据，N大于1；提取每个所述预设时间段内的声音数据中的声音频次特征，获得N个声音频次特征，其中，所述声音频次特征用于表示每个所述预设时间段内的所述出雏装置内部的叫声次数；根据所述N个声音频次特征，获得出雏预测时刻。2.根据权利要求1所述的出雏时刻预测方法，其特征在于，所述提取每个所述预设时间段内的声音数据中的声音频次特征，获得N个声音频次特征，包括：生成每个所述预设时间段内的声音数据的包络；获取每个所述包络的波峰数量，并将所述波峰数量作为所述N个声音频次特征。3.根据权利要求1所述的出雏时刻预测方法，其特征在于，所述提取每个所述预设时间段内的声音数据中的声音频次特征，获得N个声音频次特征，包括：利用语音活跃检测算法，提取每个所述预设时间段内的声音数据中的声音频次特征，获得N个声音频次特征。4.根据权利要求1所述的出雏时刻预测方法，其特征在于，所述提取每个所述预设时间段内的声音数据中的声音频次特征，获得N个声音频次特征，包括：生成每个所述预设时间段内的声音数据的包络；获取每个所述包络的波峰数量，并将所述波峰数量作为N个第一声音频次子特征；利用语音活跃检测算法，提取每个所述预设时间段内的声音数据中的第二声音频次子特征，获得N个所述第二声音频次子特征；根据所述N个第一声音频次子特征和所述N个第二声音频次子特征，生成所述N个声音频次特征。5.根据权利要求1至4任一项所述的出雏时刻预测方法，其特征在于，所述根据所述N个声音频次特征，获得出雏预测时刻，包括：根据所述N个声音频次特征和所述N个声音频次特征对应的时刻，拟合第一曲线；当所述第一曲线的趋势呈现平缓趋势时，获得所述出雏预测时刻。6.根据权利要求1至4任一项所述的出雏时刻预测方法，其特征在于，所述根据所述N个声音频次特征，获得出雏预测时刻，包括：将所述当前预设时间段内以及所述当前预设时间段之前N
‑
1个预设时间段内的声音频次特征输入至预先...

【专利技术属性】
技术研发人员：苏睿，
申请(专利权)人：京东数科海益信息科技有限公司，
类型：发明
国别省市：