家禽称重方法及装置与流程

本发明实施例涉及称重技术领域，更具体地，涉及一种家禽称重方法及装置。

背景技术

通过在家禽的育雏、育成期对家禽进行抽样称重检测，从而基于称重检测获得的家禽体重了解家禽的整个生长发育和增重情况。根据家禽群体体重情况进行智能决策以保证家禽的饲喂达到合理的饲喂量，并避免饲喂饲料过多或过少的情况出现。根据家禽群体体重情况，通过调节饲料饲喂量和饲料配比能有效地调节家禽群体的体重均匀度分布，使家禽在整个育雏和育成期都能保持良好的生长状况，以便其在日后生产中充分发挥生产潜力。此外，了解家禽群体体重情况能够提前估计出屠宰日期，提高生产效益。另外，对于监测到的个别家禽的体重偏离了群体体重，则可以提前预测发现家禽的生病和活力情况等，以便及时采取相应措施。

为了对家禽进行称重，相关技术中，存在鸡的现场计数称重方法。该方法中，当至少一只鸡自然地站到称重平台时，称重平台测量到的鸡体重总和变化小于设定的某个阈值时，触发ccd相机获得称重平台区域的图像。经图像处理后得到称重平台上鸡的数量。然后根据总体重以及平台上鸡的数量，计算得到鸡的平均体重。但是，上述方法没有充分考虑到鸡站上称重平台是动态的过程，在称重的过程中，存在很多的影响因素会影响测量到的体重值，从而导致称重结果不准确。

技术实现要素：

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的家禽称重方法及装置。

根据本发明实施例的第一方面，提供一种家禽称重方法，该方法包括：

获取目标重量以及修正参数，目标重量是对一只家禽主体进行预先称重获得的，修正参数包括家禽主体的属性参数和/或预先称重的过程中家禽主体的运动参数；

将目标重量及修正参数共同输入至重量预测模型，输出家禽主体的预测重量，重量预测模型是基于样本目标重量、样本修正参数及对应的样本真实重量进行训练后得到的；样本目标重量、样本修正参数及样本真实重量均对应于同一只样本家禽主体。

本发明实施例提供的方法，通过获取目标重量以及修正参数，并将目标重量及修正参数共同输入至重量预测模型，输出家禽主体的预测重量。由于利用修正参数及重量预测模型能够对称量得到的家禽主体的目标重量进行修正，使修正后得到的预测重量更加接近于家禽主体的真实重量，提高了家禽称重结果的准确度。

根据本发明实施例第二方面，提供了一种家禽称重装置，该装置包括：

获取模块，用于获取目标重量以及修正参数，目标重量是对一只家禽主体进行预先称重获得的，修正参数包括家禽主体的属性参数和/或预先称重的过程中家禽主体的运动参数；

预测模块，用于将目标重量及修正参数共同输入至重量预测模型，输出家禽主体的预测重量，重量预测模型是基于样本目标重量、样本修正参数及对应的样本真实重量进行训练后得到的；样本目标重量、样本修正参数及样本真实重量均对应于同一只样本家禽主体。

根据本发明实施例的第三方面，提供了一种家禽称重设备，包括：

至少一个处理器；以及

与处理器通信连接的至少一个存储器，其中：

存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的家禽称重方法。

根据本发明实施例的第四方面，提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的家禽称重方法。

应当理解的是，以上的一般描述和后文的细节描述是示例性和解释性的，并不能限制本发明实施例。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。

