[发明专利]一种动物疾病预测算法

说明书

本发明公开了一种动物疾病预测算法，涉及动物疾病识别技术领域。所述算法由二层神经网络结构组成，子层神经网络采用卷积神经网络或循环神经网络构成，负责声音的识别，主层由循环神经网络构成，负责根据体征参数，如心率、血氧、体温及子层声音识别结果进行疾病的预测。本发明将声音与常规体征数据分开处理，在保持数据处理细节的同时，降低了数据处理的数据量，降低了两种网络结构数据训练的难度，为心率、血氧、体温、声音预测动物疾病提供一种技术手段。

技术领域

本发明涉及动物疾病预测技术领域，具体涉及一种动物疾病预测算法。

背景技术

动物的体征，如体温、血氧、心率、运动、鸣叫等，与动物的疾病、生殖和生产效率有着密切的联系，对提高动物生长效率、预防疾病研究具有着重要的意义。例如，通过体温、心率的变化，可以分析生猪在养殖过程中，饲料、生长环境是否存在问题；通过体温、血氧、心率的变化，可以对生猪的疾病进行预测。目前，常规的生理体征检测主要是采用接触式的方式，如体温计测量体温，血氧仪测量血氧等，但采用接触式方式，动物不可避免产生应激反应，因此，存在测量误差大、测量效率低，无法实现长期不间断测量，除此之外，接触式测量所使用的仪器成本高，使用不方便，制约了动物生理体征在线监测技术的发展。

目前，动物体征和行为监示主要采用常规的视频监视方法，通常采用一个摄像机进行取景，功能上只有单一的音频、视频监视；红外测温用于动物的体温测量，一般采用单点测温和多次测量的方法，除此之外，红外相机也应用于动物测温，且音视频监视与红外测量两者之间是独立处理的，实际上，音频、视频、体温、体温分布与动物的体征之间是存在密切的联系，但是目前以体温、心率、血氧和声音为观测对象进行动物疾病预测算法并不多见。

针对上述问题，本发明设计一种动物疾病预测算法：以体温、心率、血氧和声音为观测对象，将动物体温、心率、血氧分为一组，声音分为另外一组；将两组数据代入到两个不同的循环神经网络进行运算；再次，将运算结果代入一个循环神经网络进行运算，得到最终的预测计算结果。

这种方法解决以下几个问题：

(1)相对于体温、心率、血氧的数据，声音具有更大的数据量组，如果将四种数据放到一个神经网络结构中，算法计算量非常大，且由于声音数据量巨大，易造成神经网络出现过拟合现象，训练非常困难；

(2)统一将体温、心率、血氧、声音作为一个数据矢量来处理，标注工作极其困难，目前缺乏相关的实验结果作支撑；

(3)由于体温、心率、血氧、声音数据主要采用低质的传感器进行采集，数据误差波动大、数据不健全等，因此需要算法能具有较强的鲁棒性。

发明内容

有鉴于此，本发明的目的在于提供了一种动物疾病预测算法，从而克服现有技术的缺陷与不足。

本发明通过以下技术方案实现，所述方法采用双层神经网络结构，主层神经网络结构由循环神经网络构成，负责根据体温、心率、血氧和声音识别结果四个参数进行疾病预测；子层神经网络结构由卷积神经网络或循环神经网络构成，负责声音的识别。

进一步地，所述主层神经网络关键步骤描述如下：

步骤1：将连续采样的声音按较长的时间段T进行划分(如5分钟)，在时间段内按照更短的时间段(例如0.5秒)再次划分，将每一个短时间的声音数据构成一个一维矢量，代入子层神经网络进行演算，得到声音的识别结果；

步骤2：将体温、心率、血氧和声音识别结果统一按照时间序列进行编码，并采用多项式插值等方法在时间维度上对体温、心率、血氧进行数据插值，将所有这一时间段的数据编制一个输入矢量：

x_i＝[x'_T,i,x'_H,i,x'_O,i,x'_OS,i]