一种养殖成本预测方法、装置及电子设备与流程

本技术涉及数据处理领域，具体涉及一种养殖成本预测方法、装置及电子设备。

背景技术：

1、随着现代化牧场规模的不断扩大和集约化程度的提高，养殖成本已经成为影响牧场经济效益和竞争力的关键因素。科学、精准地预测和控制养殖成本，是实现牧场可持续发展和盈利能力提升的重要途径。

2、目前，传统的养殖成本管理方式主要依赖于经验判断，缺乏对未来成本的预测和分析能力。这种方式难以适应现代化牧场的管理需求，无法为优化养殖方案和资源配置提供有效支持。

3、因此，亟需一种养殖成本预测方法、装置及电子设备。

技术实现思路

1、本技术提供了一种养殖成本预测方法、装置及电子设备，可以较为准确地预测未来一段时间内的养殖成本，为牧场的经营管理决策提供重要依据。

2、在本技术的第一方面提供了一种养殖成本预测方法，该方法包括：获取牧场的月初牛群结构和所述月初牛群结构对应的预测指标；根据所述月初牛群结构和所述预测指标预测月末牛群结构；根据所述月末牛群结构，获取各个不同泌乳阶段的牛只数量和所述牛只数量对应的月产奶量；获取饲料槽图像，并将所述饲料槽图像输入至预设进食量模型，得到所述月初牛群结构对应的日进食量；根据所述日进食量预测月进食量；根据所述月产奶量和所述月进食量，预测所述月初牛群结构对应的养殖成本。

3、通过采用上述技术方案，通过获取牧场的月初牛群结构，并获取与月初牛群结构对应的预测指标，可以预测月末牛群结构。然后根据预测的月末牛群结构，可以获知不同泌乳阶段的牛只数量以及相应的月产奶量。同时，通过获取饲料槽图像并输入预设进食量模型，可以得到当前牛群的日进食量，并据此预测月进食量。最后，根据预测的月产奶量和月进食量，可以预测月初牛群结构下的养殖成本。该方法充分利用了牧场的实时数据，包括牛群结构、饲料槽图像等，可以较为准确地预测未来一段时间内的养殖成本，为牧场的经营管理决策提供重要依据，有助于提高牧场的经济效益。

4、可选的，所述获取所述月初牛群结构对应的预测指标，具体包括：获取牧场的历史生产数据，所述历史生产数据包括多个生产事件和各个所述生产事件对应的发生日期和发生数量，所述生产事件包括牛只购入、牛只淘汰、牛只死亡以及牛只分娩；基于所述历史生产数据，计算各个所述生产事件的月度发生概率，并将所述月度发生概率作为所述预测指标，所述预测指标包括牛只购入概率、牛只淘汰概率、牛只死亡概率以及牛只分娩概率。

5、通过采用上述技术方案，通过获取牧场的历史生产数据，包括各类生产事件（如牛只购入、淘汰、死亡以及分娩等）的发生日期和发生数量，可以计算出各个生产事件的月度发生概率，并将其作为预测指标。这些预测指标包括了影响牛群结构变化的关键因素，如牛只淘汰概率、牛只死亡概率和牛只分娩概率等。通过这种基于历史数据统计分析的方法得到的预测指标，可以较为客观、准确地反映牧场生产的实际情况，为后续的月末牛群结构预测提供重要的参数依据，进而为养殖成本的预测奠定基础。该方法充分挖掘了牧场积累的历史生产数据的价值，通过概率统计的方法得到预测指标，可操作性强，能够提高养殖成本预测的准确性和可靠性。

6、可选的，所述根据所述月初牛群结构和所述预测指标预测月末牛群结构，具体包括：获取所述月初牛群结构中的总牛只数量；根据所述牛只淘汰概率和所述牛只死亡概率，预测存栏牛只数；根据所述牛只购入概率和所述牛只分娩概率，预测新增牛只数；根据所述总牛只数量、所述存栏牛只数和所述新增牛只数，得到所述月末牛群结构。

7、通过采用上述技术方案，通过概率计算的方式，对月初牛群结构的变化进行量化预测，可以较为准确地预测一段时间后的牛群结构情况。同时，该方法考虑了牛只减少(淘汰和死亡)和增加(购入和分娩)两个方面的因素，预测结果能够动态反映牛群结构的变化，为后续产奶量和饲养成本的预测提供重要依据。应用该方法可以掌握牛群结构的变化趋势，有助于提前做好生产管理计划，合理调配资源，并对可能出现的问题进行预防。

8、可选的，所述根据所述月末牛群结构，获取各个不同泌乳阶段的牛只数量和所述牛只数量对应的产奶量，具体包括：获取各个所述泌乳阶段的平均日单产量；将所述月末牛群结构中各个所述泌乳阶段的牛只数量与对应的平均日单产量相乘，得到各个所述泌乳阶段的日产奶量；将各个所述泌乳阶段的日产奶量相加，得到牧场日总产奶量；将各个所述牧场日总产奶量乘以未来时间段，得到所述月产奶量，所述未来时间段为当前时间到月末时间的时间。

9、通过采用上述技术方案，通过获取各泌乳阶段的平均日单产量，并乘以月末牛群结构中对应阶段的牛只数量，可以得到各泌乳阶段的日产奶量，将其累加得到牧场的日总产奶量。然后根据当前时间到月末的未来时间段，将日总产量乘以预测天数，即可得到预测的月产奶量。该方法充分利用月末牛群结构数据，得到未来一段时间内的月产奶量预测值。这种方法计算简单，易于实现，为养殖成本的预测和经营决策提供重要数据支持，有助于提高牧场的生产管理水平和经济效益。