图1为本发明实施例的散养家禽网络服务系统的结构示意图；

图2为本发明实施例的家禽称重方法的流程示意图；

图3为本发明实施例的散养家禽称重设备的结构示意图；

图4为本发明实施例的散养家禽称重设备的处理模块的结构示意图；

图5为本发明实施例的家禽称重方法的bp神经网络模型结构示意图；

图6为本发明实施例的家禽称重方法的模型训练方法的流程示意图；

图7为本发明实施例的家禽称重装置的结构示意图；

图8为本发明实施例的家禽称重设备的结构示意图。

图中，1：天窗；2：处理模块；3：可调进口；4：网状秤盘；5：第一称重传感器；6：第二称重传感器；7：第三称重传感器；8：可调出口；9：第四称重传感器。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例的一种散养家禽网络服务系统的结构示意图。参见图1，该系统包括相互通信连接的散养家禽称重设备、nb-iot基站、网络服务平台和用户终端。散养家禽网络服务系统主要用于散养家禽称重数据的实时搜集和对外展示、称重数据的统计分析及饲养家禽整体生长水平管理等。可在不同的养殖场分别设置散养家禽称重设备，每个散养家禽称重设备可具有唯一的识别码，并将识别码及对应的散养家禽称重设备的位置信息在网络服务器平台中进行注册。从而使网络服务器平台在接收到散养家禽称重设备发送的称重数据时，能够根据该识别码获得散养家禽称重设备所在的位置。其中，散养家禽称重设备具体可通过nb-iot网络及nb-iot基站发送称重数据至网络服务器平台，具体地，散养家禽称重设备上可安装有nb-iot模块，散养家禽称重设备在得到家禽的称重数据后，可通过nb-iot模块将称重数据发送至nb-iot基站，再由nb-iot基站发送至网络服务器平台。

网络服务器平台可存储并处理称重数据，用户终端可通过互联网远程访问网络服务器平台，从而用户可以实时掌握不同养殖场的家禽称重数据及重量分布情况。进一步地，基于网络服务器平台的处理，用户可通过用户终端随时随地了解自家家禽的平均重量、均匀度分布和生长曲线，进而能够帮助用户确定饲料配比和饲料量，以避免浪费或过少饲喂。并且，用户终端能够接收网络服务器平台的决策预警信息，决策预警信息可包括生长速率异常预警、体重异常预警等，决策预警信息能够帮助用户进行决策，以及时采取措施，避免生产损失。

针对上述散养家禽网络服务系统，本发明实施例提供一种家禽称重方法，该方法能够应用于上述散养家禽称重设备中以对家禽进行称重。参见图2，该方法包括：

201、获取目标重量以及修正参数，目标重量是对一只家禽主体进行预先称重获得的，修正参数包括家禽主体的属性参数和/或预先称重过程中家禽主体的运动参数。

其中，在执行步骤201前，需要先对家禽主体进行预先称重，以得到家禽主体的目标重量。应当说明的是，目标重量仅是一只家禽主体的重量。本发明实施例对如何仅对一只家禽主体进行称重的方式不作限定，包括但不限于采用以下散养家禽称重设备。

参见图3，该设备包括：箱体和底座；箱体的底部与底座连接；底座包括底板和侧板，侧板的下端与底板的上表面连接，侧板的上端与箱体的底部连接；箱体的底部设置有网状秤盘4，箱体的顶部设置有天窗1，箱体的相对的两个侧部上开有家禽进口3和家禽出口8，网状秤盘4的底部设置有称重传感器，网状秤盘4与底座的底板之间形成容纳空间。

具体地，该家禽称重设备可灵活安装，例如安装在家禽饲养场所中家禽的必经地方。家禽可从家禽进口3进入箱体内，经过网状秤盘4后，从家禽出口8离开散养家禽称重设备。在家禽经过网状秤盘4时，设置在网状秤盘4底部的称重传感器可完成对该家禽主体的称重。并且，该家禽称重设备可安装于家禽必经的出入口，从而能够对家禽饲养场所中的每只家禽进行称重。应当说明的是，将网状秤盘4设置成网状，是为了使家禽经过网状秤盘4时掉落的羽毛和粪便等掉落物能够通过网状秤盘4中的网眼掉落至下部，而不至于落在网状秤盘上部，从而影响称重传感器检测的称重值。另外，掉落的羽毛和粪便等掉落物可以掉落至网状秤盘4与底座的底板之间形成的容纳空间，从而可以对容纳空间中的掉落物进行统一的清理和打扫。

