本发明属于智能养殖技术领域，涉及传感器技术，远程通信技术和计算机相关技术，尤其涉及一种基于c4.5算法大量分析母猪日进食量和环境参数之间的关系，找出适宜母猪生长的环境参数，例如温度、湿度和二氧化碳浓度。
背景技术：
生猪养殖是我国农业的支柱产业之一，中国养猪业正逐步由小规模向集约化、工厂化发展。随着生猪养殖规模化与集约化的程度不断提高，生猪生长环境不断恶化，病害发病率越来越高，对养殖户以及地区经济带来的损失越来越大。对生猪的生长信息进行监测，并有效地检测出参数的异常，采取相应的预防和治疗措施，是最大限度的降低损失的有效途径之一。近年来，计算机技术和远程通信技术在农业中得到了大量的应用，养猪业的信息化管理日益重要，设计一种生猪生长关键参数监测系统对于推动养殖业的发展具有重要意义。
由俄罗斯等学者提出的polyanalyst系统，是一种基于神经元网络的数据挖掘技术，在农业病虫害发生面积的预测模型中使用，研究内容主要是根据气象因子，利用人工神经网络方法来预测病虫害将要发生的农作物面积。上海理工大学陈杰，邬春学等人针对决策树算法tm－c4.5算法在处理数据挖掘分类问题中出现的算法低效以及过拟合问题，提出一种改进的c4.5算法。该算法主要改进了tm－c4.5算法的分支和剪枝策略。实验结果表明，用该算法生成的决策树进行分类更为精确、合理，表明c4.5算法有效。c4.5算法在养殖业的应用对提高我国农产品在国际农产品市场中的竞争力具有一定的作用，对于我国农业的发展具有重要意义。但现阶段c4.5算法在猪场养殖中的应用相对较少，本发明从专业的角度c4.5算法应用到母猪饲喂系统，可以有效解决目前我国养猪中猪舍环境参数适宜度的问题。本发明将物联网与c4.5算法相结合，改善了传统饲喂系统中饲料投喂量按阶段划分的粗略投喂的问题，而是考虑到各方面的影响因素，从而找到猪适宜生长的环境参数，提高养殖效益。
技术实现要素：
本发明的目的在于研制基于专家系统的妊娠母猪精细饲喂管理系统，将物联网与c4.5算法相结合，找出猪适宜生长的环境参数。母猪妊娠可以分为四个阶段，每个阶段的饲喂量和所需猪舍环境参数都不同，直接影响母猪以后的繁殖能力及产下的仔猪成活率。实时监测猪舍环境及母猪体重，利用专家系统实时调整母猪的饲喂量，严格控制母猪饮食，保持妊娠母猪处于良好的状态。同时我们可以在上位机查询各采集信息，工作人员亦可以根据现场状况在手机端调整饲喂量和猪舍环境参数。
本发明的技术方案主要包括：
信息采集模块，用于采集猪舍的环境信息、母猪的身份信息和体重信息；
专家系统模块，用于存储预设的猪舍环境信息和母猪生长信息；
推理决策模块，选择母猪生长的不同环境参数，结合该母猪的品种、胎次，将实际环境参数和母猪日进食量与专家信息模块里预设的信息进行匹配推理；
手机客户端模块，用于保存信息采集的结果和最终的推理决策结果，亦可用来实时修改母猪的日饲喂量和猪舍环境参数。
进一步，信息采集模块用于采集所述猪舍的环境信息参数，包括温度、湿度和二氧化碳浓度，采用华控兴业的集成型传感器，可以同时检测温度、湿度和二氧化碳浓度，母猪的身份信息可以通过耳标阅读器读取到母猪的编号、品种、胎次等信息，通过自动称重系统采集母猪进食量，这些数据通过有线管道送入到plc200224xp进行处理存储，上位机通过gprs-dtu通信模块与控制器相连，实现数据传输。
进一步，所述专家系统模块中分为母猪体征判断事实库和饲喂推理规则库，存储有预设猪舍温度区间、预设猪舍湿度区间、预设母猪体重、母猪品种分类、母猪的胎次及饲料的适口性等。