10、可选的，所述根据所述日进食量得到月进食量，具体包括：将所述日进食量输入预设lstm模型，得到未来时间段的日进食量预测值；根据所述未来时间段，将所述日进食量预测值累加，得到所述月进食量。

11、通过采用上述技术方案，通过将日进食量输入预设lstm模型，可以得到未来一段时间内的日进食量预测值，然后根据未来时间段的长度，将日进食量预测值累加，即可得到未来时间段内的总进食量预测值(月进食量)。该方法利用了预设lstm模型在处理时序数据方面的优势，可以较为准确地预测未来一段时间内的进食量变化趋势。

12、可选的，所述根据所述月产奶量和所述月进食量，预测月初牛群结构对应的养殖成本，具体包括：根据所述月产奶量和预测奶价，得到月度产奶收入；根据所述月进食量和预测饲料价格，得到月度饲料成本；获取其他月度固定成本和月度变动成本；根据所述月度产奶收入、所述月度饲料成本、所述其他月度固定成本以及所述月度变动成本，得到所述养殖成本。

13、通过采用上述技术方案，综合考虑了影响养殖成本的各项因素，包括月度产奶收入、月度饲料成本和其他月度固定成本及月度变动成本，通过将各项成本和收入进行加总计算，可以较为全面、准确地预测未来一段时间内的养殖成本。应用该方法可以提前估算出养殖的盈亏平衡点，评估养殖的经济效益，为生产经营决策提供重要依据。

14、可选的，所述获取饲料槽图像，并将所述饲料槽图像输入至预设进食量模型，得到所述月初牛群结构对应的日进食量之前，所述方法还包括：获取历史饲喂数据，所述历史饲喂数据包括历史饲料槽图像数据和所述历史饲料槽图像数据对应的饲喂量数据；标注所述历史饲喂数据，得到训练集数据和测试集数据；构建卷积神经网络模型；采用所述训练集数据对所述卷积神经网络模型进行训练，并使用所述测试集数据对所述卷积神经网络模型进行评估，得到准确度；判断所述准确度是否大于或等于预设准确度阈值；若确定所述准确度大于或等于预设准确度阈值，则停止训练，得到所述预设进食量模型。

15、通过采用上述技术方案，通过卷积神经网络模型对大量历史图像数据和历史饲喂量数据进行学习，可以自动提取图像特征，建立起历史图像数据与历史饲喂量数据之间的映射关系。

16、在本技术的第二方面提供了一种养殖成本预测装置，该装置包括：获取模块和处理模块，所述获取模块，用于获取牧场的月初牛群结构和所述月初牛群结构对应的预测指标；所述处理模块，用于根据所述月初牛群结构和所述预测指标预测月末牛群结构；所述处理模块，还用于根据所述月末牛群结构，获取各个不同泌乳阶段的牛只数量和所述牛只数量对应的月产奶量；所述获取模块，还用于获取饲料槽图像，并将所述饲料槽图像输入至预设进食量模型，得到所述月初牛群结构对应的日进食量；所述处理模块，还用于根据所述日进食量预测月进食量；所述处理模块，还用于根据所述月产奶量和所述月进食量，预测所述月初牛群结构对应的养殖成本。

17、在本技术的第三方面提供了一种电子设备，包括处理器、存储器、用户接口以及网络接口，所述存储器用于存储指令，所述用户接口和所述网络接口均用于与其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如上述任意一项所述的方法。

18、在本技术的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如上述任意一项所述的方法。

19、综上所述，本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

20、1、通过获取牧场的月初牛群结构，并获取与月初牛群结构对应的预测指标，可以预测月末牛群结构。然后根据预测的月末牛群结构，可以获知不同泌乳阶段的牛只数量以及相应的月产奶量。同时，通过获取饲料槽图像并输入预设进食量模型，可以得到当前牛群的日进食量，并据此预测月进食量。最后，根据预测的月产奶量和月进食量，可以预测月初牛群结构下的养殖成本。该方法充分利用了牧场的实时数据，包括牛群结构、饲料槽图像等，可以较为准确地预测未来一段时间内的养殖成本，为牧场的经营管理决策提供重要依据，有助于提高牧场的经济效益。

21、2、通过获取牧场的历史生产数据，包括各类生产事件（如牛只购入、牛只淘汰、牛只死亡以及牛只分娩等）的发生日期和发生数量，可以计算出各个生产事件的月度发生概率，并将其作为预测指标。这些预测指标包括了影响牛群结构变化的关键因素，如牛只淘汰概率、牛只死亡概率和牛只分娩概率等。通过这种基于历史数据统计分析的方法得到的预测指标，可以较为客观、准确地反映牧场生产的实际情况，为后续的御魔牛群结构预测提供重要的参数依据，进而为养殖成本的预测奠定基础。该方法充分挖掘了牧场积累的历史生产数据的价值，通过概率统计的方法得到预测指标，可操作性强，能够提高养殖成本预测的准确性和可靠性。

22、3、通过获取各泌乳阶段的平均日单产量，并乘以月末牛群结构中对应阶段的牛只数量，可以得到各泌乳阶段的日产奶量，将其累加得到牧场的日总产奶量。然后根据当前时间到月末的未来时间段，将日总产量乘以预测天数，即可得到预测的月产奶量。该方法充分利用月末牛群结构数据，得到未来一段时间内的月产奶量预测值。这种方法计算简单，易于实现，为养殖成本的预测和经营决策提供重要数据支持，有助于提高牧场的生产管理水平和经济效益。