针对上述散养家禽称重设备，优选地，箱体的底部与底座可以采用两种连接方式：可拆卸连接和固定连接。针对可拆卸连接方式，具体地，箱体的侧部由底座的侧板包围，侧板的内壁为光滑材料，箱体的侧部的下端放置于底座的底板的上表面。在该可拆卸连接的方式下，箱体直接放置在底座的底板上，底座的侧板的尺寸略大于箱体侧部的尺寸，从而使得底座的侧板包围箱体的侧部。为了使网状秤盘4与底座的底板之间形成容纳空间，网状秤盘4与箱体的侧部的下端之间存在一定的距离。通过将箱体的侧部的下端放置于底座的底板的上表面。从而可以直接将箱体提起，使箱体与底座分离，方便清理底座的底板上的家禽掉落物。针对固定连接方式，具体地，箱体的侧部的下端与底座的侧板的上端固定连接，侧板的下端与底板可拆卸连接。具体地，与上述可拆卸连接的方式相比，箱体的侧部与底座的侧板的尺寸应完全相同，从而可以使箱体的侧部的下端与底座的侧板的上端固定连接。通过侧板的下端与底板可拆卸连接，从而能够方便地将底板拆下以清理家禽的掉落物。

针对上述散养家禽称重设备，优选地，称重传感器包括分别设置于网状秤盘4底部四个角的第一称重传感器5、第二称重传感器6、第三称重传感器7及第四称重传感器9。具体地，将四个称重传感器分别设置在四个角能够检测整个网站秤盘4各处的重量值，并基于四个称重传感器检测的重量值获得称重结果，可以将四个称重传感器检测得到的重量值的平均值作为家禽的称重结果，本发明实施例对此不做限定。

由于不同种类的家禽具有不同的尺寸，以及同一种类的家禽在不同的生长阶段也具有不同的尺寸，因此，为了满足不同家禽进出箱体的需求，针对上述散养家禽称重设备，优选地，家禽进口3及家禽出口8均为尺寸可调开口。本发明实施例对如何进行尺寸调节不作限定，包括但不限于在开口上设置滑动门，通过滑动调节尺寸大小。

参见图4，针对上述散养家禽称重设备，优选地，散养家禽称重设备还包括处理模块2，处理模块2设置于箱体的侧面；处理模块2包括采集单元和无线通信单元，称重传感器通过信号放大电路与采集单元连接，采集单元与无线通信单元连接。具体地，采集单元可以为ad采集单元，通过信号放大电路对称重传感器采集的称重信号进行放大，从而将信号转换成采集单元能够识别的模拟信号。采集单元可通过核心处理器与通信单元连接，核心处理器可对称重数据对应的模拟信号进行处理，处理后的称重数据可由无线通信单元进行传输。

针对上述散养家禽称重设备，优选地，无线通信单元包括nb-iot单元。具体地，nb-iot单元与核心处理器通过串口连接。nb-iot单元平时处于休眠状态，当检测到称重数据后，核心处理器可唤醒nb-iot单元，当采集的称重数值稳定时，完成数据传输。nb-iot单元可进一步包括nb-iot处理子单元和射频天线。

针对上述散养家禽称重设备，优选地，处理模块还包括显示单元。显示单元用于实时显示称重数据。处理模块还包括报警单元。具体地，当检测到体重过低的家禽和过高的家禽，则可以通过报警单元发送报警信息到用户终端并且现场报警，以便家禽饲喂人员及时查找。处理模块还包括电源单元，电源单元包括电池及电源管理电路，保证整个散养家禽称重设备的使用寿命，以减少人为换电池次数。