进一步，所述推理决策模块采用c4.5算法，在正向推理规则策略的控制下，利用规则对数据进行匹配。现将获得的怀孕母猪品种、胎次信息在规则库1中进行匹配，推理得到该品种怀孕母猪的理论环境参数和体重参数；将母猪理想体重与母猪实际体重在规则库2中进行匹配，得到实际体重下的日进食量，再将其作为事实驱动与理想猪舍环境参数、实际猪舍环境参数在规则库3中进行匹配，推理出该母猪的较优的日粮饲喂量，从而找到母猪适宜生长的环境参数。
进一步所述手机客户端模块，包括登录模块、监控节点管理模块、预警模块、信息监测模块和历史曲线分析模块。所述登录模块用于用户连接服务器以及身份确认。所述监控节点管理模块用于添加现场参数采集设备和待监测的猪个体的相关信息。所述预警模块用于获取和查询异常猪个体的预警信息。所述信息监测模块用于显示猪个体的生长参数信息。所述历史曲线分析模块用于显示猪个体生长参数历史信息的折线图。
本发明预测方法的技术方案为：一种猪舍环境适宜度的预测方法，包括以下步骤：
步骤1，在猪场适当位置安装温度、湿度、二氧化碳浓度传感器，设置为每隔10分钟发送一次数据，这些数据保存在数据库中，提供给专家系统；
步骤2，母猪进入饲喂设备，进入耳标阅读器的读卡范围内，阅读器会无接触的识别电子耳标中的序列号，再通过gprs-dtu发送给上位机，可以获得该母猪的个体信息；
步骤3，母猪进入饲喂设备，在自动称重装置中短暂停留，获取母猪体重信息，发送给上位机保存在数据库中；
步骤4，将接收到的母猪个体信息、实际猪舍环境信息和母猪实际体重参数与专家系统中预设的信息进行匹配，推理得到该母猪的日进食量；
再结合母猪的日进食量和测出的环境参数数据，利用c4.5算法分析数据，找出母猪适宜生长的环境参数；
步骤5，将最终结果保存并显示在手机客户端上，再通过无线传输发送给下位机来控制执行设备完成下料。
进一步，步骤4具体包括：
步骤4.1，将获得的母猪品种、胎次信息进行匹配，推理得到该品种母猪的理论环境参数和日进食量参数；
步骤4.2，将母猪理想日进食量参数与母猪实际日进食量参数进行匹配，得到实际环境参数下的日进食量；
步骤4.3，将实际环境参数下的母猪日进食量作为事实驱动与理想猪舍环境参数、实际猪舍环境参数进行匹配，利用c4.5算法推理出该母猪适宜的生长环境参数。
本发明的有益效果如下：
1)妊娠母猪自动下料系统，利用专家系统对妊娠母猪进行自动饲喂，使得母猪饲喂管理更加智能化，降低人工成本。
2)系统根据规则推理实时调整妊娠母猪的日粮饲喂量，然后利用c4.5算法推出猪只的适宜生长环境参数，工作人员可以通过手机端调整环境参数。
3)专家系统设置知识获取机构，专家可以通过此接口直接完善知识库。使得专家系统模块越来越完善，更好的指导妊娠母猪的饲喂，从而利用c4.5算法更加精确的找到猪只的适宜生长环境参数。
附图说明
图1是本发明系统整体结构图。
图2是信息采集模块结构示意图。
图3是专家系统模块。
图4是本发明的手机客户端功能框图。
图5是数据采集登录界面图。
图6是决策树构建过程图。
图7是构建的初步决策树图。
图8是剪枝后的决策树图。
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、完整的描述。
本发明是基于物联网的母猪饲喂器自动下料系统设计及猪舍环境适宜度的预测，整个系统结构图如图1所示，主要分为四个模块：信息采集模块、专家系统、c4.5算法模块和手机端模块。图2是信息采集模块，该饲喂系统主要包含猪只身份识别、环境信息采集、猪只体重信息采集和自动下料装置。图3是专家系统模块。系统通过电子耳标、集成传感器和电子地磅将采集到的信息交由plc200224xp进行处理存储，再由gprs-dtu通信模块发送给上位机，结合专家知识库进行推理决策得到母猪的日粮饲喂量，一方面由手机端展示给用户，另一方面通过无线通信模块将数据传递给下位机来控制下料装置的下料量。图4、5是手机客户端的模块框图，包括登录模块、监控节点管理模块、预警模块、信息监测模块和历史曲线分析模块。所述登录模块用于用户连接服务器以及身份确认。所述监控节点管理模块用于添加现场参数采集设备和待监测的猪个体的相关信息。所述预警模块用于获取和查询异常猪个体的预警信息。所述猪个体信息监测模块用于显示猪个体的生长参数信息。所述历史曲线分析模块用于显示猪个体的生长参数历史信息的折线图。
