本发明涉及畜牧养殖数据处理领域，尤其涉及一种基于屠宰级别分布预测的屠宰数量确定方法、设备及介质。
背景技术：
1、在企业全产业链运营模式下，为保证屠宰产品的稳定性，绝大多数肥猪来自全产业链中屠宰场上游的配套育肥场。屠宰场日常屠宰运营过程中，通常有多个出栏猪只数量符合要求的育肥场可供选择。但是由于出栏肥猪的屠宰性能未知，实际业务中通常采用人工随机匹配的模式进行育肥场的选择。
2、然而，此种随机的匹配方式会降低屠宰效益具体表现为：一方面不同级别的屠宰产品远大于屠宰场下游用户实际需求的产品量，优质的屠宰产品只能通过降价的方式出售，带来利润损失；另一方面，屠宰性能事先未知也限制了出栏肥猪的销售渠道，损失了原本可以通过外卖肥猪提高销售效益的机会。
技术实现思路
1、本发明提供一种基于屠宰级别分布预测的屠宰数量确定方法、设备及介质，用以解决现有技术中屠宰场与育肥场随机匹配，导致屠宰场实际屠宰量不准，造成资源浪费的问题，实现在保证屠宰场需求和屠宰利润最大化前提下，准确确定各个配套育肥场供给的屠宰数量。
2、根据本发明的第一方面，本发明提供了一种基于屠宰级别分布预测的屠宰数量确定方法，包括：
3、分别获取多个育肥场各自对应的实时养殖数据和路损数据，其中，多个育肥场与至少一个屠宰场配套，每个育肥场包括至少一个待出栏的屠宰对象；
4、将每个育肥场对应的所述实时养殖数据和所述路损数据分别输入已训练完成的屠宰性能预测模型，并通过所述屠宰性能预测模型输出多种预设白条级别对应的屠宰对象数量分布信息和白条重量信息；
5、根据每个屠宰场对每种预设白条级别的日需求量和每个育肥场的日最大运输量创建屠宰数量约束条件；
6、将各个育肥场对应的屠宰对象数量分布信息和白条重量信息代入屠宰利润模型，并基于所述屠宰数量约束条件求取令所述屠宰利润模型达到最大值时每个育肥场为每个屠宰场提供的屠宰数量。
7、在一些可能的实现方式中，所述屠宰性能预测模型包括第一网络结构和第二网络结构，其中，所述第一网络结构用于处理养殖数据并输出，所述第二网络结构用于融合所述第一网络结构的输出与路损数据并输出。
8、在一些可能的实现方式中，所述养殖数据包括屠宰对象的遗传数据、进栏数据、饲养天数、营养数据以及疾病健康数据；
9、所述第一网络结构包括：第一神经网络、第一中间层、rnn网络和第二中间层；
10、所述第一神经网络用于输入遗传数据、进栏数据、饲养天数，并与所述第一中间层全连接；
11、所述rnn网络用于输入营养数据和疾病健康数据，并与所述第二中间层连接。
12、在一些可能的实现方式中，所述第二网络结构包括：第三中间层、第二神经网络和输出层，其中，所述输出层用于输出各个预设白条级别对应的屠宰对象占比和屠宰对象屠宰后白条重量均值；
13、所述第一中间层和所述第二中间层全连接到所述第三中间层，所述第二神经网络用于输入路损数据，所述第三中间层和所述第二神经网络全连接到所述输出层各个输出。
14、在一些可能的实现方式中，所述屠宰利润模型表示为；
15、其中，表示屠宰场配套的育肥场数量，表示预设白条级别个数，表示育肥场运输至屠宰场对应的待求解屠宰数量，表示育肥场中预设白条级别为的白条重量均值，表示育肥场中预设白条级别为的屠宰对象占比，表示屠宰场对应的预设白条级别为的产品单价，表示育肥场中屠宰对象平均成本，表示平均每辆车可装载的屠宰对象数量，表示育肥场到屠宰场的单位运输费，表示育肥场到屠宰场的运输距离。
16、在一些可能的实现方式中，所述屠宰数量约束条件包括：
17、对于每个育肥场，供给每个配套屠宰场的屠宰数量均大于等于零；以及
18、对于每个育肥场，供给所有配套屠宰场的屠宰数量总和均小于等于对应育肥场的所述日最大运输量；以及
19、对于每种预设白条级别，所有育肥场为每个屠宰场提供的对应预设白条级别的总量大于等于对应的所述日需求量。
20、在一些可能的实现方式中，各个育肥场提供的对应预设白条级别的总量为；
21、其中，表示屠宰场配套的育肥场数量，示育肥场中预设白条级别为的屠宰对象占比，表示育肥场运输至屠宰场对应的待求解屠宰数量。
