[发明专利]基于宠物日常数据分析的宠物喂养方法及系统

说明书

技术领域

本发明涉及宠物智能喂养领域，具体涉及一种基于宠物日常数据分析的宠物喂养方法及系统。

背景技术

随着国民经济的快速发展，宠物作为一种情感寄托越来越成为人们乐意选择的一种方式。但如果仅仅使用缺乏科学依据的个人经验对宠物进行喂养，其不合理的喂养方案可能会使宠物缺乏营养导致疾病或富营养化以致肥胖，都达不到我们预想的目标，间接造成大量的精力损失和金钱浪费。

目前，亟需解决的问题是建立一套全面的宠物喂养模型，并将宠物生理指标、饮食情况反馈给用户，让用户能及时对宠物喂食方案做出调整。影响宠物健康程度的各个因素之间往往体现出高度的复杂性和非线性，采用常规预测、分析方法存在一定难度。

发明内容

本发明通过提供一种基于宠物日常数据分析的宠物喂养方法及系统，以解决现有宠物喂养过程中因缺乏喂养经验，无法掌控最优的喂食方案而导致宠物饥饿或不健康的问题。

为解决上述问题，本发明采用以下技术方案予以实现：

一方面，本发明提供的基于宠物日常数据分析的宠物喂养方法，包括：

步骤S1：采集宠物的种类、性别、年龄、心跳频率、血压、体温、活动量、喂食类型、喂食量，当前图像、当前体重构成影响因素矩阵X，并上传至服务器；其中，喂食类型和喂食量构成决策变量；

步骤S2：在服务器内利用Elman神经网络建立影响因素矩阵X与宠物健康指数之间的复杂非线性关系，获得宠物喂养模型；

步骤S3：利用NSGA-Ⅱ算法对宠物喂养模型进行优化，获得决策变量的一组最优解；

步骤S4：将决策变量的该组最优解作为宠物的推荐决策X^*通过服务器下发至用户的终端设备进行显示；

步骤S5：用户根据终端设备显示的推荐决策X^*喂食宠物。

另一方面，本发明提供的基于宠物日常数据分析的宠物喂养系统，包括：

数据采集单元，用于采集宠物的种类、性别、年龄、心跳频率、血压、体温、活动量、喂食类型、喂食量，当前图像、当前体重构成影响因素矩阵X，并上传至服务器；其中，喂食类型和喂食量构成决策变量；

宠物喂养模型建立单元，用于在服务器内利用Elman神经网络建立影响因素矩阵X与宠物健康指数之间的复杂非线性关系，获得宠物喂养模型；

决策变量最优解获取单元，用于利用NSGA-Ⅱ算法对宠物喂养模型进行优化，获得决策变量的一组最优解，并将决策变量的该组最优解作为宠物的推荐决策X^*；

推荐决策下发单元，用于通过服务器将宠物的推荐决策X^*下发至用户的终端设备进行显示；

宠物喂养单元，用于根据终端设备显示的推荐决策X^*喂食宠物。

与现有技术相比，本发明提供的基于宠物日常数据分析的宠物喂养方法及系统的优点是：利用Elman神经网络建立宠物喂养模型，再利用NSGA-Ⅱ算法优化宠物喂养模型，确定了宠物喂食量、食品类型的最优值，并将宠物喂食量、食品类型的最优值构成宠物喂食方案即时反馈给用户，让用户随时随地都能了解宠物的当前状况，为宠物营造了更好的生活环境。

附图说明

图1为根据本发明实施例的基于宠物日常数据分析的宠物喂养方法的流程示意图；

图2为根据本发明实施例的健康指标预测结果图；

图3为根据本发明实施例的健康指标预测误差图；

图4为根据本发明实施例的用户界面示意图。

具体实施方式

图1示出了根据本发明实施例的基于宠物日常数据分析的宠物喂养方法的流程。

如图1所示，本发明的基于宠物日常数据分析的宠物喂养方法，包括：

步骤S1：采集宠物的种类、性别、年龄、心跳频率、血压、体温、活动量、喂食类型、喂食量，当前图像、当前体重构成影响因素矩阵X，并上传至服务器；其中，喂食类型和喂食量构成决策变量。