本发明的具体实施方案为：
步骤1，在猪场适当位置安装温度、湿度传感器，设置为每隔10分钟发送一次数据，这些数据保存在数据库中，提供给专家系统；
步骤2，母猪进入饲喂设备，进入耳标阅读器的读卡范围内，阅读器会无接触的识别电子耳标中的序列号，再通过gprs-dtu发送给上位机，可以获得该母猪的个体信息；
步骤3，母猪进入饲喂设备，在自动称重装置中短暂停留，获取母猪体重信息，发送给上位机保存在数据库中；
步骤4，将接收到的母猪个体信息、实际猪舍环境信息和母猪实际体重参数与专家系统预设的信息进行匹配，得到该母猪的日进食量；
再结合母猪的日进食量和测出的环境参数数据，利用c4.5算法分析数据，找出母猪适宜生长的环境参数；
步骤5，将最终结果保存并显示在手机端界面上，再通过无线传输发送给下位机来控制执行设备完成下料；
进一步，上述步骤4，利用c4.5算法推理出猪只的适宜生长环境参数关系的数据处理具体执行以下步骤：
步骤4.1，将获得的母猪品种、胎次信息进行匹配，推理得到该品种怀孕母猪的理论环境参数和日进食量参数；
步骤4.2，将实际的母猪日进食量作为事实驱动与理想猪舍环境参数、实际猪舍环境参数进行匹配，推理出该母猪的适宜生长环境参数，形成一个训练集；
步骤4.3，在训练集中，依据判定树的c4.5分类算法来选择一个属性，之后，将最初的训练集按照属性的所有取值划分为若干个子集。最后，就要在各个子集中递归的使用c4.5算法，直到形成一棵完整的决策树为止；
进一步，上述步骤4.3的决策树中比较关键的一步是选择测试属性，c4.5算法设计为：
步骤4.3.1，计算任一样本分类所需的期望值：
步骤4.3.2，由属性a划分成子集的信息量为:
步骤4.3.3，属性a的信息增益为:gain(a)＝i(s1，s2，…sm)－e(a)；信息增益率是指由于知道a的值而导致的熵的期望压缩，等于信息增益对分割熵的比值。
步骤4.3.4，属性a信息增益率为:
步骤4.3.5，找到一个初始分裂，这是在构建决策树的过程中最重要的一步。找到一个初始的分裂即是将最好的分类属性作为决策树的根节点。对每一个属性域使用c4.5算法，得出最好的初始分裂。
之后，递归的使用以上步骤，直到每个叶节点内的记录都属于同一类。最后，就够建好一棵完整的决策树了。如图6所示：决策树构建过程。
进一步，利用c4.5算法分析数据，找出母猪适宜生长的环境参数，该方法包括：(1)在训练集中，如表1所示：共有20个样本，两个类别中类属性为阳性的共有9个样本，类属性为阴性的共有11个样本。所以，|s1|＝9，|s2|＝11。对给定的样本进行分类所需的信息期望:
表1
(2)计算每个属性的信息量，信息熵和信息增益率①计算“温度”属性，对于属性“温度”，取值为“[20℃，25℃]”的样本中有4个属于阳性类，2个属于“阴性”类。所以，
(3)同理当取值为“等于20℃”，“[15℃，20℃]”，可得
i(s12,s22)＝i(3,5)＝0.6582,i(s13,s23)＝i(2,4)＝0.9178。根据属性“温度”得到所需的期望信息为:
(4)因此属性“温度的信息增益为:gain(“温度”)＝i(s1，s2)-e(“温度”)＝0.9928-0.8140＝0.1788，故属性“温度”的信息增益率为:
