菌糠发酵饲料生产的在线监控方法及系统

本技术涉及智能监控领域，且更为具体地，涉及一种菌糠发酵饲料生产的在线监控方法及系统。

背景技术：

1、菌糠发酵饲料是一种利用农业废弃物和微生物菌种制作的高效、低成本的饲料，具有提高畜禽免疫力、促进消化吸收和降低饲料成本等优点。为了确保饲料的质量和生产效率，需要进行菌糠发酵饲料的生产过程监控。在菌糠发酵饲料生产的发酵过程中，通过监控发酵过程的关键参数和发酵料状态，可以实时了解发酵的情况，并基于发酵情况及时采取措施来调整操作参数，以确保发酵过程的顺利进行和最终产品的质量。

2、然而，传统的菌糠发酵饲料的发酵过程监控方法通常依赖于操作人员的主观判断和经验，操作人员需要根据自己的经验来调整发酵罐的操作参数，这种主观性和经验依赖容易导致不同操作人员之间的差异，影响糠发酵饲料生产的一致性和稳定性。此外，传统的监控方法通常只能对发酵过程中的每个参数进行单独监控，并没有关注到参数之间的关联性和相互影响，这种局限性会导致无法全面了解发酵状态，从而无法有效调整操作参数，导致发酵效果不佳或发生变质。

3、因此，期望一种优化的菌糠发酵饲料生产的在线监控方案。

技术实现思路

1、为了解决上述技术问题，提出了本技术。

2、根据本技术的一方面，提供了一种菌糠发酵饲料生产的在线监控方法，其包括：

3、在发酵罐中加入菌糠和水，并搅拌均匀以形成发酵料；

4、在所述发酵罐的顶部安装传感器组，并使用所述传感器组采集在预定时间段内多个预定时间点的发酵温度值、发酵压力值和ph值，并将所述多个预定时间点的发酵温度值、发酵压力值和ph值发送到中央控制系统；

5、在所述发酵罐的顶部安装摄像头，并利用所述摄像头采集所述发酵料在所述预定时间段的发酵状态监控视频，并将所述发酵状态监控视频发送到所述中央控制系统；

6、在所述中央控制系统中，对所述发酵状态监控视频和所述多个预定时间点的发酵温度值、发酵压力值和ph值进行处理，以基于发酵料的发酵状态来调节所述发酵罐的加热、通风和酸碱度；

7、在发酵过程中，定期采样所述发酵料，通过光谱仪分析所述发酵料中的水分、蛋白质、纤维素、淀粉和糖成分以得到分析结果，并将所述分析结果发送到所述中央控制系统；

8、在所述中央控制系统中设置所述水分、所述蛋白质、所述纤维素、所述淀粉和所述糖成分中各种成分的预设比例，根据所述分析结果与所述预设比例的比较进行发酵结束的控制，其中，响应于所述分析结果大于所述预设比例，产生结束发酵控制信号，并输出发酵结束的提示信号。

9、进一步地，在所述中央控制系统中，对所述发酵状态监控视频和所述多个预定时间点的发酵温度值、发酵压力值和ph值进行处理，以基于发酵料的发酵状态来调节所述发酵罐的加热、通风和酸碱度，包括：

10、将所述多个预定时间点的发酵温度值、发酵压力值和ph值分别按照时间维度排列为发酵温度时序输入向量、发酵压力时序输入向量和发酵酸碱度时序输入向量；

11、通过基于深度神经网络模型的时序特征提取器分别对所述发酵温度时序输入向量、所述发酵压力时序输入向量和所述发酵酸碱度时序输入向量进行特征提取以得到发酵温度时序特征向量、发酵压力时序特征向量和发酵酸碱度时序特征向量；

12、使用投影层融合所述发酵温度时序特征向量、所述发酵压力时序特征向量和所述发酵酸碱度时序特征向量以得到发酵多参数协同时序特征向量；

13、从所述发酵状态监控视频提取所述多个预定时间点对应的图像帧以得到发酵状态监控关键帧的序列；

14、将所述发酵状态监控关键帧的序列通过基于卷积神经网络模型的发酵状态特征提取器以得到发酵状态语义特征向量的序列；

15、计算所述发酵状态语义特征向量的序列相对于所述发酵多参数协同时序特征向量的响应性交互融合以得到发酵参数-发酵状态响应时序特征向量作为发酵参数-发酵状态响应时序特征；

16、基于所述发酵参数-发酵状态响应时序特征，确定当前时间点的发酵温度值应增大、应保持或应减小。

17、进一步地，所述基于深度神经网络模型的时序特征提取器为基于一维卷积层的时序特征提取器。

18、进一步地，融合所述发酵温度时序特征向量、所述发酵压力时序特征向量和所述发酵酸碱度时序特征向量以得到发酵多参数协同时序特征向量，包括：使用所述投影层以如下融合公式来融合所述发酵温度时序特征向量、所述发酵压力时序特征向量和所述发酵酸碱度时序特征向量以得到所述发酵多参数协同时序特征向量；