本发明实施例对如何只允许一只家禽主体进入箱体内的实施方式不作限定，包括但不限于设置红外传感器，检测到一只家禽主体进入后，可控制可调进口3关闭，以阻拦其他家禽主体进入。

基于上述散养家禽称重设备，修正参数可至少包括两方面，一方面是家禽主体在预先称重过程中的运动参数，另一方面是家禽主体的属性参数。针对上述运动参数，运动参数用于反映家禽主体在预先称重过程中的运动情况。由于不能使家禽主体在称重平台(即网状秤盘)上保持完全静止，而家禽主体在称重平台上的运动必然会影响称重平台检测的目标重量，使检测到的目标重量与家禽主体的真实重量相比必然存在一定的偏差。例如，同一只家禽主体拍打翅膀与不拍打翅膀时所检测到的目标重量是不一样的。而针对上述属性参数，属性参数用于反映家禽主体自身的与家禽主体的真实体重相关联的信息，例如属性参数进可包括家禽主体的体长，通常来说，在其他属性参数相同的情况下，体长越长的家禽主体的真实体重越大。本发明实施例对如何获得家禽主体的属性参数及运动参数的方式不作限定。

202、将目标重量及修正参数共同输入至重量预测模型，输出家禽主体的预测重量，重量预测模型是基于样本目标重量、样本修正参数及对应的样本真实重量进行训练后得到的；样本目标重量、样本修正参数及样本真实重量均对应于同一只样本家禽主体。

其中，在执行步骤202之前，可预先训练得到重量预测模型。具体地，可先收集大量的样本数据，该样本数据包括属于多组样本数据，每组样本数据包括样本目标重量、样本修正参数及样本真实重量，并且每一组样本数据都是采集同一只样本家禽主体的数据得到的。其中，样本目标重量是通过对样本家禽主体称重进行该预先称重获得的，而样本真实重量是样本家禽主体的准确体重，本发明实施例对如何获得样本真实重量的方式不作限定。在训练过程中，样本目标重量及修正参数作为构建的神经网络模型的训练输入值，样本真实重量作为神经网络模型的训练输出值。

在训练后得到重量预测模型后，可将上述步骤201中获取的目标重量及修正参数共同输入至重量预测模型，得到重量预测模型输出的家禽主体的预测体重。可以将该预测体重作为家禽主体的称重结果。

本发明实施例提供的方法，通过获取目标重量以及修正参数，并将目标重量及修正参数共同输入至重量预测模型，输出家禽主体的预测重量。由于利用修正参数及重量预测模型能够对称量得到的家禽主体的目标重量进行修正，使修正后得到的预测重量更加接近于家禽主体的真实重量，提高了家禽称重结果的准确度。

基于上述实施例的内容，作为一种可选实施例，属性参数包括家禽主体的日龄和/日增重；运动参数包括家禽主体的在预先称重的过程中的运动速度。其中，家禽主体的日龄即为家禽主体的生长天数。家禽的日龄对家禽主体的重量具有很大的影响，通常，家禽主体随着日龄的增大而增大。针对运动速度，若采用上述散养家禽称重设备对家禽主体进行预先称重，预先称重的过程为家禽主体从网状秤盘的一端走到另一端，家禽主体在行走过程中的速度即为该运动速度。本发明实施例对如何获得运动速度的方式不作限定，包括但不限于分别记录家禽主体进入网状秤盘及离开网状秤盘的时刻，并基于网状秤盘的长度计算得到运动速度。

另外，上述重量预测模型所采用的神经网络模型可以为bp神经网络。bp神经网络具有任意复杂的模式分类能力和优良的多维函数映射能力，解决了简单感知器不能解决的异或(exclusiveor，xor)和一些其他问题。从结构上看，bp神经网络具有输入层、隐藏层和输出层。其突出优点就是具有很强的非线性映射能力和柔性的网络结构。网络的中间层数、各层的神经元个数可根据具体情况任意设定，并且随着结构的差异其性能也有所不同。