ratio(“温度”)＝gain(“温度”)/e(“温度”)＝0.1788/0.8140＝0.2197
重复以上步骤可得：ratio(“湿度”)＝0.1301,ratio(“co2”)＝0.2176,ratio(“光照强度”)＝0.1491。
图7是利用c4.5算法构建一个初步决策树，根据c4.5算法所得出的决策树是无法直接应用的，要对决策树进行剪枝处理。首先，删除所有类型为属性节点的叶子节点，例如，“co2”，“湿度”，“光照”，这些叶子节点都要删除。其次，由于“阴性”节点导出决定关系的置信度要比置信阈值小，所以，将“阴性”的叶子节点也删除。最后，得出剪枝后的决策树，如图8示。利用现有观测到的环境数据，运用c4.5算法从中挖掘出潜在的规则知识，找到适宜猪生长的环境判定规则。
如果“温度”＝(20℃，25℃] co2浓度”＝500-1550ppm “湿度”＝[60％－75％] “ “光照”＝40-50lx。那么，现有环境条件适宜猪成长。
如果“温度”＝(20℃，25℃] co2浓度”＝500-1550ppm “湿度”＝[75％－85％] “ “光照”＝50-60lx。那么，现有环境条件不适宜猪成长。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技术所创的等效方式或变更均应包含在本发明的保护范围之内。
1.一种猪舍环境适宜度的预测系统，其特征于，包括：
信息采集模块，用于采集猪舍的环境信息、母猪的身份信息和体重信息；
专家系统模块，用于存储预设的猪舍环境信息和母猪生长信息以及匹配推理得出母猪日进食量；
推理决策模块，选择母猪生长的不同环境参数，结合该母猪的品种、胎次，将实际环境参数和母猪日进食量与专家系统模块里预设的信息进行匹配，并通过c4.5算法推理得出母猪最适宜环境参数；
手机客户端模块，用于保存信息采集的结果和最终的推理决策结果，还用来实时修改母猪的日饲喂量和猪舍环境参数。
2.根据权利要求1所述的一种猪舍环境适宜度的预测系统，其特征于，所述信息采集模块采集的猪舍的环境信息参数包括温度、湿度和二氧化碳浓度；母猪的身份信息通过耳标阅读器读取到母猪的编号、品种、胎次等信息；由自动称重系统采集母猪进食量，采集的这些数据送入到plc200224xp进行处理存储，上位机通过gprs-dtu通信模块与控制器相连，实现数据传输。
3.根据权利要求1所述的一种猪舍环境适宜度的预测系统，其特征于，所述专家系统模块中包括母猪体征判断事实库和饲喂推理规则库，存储有预设猪舍温度区间、预设猪舍湿度区间、预设母猪体重、母猪品种分类、母猪的胎次及饲料的适口性。
4.根据权利要求1所述的一种猪舍环境适宜度的预测系统，其特征于，所述推理决策模块采用c4.5算法，在正向推理规则策略的控制下，利用规则对数据进行匹配。现将获得的怀孕母猪品种、胎次信息在规则库1中进行匹配，推理得到该品种怀孕母猪的理论环境参数和体重参数；将母猪理想体重与母猪实际体重在规则库2中进行匹配，得到实际体重下的日进食量，再将其作为事实驱动与理想猪舍环境参数、实际猪舍环境参数在规则库3中进行匹配，推理出该母猪的较优的日粮饲喂量，从而找到母猪适宜生长的环境参数。
5.根据权利要求1所述的一种猪舍环境适宜度的预测系统，其特征于，手机客户端模块，包括登录模块、监控节点管理模块、预警模块、信息监测模块和历史曲线分析模块。所述登录模块用于用户连接服务器以及身份确认；所述监控节点管理模块用于添加现场参数采集设备和待监测的猪个体的相关信息；所述预警模块用于获取和查询异常猪个体的预警信息；所述信息监测模块用于显示猪个体的生长参数信息；所述历史曲线分析模块用于显示猪个体生长参数历史信息的折线图。