19、其中，所述融合公式为：

20、；

21、其中，、和分别是所述发酵温度时序特征向量、所述发酵压力时序特征向量和所述发酵酸碱度时序特征向量，是所述发酵多参数协同时序特征向量，表示投影融合处理。

22、进一步地，计算所述发酵状态语义特征向量的序列相对于所述发酵多参数协同时序特征向量的响应性交互融合以得到发酵参数-发酵状态响应时序特征向量作为发酵参数-发酵状态响应时序特征，包括：以如下响应性交互融合公式来计算所述发酵状态语义特征向量的序列相对于所述发酵多参数协同时序特征向量的响应性交互融合以得到所述发酵参数-发酵状态响应时序特征向量；

23、其中，所述响应性交互融合公式为：

24、；

25、；

26、其中，表示所述发酵多参数协同时序特征向量，表示1×的矩阵，等于所述发酵多参数协同时序特征向量的尺度，是1×的矩阵，等于所述发酵状态语义特征向量的序列中发酵状态语义特征向量的数量，是sigmoid函数，为权重系数，和表示1×1卷积核的卷积操作，表示所述发酵状态语义特征向量的序列中的各个发酵状态语义特征向量，表示所述发酵状态语义特征向量的序列中的各个发酵状态语义特征向量的尺度，表示所述发酵参数-发酵状态响应时序特征向量。

27、进一步地，对所述发酵状态语义特征向量的序列和所述发酵多参数协同时序特征向量进行响应性交互融合以得到发酵参数-发酵状态响应时序特征，包括：

28、对所述发酵参数-发酵状态响应时序特征向量进行特征分布优化以得到优化发酵参数-发酵状态响应时序特征向量；

29、将所述优化发酵参数-发酵状态响应时序特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的发酵温度值应增大、应保持或应减小。

30、进一步地，对所述发酵参数-发酵状态响应时序特征向量进行特征分布优化以得到优化发酵参数-发酵状态响应时序特征向量，包括：

31、对所述发酵状态语义特征向量的序列和所述发酵多参数协同时序特征向量进行融合校正以获得校正特征向量；

32、将所述校正特征向量与所述发酵参数-发酵状态响应时序特征向量进行融合以得到所述优化发酵参数-发酵状态响应时序特征向量。

33、进一步地，将所述优化发酵参数-发酵状态响应时序特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的发酵温度值应增大、应保持或应减小，包括：

34、使用所述分类器的全连接层对所述优化发酵参数-发酵状态响应时序特征向量进行全连接编码以得到优化发酵参数-发酵状态响应时序分类特征向量；

35、将所述优化发酵参数-发酵状态响应时序分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。

36、根据本技术的另一方面，提供了一种菌糠发酵饲料生产的在线监控系统，其包括：

37、发酵参数监控视频采集模块，用于获取由摄像头采集的发酵料在预定时间段的发酵状态监控视频，并获取由传感器组采集的所述预定时间段内多个预定时间点的发酵温度值、发酵压力值和ph值；

38、发酵参数时序排列模块，用于将所述多个预定时间点的发酵温度值、发酵压力值和ph值分别按照时间维度排列为发酵温度时序输入向量、发酵压力时序输入向量和发酵酸碱度时序输入向量；

39、发酵参数时序特征提取模块，用于通过基于深度神经网络模型的时序特征提取器分别对所述发酵温度时序输入向量、所述发酵压力时序输入向量和所述发酵酸碱度时序输入向量进行特征提取以得到发酵温度时序特征向量、发酵压力时序特征向量和发酵酸碱度时序特征向量；

40、发酵特征融合模块，用于使用投影层融合所述发酵温度时序特征向量、所述发酵压力时序特征向量和所述发酵酸碱度时序特征向量以得到发酵多参数协同时序特征向量；

41、发酵状态关键帧提取模块，用于从所述发酵状态监控视频提取所述多个预定时间点对应的图像帧以得到发酵状态监控关键帧的序列；

42、发酵状态语义特征模块，用于将所述发酵状态监控关键帧的序列通过基于卷积神经网络模型的发酵状态特征提取器以得到发酵状态语义特征向量的序列；

43、发酵状态响应时序特征融合模块，用于计算所述发酵状态语义特征向量的序列相对于所述发酵多参数协同时序特征向量的响应性交互融合以得到发酵参数-发酵状态响应时序特征向量作为发酵参数-发酵状态响应时序特征；

44、发酵温度值调整模块，用于基于所述发酵参数-发酵状态响应时序特征，确定当前时间点的发酵温度值应增大、应保持或应减小。

45、进一步地，所述发酵特征融合模块，用于：使用所述投影层以如下融合公式来融合所述发酵温度时序特征向量、所述发酵压力时序特征向量和所述发酵酸碱度时序特征向量以得到所述发酵多参数协同时序特征向量；

46、其中，所述融合公式为：

47、；

48、其中，、和分别是所述发酵温度时序特征向量、所述发酵压力时序特征向量和所述发酵酸碱度时序特征向量，是所述发酵多参数协同时序特征向量，表示投影融合处理。

49、与现有技术相比，本技术提供的一种菌糠发酵饲料生产的在线监控方法及系统，其通过摄像头实时监测采集发酵料的发酵状态监控视频，同时通过传感器组实时监测采集发酵过程的发酵温度值、发酵压力值和ph值，并在后端引入数据处理和分析算法来进行这些数据的协同分析，以此基于发酵料的发酵状态来自适应地调整发酵罐的加热、通风和酸碱度，通过这样的方式，能够实现实时、全面、自动化的发酵过程监控，提高菌糠发酵饲料的生产效率和产品质量。