基于上述修正参数及bp神经网络，重量预测模型的模型结构可参见图4。神经网络模型可采用下述公式表示：

net＝newff(minmax(traininput),[10,1],{'tansig”purelin'},'trainlm')

式中，minmax()是决定输入参数取值范围的向量矩阵；“tansig”和“purelin”为隐含层和输出层的传递函数；神经网络的隐含层神经元个数为10，输出层的神经元个数为1；“trainlm”为该神经网络的训练函数。

参见图5，对神经网络模型的训练过程具体包括如下步骤：

步骤1、神经网络模型读取相关参数；

步骤2、初始化神经网络权值和阈值；

步骤3、权值和阈值置较小的随机值；

步骤4、给定输入向量和目标向量；该输入向量包括样本修正参数和样本目标重量，该目标向量包括样本真实重量；

步骤5、计算隐含层和输出层输出值；

步骤6、求基于目标向量的目标值与实际输出值误差；

步骤7、若误差满足要求，则进入步骤8；若误差不满足要求则修订网络权值和阈值，并重新进入步骤4；

步骤8、输出样本数据的提质量结果，获得重量预测模型。训练后得到的重量预测模型可采用下述公式表示：

y＝purelin(iw2·(tansig(iw1·m+b1))+b2)

式中，y为家禽主体的预测重量，iw1为输入层和隐含层的连接权值；iw2为隐含层和输出层的连接权值。b1和b2分别为隐含层和输出层的阈值，m＝[α,β,γ,χ]，α为日龄；β为日增重；γ为运动速度；χ网状秤盘采集的家禽主体的目标重量。

在对一只家禽主体进行预先称重的过程中，由于家禽主体在网状秤盘或称重平台上无法保持静止，因此预先称重的过程为一个动态的过程。由于动态的过程可能会存在偶然因素，而偶然因素会引起称重平台的脉冲干扰，从而导致称重平台采集到具有偏差的重量值。针对上述情形，基于上述实施例的内容，作为一种可选实施例，提供一种采用改进型的限幅平均滤波方法对一只家禽主体进行预先称重的方法，包括但不限于：采集家禽主体的第一初始重量；若判断获知第一初始重量与历史重量之间的差值大于差值阈值，则将历史重量作为家禽主体的目标重量，历史重量是预先采集的多只历史家禽主体的初始重量的平均值；若判断获知第一初始重量与历史重量之间的差值不大于差值阈值，则将第一初始重量作为家禽主体的目标重量。

具体地，采用改进型的限幅平均滤波方法以消除由于干扰脉冲所引起的具有偏差的重量值。当第一初始重量与历史重量之间的差值不大于差值阈值时，表明采集的第一初始重量没有偏差，为有效的采集值，可以作为目标重量。当第一初始重量与历史重量之间的差值大于差值阈值时，表明采集的第一初始重量为具有偏差的重量值，为无效的采集值，需要丢弃。上述方法具体可采用如下公式表示：

式中，cn为目标重量，un为第一初始重量，uc为历史重量，um为差值阈值。

本发明实施例提供的方法，通过采集家禽主体的第一初始重量；若判断获知第一初始重量与历史重量之间的差值大于差值阈值，则将历史重量作为家禽主体的目标重量。由于将差值与差值阈值进行比较，消除了脉冲干扰引起的采样值偏差，有效抑制或消除预先称重过程中各种干扰信号的影响，提高了目标重量的精确度。