6.一种猪舍环境适宜度的预测方法，其特征在于，包括以下步骤：
步骤1，在猪场适当位置安装温度、湿度、二氧化碳浓度传感器，设置为每隔10分钟发送一次数据，这些数据保存在数据库中，提供给专家系统；
步骤2，母猪进入饲喂设备，进入耳标阅读器的读卡范围内，阅读器会无接触的识别电子耳标中的序列号，再通过gprs-dtu发送给上位机，可以获得该母猪的个体信息；
步骤3，母猪进入饲喂设备，在自动称重装置中短暂停留，获取母猪体重信息，发送给上位机保存在数据库中；
步骤4，将接收到的母猪个体信息、实际猪舍环境信息和母猪实际体重参数与专家系统中预设的信息进行匹配，推理得到该母猪的日进食量；
再结合母猪的日进食量和测出的环境参数数据，利用c4.5算法分析数据，找出母猪适宜生长的环境参数；
步骤5，将最终结果保存并显示在手机客户端上，再通过无线传输发送给下位机来控制执行设备完成下料。
7.根据权利要求6所述的一种猪舍环境适宜度的预测方法，其特征在于，所述步骤4的具体实现包括：
步骤4.1，将获得的母猪品种、胎次信息进行匹配，推理得到该品种怀孕母猪的理论环境参数和日进食量参数；
步骤4.2，将实际的母猪日进食量作为事实驱动与理想猪舍环境参数、实际猪舍环境参数进行匹配，推理出该母猪的适宜生长环境参数，形成一个训练集；
步骤4.3，在训练集中，依据判定树的c4.5算法来选择一个属性，之后，将最初的训练集按照属性的所有取值划分为若干个子集。最后，就要在各个子集中递归的使用c4.5算法，直到形成一棵完整的决策树为止。
8.根据权利要求7所述的一种猪舍环境适宜度的预测方法，其特征在于，
所述c4.5算法构建决策树的方法如下：
步骤4.3.1，计算任一样本分类所需的期望值：
步骤4.3.2，由属性a划分成子集的信息量为:
步骤4.3.3，属性a的信息增益为:gain(a)＝i(s1，s2，…sm)－e(a)；信息增益率是指由于知道a的值而导致的熵的期望压缩，等于信息增益对分割熵的比值；
步骤4.3.4，属性a信息增益率为:
步骤4.3.5，找到一个初始分裂，找到一个初始的分裂即是将最好的分类属性作为决策树的根节点，对每一个属性域使用c4.5算法，得出最好的初始分裂；
递归以上步骤，直到每个叶节点内的记录都属于同一类；最后，就够建好一棵完整的决策树。
9.根据权利要求8所述的一种猪舍环境适宜度的预测方法，其特征在于，
利用c4.5算法决策树分析数据，找出母猪适宜生长的环境参数，该方法包括：
(1)在训练集中，设置20个样本，两个类别中类属性为阳性的共有9个样本，类属性为阴性的共有11个样本，即，|s1|＝9，|s2|＝11；对给定的样本进行分类所需的信息期望:
(1)
(2)计算每个属性的信息量，信息熵和信息增益率①计算“温度”属性，对于属性“温度”，取值为“[20℃，25℃]”的样本中有4个属于阳性类，2个属于“阴性”类；得出
(3)当取值为“等于20℃”，“[15℃，20℃]”，可得
i(s12,s22)＝i(3,5)＝0.6582,i(s13,s23)＝i(2,4)＝0.9178，根据属性“温度”得到所需的期望信息为:
(4)根据属性“温度的信息增益为:gain(“温度”)＝i(s1，s2)-e(“温度”)＝
0.9928-0.8140＝0.1788，得出属性“温度”的信息增益率为:
ratio(“温度”)＝gain(“温度”)/e(“温度”)＝0.1788/0.8140＝0.2197；
重复以上步骤可得：ratio(“湿度”)＝0.1301,ratio(“co2”)＝0.2176,ratio(“光照强度”)＝0.1491。
技术总结