22、根据本发明的第二方面，本发明还提供了一种基于屠宰级别分布预测的屠宰数量确定装置，所述装置包括：
23、获取模块，用于分别获取多个育肥场各自对应的实时养殖数据和路损数据，其中，多个育肥场与至少一个屠宰场配套，每个育肥场包括至少一个待出栏的屠宰对象；
24、预测模块，用于将每个育肥场对应的所述实时养殖数据和所述路损数据分别输入已训练完成的屠宰性能预测模型，并通过所述屠宰性能预测模型输出多种预设白条级别对应的屠宰对象数量分布信息和白条重量信息；
25、约束创建模块，用于根据每个屠宰场对每种预设白条级别的日需求量和每个育肥场的日最大运输量创建屠宰数量约束条件；
26、求取模块，用于将各个育肥场对应的屠宰对象数量分布信息和白条重量信息代入屠宰利润模型，并基于所述屠宰数量约束条件求取令所述屠宰利润模型达到最大值时每个育肥场为每个屠宰场提供的屠宰数量。
27、根据本发明的第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于屠宰级别分布预测的屠宰数量确定方法。
28、根据本发明的第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于屠宰级别分布预测的屠宰数量确定方法。
29、本发明提供的一种基于屠宰级别分布预测的屠宰数量确定方法，通过获取与至少一个屠宰场配套的多个育肥场各自对应实时养殖数据和路损数据，并利用已训练完成的屠宰性能预测模型对实时养殖数据和路损数据进行预测，从而得到各个育肥场在各个预设白条级别对应的屠宰对象数量分布信息和白条重量信息，同时还根据每个屠宰场对每种预设白条级别的日需求量和每个育肥场的日最大运输量创建屠宰数量约束条件，最后利用该屠宰数量约束条件求取屠宰利润模型的最优解，从而得到各育肥场能够为每个屠宰场提供的最佳屠宰数量，不仅实现了在家畜屠宰前预测屠宰性能，而且还能够保证配套的屠宰场与育肥场供需关系相匹配，能够避免屠宰场配套养殖资源浪费的情况发生，保证养殖与屠宰利益最大化，具有较佳的通用性。
30、此外，本发明提供的一种基于屠宰级别分布预测的屠宰数量确定装置、一种电子设备和一种非暂态计算机可读存储介质，同样能实现上述技术效果，这里不再赘述。
1.一种基于屠宰级别分布预测的屠宰数量确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于屠宰级别分布预测的屠宰数量确定方法，其特征在于，所述屠宰性能预测模型包括第一网络结构和第二网络结构，其中，所述第一网络结构用于处理养殖数据并输出，所述第二网络结构用于融合所述第一网络结构的输出与路损数据并输出。
3.根据权利要求2所述的基于屠宰级别分布预测的屠宰数量确定方法，其特征在于，所述养殖数据包括屠宰对象的遗传数据、进栏数据、饲养天数、营养数据以及疾病健康数据；
4.根据权利要求3所述的基于屠宰级别分布预测的屠宰数量确定方法，其特征在于，所述第二网络结构包括：第三中间层、第二神经网络和输出层，其中，所述输出层用于输出各个预设白条级别对应的屠宰对象占比和屠宰对象屠宰后白条重量均值；
5.根据权利要求4所述的基于屠宰级别分布预测的屠宰数量确定方法，其特征在于，所述屠宰利润模型表示为；
6.根据权利要求5所述的基于屠宰级别分布预测的屠宰数量确定方法，其特征在于，所述屠宰数量约束条件包括：
7.根据权利要求6所述的基于屠宰级别分布预测的屠宰数量确定方法，其特征在于，各个育肥场提供的对应预设白条级别的总量为；
8.一种基于屠宰级别分布预测的屠宰数量确定装置，其特征在于，所述装置包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于屠宰级别分布预测的屠宰数量确定方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于屠宰级别分布预测的屠宰数量确定方法。