由于家禽主体在网状秤盘或称重平台上无法保持静止，因此预先称重的过程为一个动态的过程。称重平台或网状秤盘采集的重量数据从零到有数值，再从有数值到零。称重传感器为一个二阶系统，家禽主体上到称重平台后不停地机械振动，然后趋于稳定。由于称重平台不够长，家禽主体上称为一个瞬间过程，家禽主体经过称重平台往往等不到称重数值趋于稳定，因此，家禽主体的预先称重过程具有瞬态性和动态性特点。针对上述情形，基于上述实施例的内容，作为一种可选实施例，提供一种采用动态有效值检验方法对一只家禽主体进行预先称重的方法，包括但不限于：若判断获知家禽主体站上称重平台，则通过称重平台采集家禽主体的第二初始重量，并在预设时段后通过称重平台采集家禽主体的第三初始重量；若判断获知第二初始重量与第三初始重量之间的差值小于误差阈值，则基于第二初始重量及第三初始重量获得家禽主体的目标重量。

具体地，若第二初始重量与第三初始重量之间的差值小于误差阈值，则可确认两次抓取到的重量数据较为稳定，可以作为目标重量。另外，若判断获知第二初始重量与第三初始重量之间的差值大于误差阈值，则可确认两次抓取中至少有一次对家禽主体重量的抓取不稳定，应当舍去第二初始重量及第三初始重量，并重新对家禽主体进行预先称量。

本发明实施例提供的方法，通过判断第二初始重量与第三初始重量之间的差值是否小于误差阈值。由于称重平台抓取不稳定时，第二初始重量与第三初始重量之间的差值必然大于误差阈值，因此，需要将抓取不稳定的重量数据排除，即对重量数据是否有效进行了检验，从而保证了家禽主体称重的精确性。

基于上述实施例的内容，作为一种可选实施例，提供一种基于第二初始重量及第三初始重量获得家禽主体的目标重量的方法，包括但不限于：将第二初始重量及第三初始重量的平均值作为家禽主体的目标重量。另外，也可选择第二初始重量或第三初始重量中的任意一个作为家禽主体的目标重量。

基于上述实施例的内容，可以在对一只家禽主体进行预先称重的过程中同时采用上述改进型的限幅平均滤波方法及动态有效值检验方法，包括但不限于：

若判断获知家禽主体站上称重平台，则通过称重平台采集家禽主体的第四初始重量；若判断获知第四初始重量与历史重量之间的差值大于差值阈值，则将历史重量作为家禽主体的第五初始重量；否则，将第四初始重量作为家禽主体的第五初始重量；历史重量是预先采集的多个历史目标重量的平均值；

在采集第四初始重量的预设时段后通过称重平台采集家禽主体的第六初始重量；若判断获知第六初始重量与历史重量之间的差值大于差值阈值，则将历史重量作为家禽主体的第七初始重量；否则，将第六初始重量作为家禽主体的第七初始重量；

若判断获知第五初始重量与第七初始重量之间的差值小于误差阈值，则基于第五初始重量及第七初始重量获得家禽主体的目标重量。

具体地，当检测到有家禽主体上称重平台，即称重平台检测的重量大于0时，采集到第四初始重量。根据第四初始重量，启动限幅平均滤波算法，得到一个相对稳定的采集数值，即为第五初始重量。然后进行下个周期采集重量，采集到第六初始重量。根据第六初始重量，启动限幅平均滤波算法，得到第七初始重量。判断第六初始重量和第七初始重量的绝对值差是否小于误差阈值。如果大于误差阈值，则认为动态抓取不稳定，舍去这称重的数据。如果小于误差阈值则认为称重成功，并基于第五初始重量及第七初始重量得到目标重量。本发明实施例对如何基于第五初始重量及第七初始重量得到目标重量获得目标重量的方法不作限定，包括但不限于：将第五初始重量及第七初始重量的平均值作为家禽主体的目标重量。

基于上述实施例的内容，作为一种可选实施例，提供一种获取历史重量的方法，包括但不限于：获得预先采集的n个历史目标重量，n为大于2的自然数；通过对n个历史目标重量进行比较，去除n个历史目标重量中的最大值和最小值，获得n-2个历史目标重量；将n-2个历史目标重量的平均值作为历史重量。

具体地，上述历史目标重量可以为经过限幅平均滤波方法得到的目标重量，或者为经过限幅平均滤波方法及动态有效值检验方法得到的目标重量。具体地，可以将连续获得的n个历史目标重量作为一个固定的包括n个历史目标重量的队列，每次获得新的历史目标重量后，就将新的历史目标重量放在队列尾部，并去除队列中最先采集的历史目标重量。

基于上述实施例的内容，本发明实施例提供了一种家禽称重装置，该家禽称重装置用于执行上述方法实施例中的家禽称重方法。参见图7，该装置包括：

获取模块701，用于获取目标重量以及修正参数，目标重量是对一只家禽主体进行预先称重获得的，修正参数包括家禽主体的属性参数和/或预先称重的过程中家禽主体的运动参数。

其中，获取模块701需要先对家禽主体进行预先称重，以得到家禽主体的目标重量。应当说明的是，目标重量仅是一只家禽主体的重量。本发明实施例对如何仅对一只家禽主体进行称重的方式不作限定，包括但不限于采用上述散养家禽称重设备。修正参数可至少包括两方面，一方面是家禽主体在预先称重过程中的运动参数，另一方面是家禽主体的属性参数。针对上述运动参数，运动参数用于反映家禽主体在预先称重过程中的运动情况。由于不能使家禽主体在称重平台上保持完全静止，而家禽主体在称重平台上的运动必然会影响称重平台检测的目标重量，使检测到的目标重量与家禽主体的真实重量相比必然存在一定的偏差。例如，同一只家禽主体拍打翅膀与不拍打翅膀时所检测到的目标重量是不一样的。而针对上述属性参数，属性参数用于反映家禽主体自身的与家禽主体的真实体重相关联的信息，例如属性参数进可包括家禽主体的体长，通常来说，在其他属性参数相同的情况下，体长越长的家禽主体的真实体重越大。本发明实施例对如何获得家禽主体的属性参数及运动参数的方式不作限定。

预测模块702，用于将目标重量及修正参数共同输入至重量预测模型，输出家禽主体的预测重量，重量预测模型是基于样本目标重量、样本修正参数及对应的样本真实重量进行训练后得到的；样本目标重量、样本修正参数及样本真实重量均对应于同一只样本家禽主体。

其中，预测模块702可预先训练得到重量预测模型。具体地，预测模块702可先收集大量的样本数据，该样本数据包括属于多组样本数据，每组样本数据包括样本目标重量、样本修正参数及样本真实重量，并且每一组样本数据都是采集同一只样本家禽主体的数据得到的。其中，样本目标重量是通过对样本家禽主体称重进行该预先称重获得的，而样本真实重量是样本家禽主体的准确体重，本发明实施例对如何获得样本真实重量的方式不作限定。在训练过程中，样本目标重量及修正参数作为构建的神经网络模型的训练输入值，样本真实重量作为神经网络模型的训练输出值。

在训练后得到重量预测模型后，可将上述获取模块701中获取的目标重量及修正参数共同输入至重量预测模型，得到重量预测模型输出的家禽主体的预测体重。可以将该预测体重作为家禽主体的称重结果。

本发明实施例提供的装置，通过获取目标重量以及修正参数，并将目标重量及修正参数共同输入至重量预测模型，输出家禽主体的预测重量。由于利用修正参数及重量预测模型能够对称量得到的家禽主体的目标重量进行修正，使修正后得到的预测重量更加接近于家禽主体的真实重量，提高了家禽称重结果的准确度。

作为一种可选实施例，获取模块包括第一预先称重单元，用于采集家禽主体的第一初始重量；若判断获知第一初始重量与历史重量之间的差值大于差值阈值，则将历史重量作为家禽主体的目标重量；否则，将第一初始重量作为家禽主体的目标重量；历史重量是预先采集的多个历史目标重量的平均值。

本发明实施例提供的装置，通过采集家禽主体的第一初始重量；若判断获知第一初始重量与历史重量之间的差值大于差值阈值，则将历史重量作为家禽主体的目标重量。由于将差值与差值阈值进行比较，消除了脉冲干扰引起的采样值偏差，有效抑制或消除预先称重过程中各种干扰信号的影响，提高了目标重量的精确度。

作为一种可选实施例，获取模块包括第二预先称重单元，用于若判断获知家禽主体站上称重平台，则通过称重平台采集家禽主体的第二初始重量，并在预设时段后通过称重平台采集家禽主体的第三初始重量；若判断获知第二初始重量与第三初始重量之间的差值小于误差阈值，则基于第二初始重量及第三初始重量获得家禽主体的目标重量。

本发明实施例提供的装置，通过判断第二初始重量与第三初始重量之间的差值是否小于误差阈值。由于称重平台抓取不稳定时，第二初始重量与第三初始重量之间的差值必然大于误差阈值，因此，需要将抓取不稳定的重量数据排除，即对重量数据是否有效进行了检验，从而保证了家禽主体称重的精确性。

作为一种可选实施例，第二预先称重单元具体用于，将第二初始重量及第三初始重量的平均值作为家禽主体的目标重量。

作为一种可选实施例，获取模块包括第三预先称重单元，用于若判断获知家禽主体站上称重平台，则通过称重平台采集家禽主体的第四初始重量；若判断获知第四初始重量与历史重量之间的差值大于差值阈值，则将历史重量作为家禽主体的第五初始重量；否则，将第四初始重量作为家禽主体的第五初始重量；历史重量是预先采集的多个历史目标重量的平均值；在采集第四初始重量的预设时段后通过称重平台采集家禽主体的第六初始重量；若判断获知第六初始重量与历史重量之间的差值大于差值阈值，则将历史重量作为家禽主体的第七初始重量；否则，将第六初始重量作为家禽主体的第七初始重量；若判断获知第五初始重量与第七初始重量之间的差值小于误差阈值，则基于第五初始重量及第七初始重量获得家禽主体的目标重量。

作为一种可选实施例，还包括历史重量获取模块，用于获得预先采集的n个历史目标重量，n为大于2的自然数；通过对n个历史目标重量进行比较，去除n个历史目标重量中的最大值和最小值，获得n-2个历史目标重量；将n-2个历史目标重量的平均值作为历史重量。

作为一种可选实施例，属性参数包括家禽主体的日龄和/或日增重；运动参数包括家禽主体的在预先称重的过程中的运动速度。

本发明实施例提供了一种家禽称重设备，如图8所示，该设备包括：处理器(processor)801、存储器(memory)802和总线803；

其中，处理器801及存储器802分别通过总线803完成相互间的通信；处理器801用于调用存储器802中的程序指令，以执行上述实施例所提供的家禽称重方法，例如包括：

获取目标重量以及修正参数，目标重量是对一只家禽主体进行预先称重获得的，修正参数包括家禽主体的属性参数和/或预先称重的过程中家禽主体的运动参数；

将目标重量及修正参数共同输入至重量预测模型，输出家禽主体的预测重量，重量预测模型是基于样本目标重量、样本修正参数及对应的样本真实重量进行训练后得到的；样本目标重量、样本修正参数及样本真实重量均对应于同一只样本家禽主体。

本发明实施例还提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令使计算机执行对应实施例所提供的家禽称重方法，例如包括：

获取目标重量以及修正参数，目标重量是对一只家禽主体进行预先称重获得的，修正参数包括家禽主体的属性参数和/或预先称重的过程中家禽主体的运动参数；

将目标重量及修正参数共同输入至重量预测模型，输出家禽主体的预测重量，重量预测模型是基于样本目标重量、样本修正参数及对应的样本真实重量进行训练后得到的；样本目标重量、样本修正参数及样本真实重量均对应于同一只样本家禽主体。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

以上所描述的家禽称重设备等实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。