用于动物健康监测的方法与流程

背景技术：1、猫使用垫料箱来排泄尿液和粪便物。垫料箱包括接收尿液和粪便物的一层猫用垫料。宠物用垫料包含可以是非结团或结团的吸收材料和/或吸附材料。与垫料箱使用相关的视觉指示器可提供关于猫健康状况的信息；例如，身体、行为或精神健康问题的发作。遗憾的是，这些症状可能只出现在疾病或健康问题的中后期，通常无法为正确干预提供足够的信息。此外，宠物主人往往缺乏动物行为知识，无法将垫料箱使用与健康问题联系起来。2、已经做出了一些努力来跟踪垫料箱的活动，以此来评估猫的健康状况。例如，已经使用相机、视频记录装置和/或秤来捕捉猫的垫料箱活动。虽然这些装置可能有助于跟踪关于猫行为的一些基本信息，但这些装置通常提供一维信息，可能需要具备资格的行为学家来解读，并且/或者可能无法提供有关更微妙和/或非视觉线索的良好数据。技术实现思路技术特征：1.一种在至少一个处理器的控制下监测动物的健康状况的方法，包括：2.根据权利要求1所述的方法，其中对所述动物行为进行分类包括箱内事件、排尿事件、排便事件、非排泄事件或它们的组合。3.根据权利要求1所述的方法，还包括将所述动物分类事件的所述变化与和所述动物相关的身体、行为或精神健康问题关联起来。4.根据权利要求3所述的方法，其中所述身体健康问题是动物疾病。5.根据权利要求4所述的方法，其中所述动物疾病是选自以下的猫疾病：泌尿系统疾病、肾病、糖尿病、甲状腺功能亢进、自发性膀胱炎、消化问题或关节炎。6.根据权利要求3所述的方法，其中所述精神健康问题选自焦虑、紧张或认知功能减退。7.根据权利要求3所述的方法，其中所述行为问题是箱外排泄。8.根据权利要求1所述的方法，其中确定所述负载数据是否来自所述动物交互确定了所述负载数据是否来自所述动物交互、人类交互、错误触发或意外交互。9.根据权利要求1所述的方法，还包括基于所述负载数据来鉴别所述动物。10.根据权利要求9所述的方法，其中鉴别所述动物会将所述动物与至少一个与所述平台交互的其他动物区分开。11.根据权利要求1所述的方法，还包括生成指示所述动物分类事件的所述变化的通知。12.根据权利要求11所述的方法，其中在与所述装置事件相关联的参数满足阈值之后生成所述通知。13.根据权利要求1所述的方法，其中所述方法不包括任何相机或图像捕获装置或与任何相机或图像捕获装置通信，并且不执行视觉图像识别。14.根据权利要求1所述的方法，其中对所述动物行为属性进行分类还包括分析来自所述多个负载传感器的所述负载数据以测量定位在所述平台上的垫料箱的重量、所述动物的重量分布、事件的位置、事件的持续时间、移动模式、进入力、离开力、所述动物交互的波动性或它们的组合。15.根据权利要求1所述的方法，其中对所述动物行为属性进行分类还包括分析来自所述多个负载传感器的所述负载数据以鉴别或测量所述动物进入所述平台上的垫料箱、所述动物选择特定排泄位置的移动量、选择特定排泄位置的时间量、准备所述特定排泄位置所消耗的时间量、准备所述特定排泄位置所消耗的能量、覆盖所述排泄物所消耗的时间量、覆盖所述排泄物所消耗的能量、所述排泄的持续时间、从所述动物进入到离开的所述装置事件的总持续时间、所述排泄物的重量、所述排泄期间所述动物的运动、所述排泄期间单个负载传感器上的步长/斜率检测、所述动物离开所定位的所述垫料箱、(xii)涉及所述垫料箱的一个或多个运动或冲击、或它们的组合。16.根据权利要求1所述的方法，其中对所述动物行为属性进行分类还包括在基于时域特征的时域和基于频域特征的频域两者中分析来自所述多个负载传感器的负载数据。17.根据权利要求16所述的方法，其中所述时域特征包括均值、中值、标准偏差、范围、自相关或它们的组合，并且其中所述时域特征被创建为用于所述机器学习分类器的一个或多个输入。18.根据权利要求16所述的方法，其中所述频域特征包括中值、能量、功率谱密度或它们的组合，并且其中所述频域特征被创建为用于所述机器学习分类器的一个或多个输入。19.根据权利要求16所述的方法，其中所选择的时域特征和所述频域特征选自所述负载的标准偏差、平点的长度、均值的交叉计数、独特峰计数、不同负载值计数、不同负载值与事件持续时间的比率、各个传感器中的最大负载变化的计数、中等负载仓百分比、高负载仓百分比、高负载仓波动性、高负载仓方差、自动相关函数滞后或延时、曲率、线性度、(xv)峰计数、能量、最小功率、功率标准偏差、最大功率、最大方差偏移、最大kl散度、kl散度时间、谱密度熵、自相关函数微分、自回归模型的变化或它们的组合；并且其中基于使用所选择的时域特征和所选择的频域特征作为对所述机器学习分类器的一个或多个输入来对所述动物交互进行分类、确定动物鉴别或两者兼有。20.根据权利要求1所述的方法，其中对所述动物行为属性进行分类还包括按总负载、每个负载传感器的单独负载以及经由将所述负载数据分成阶段的阶段分离算法在阶段水平上或它们的组合，来分析来自所述多个负载传感器的所述负载数据。21.根据权利要求20所述的方法，其中将所述负载数据分成阶段的所述阶段分离算法包括至少三个阶段，所述至少三个阶段包括排泄前、排泄和排泄后。22.根据权利要求1所述的方法，还包括确定所述动物在定位于所述平台上的垫料箱内的位置。23.根据权利要求22所述的方法，其中所述动物在所述垫料箱内的所述位置基于在所述动物交互期间的不同时间所述垫料箱内的所述动物的重心位置。24.根据权利要求23所述的方法，还包括跟踪所述动物的所述重心，从而为所述动物交互内的每个阶段和/或每个特征确定所述动物在所述垫料箱内的所述位置。25.根据权利要求1所述的方法，其中对所述动物行为属性进行分类还包括分析来自所述多个负载传感器的所述负载数据以确定所述动物的移动模式，所述移动模式包括所覆盖距离、速度、加速度、移动方向、对准、从进入定位在所述平台上的垫料箱的进入点到所述垫料箱的中心的距离、排泄位置、休息位置、所述垫料箱的优选象限或它们的组合。26.根据权利要求25所述的方法，其中分析所述负载数据包括确定所述优选象限，其中基于每个象限中的总观测值百分比和每个象限中的负载观测值数量占负载样本总数的百分比来确定所述优选象限。27.根据权利要求1所述的方法，还包括为特定动物生成动物行为模型，包括鉴别所述特定动物的装置事件、所述装置事件的频率、所述装置事件期间所述特定动物的特质、所述装置事件期间所述特定动物的优选行为、所述装置事件的特性、所述特定动物的特性或它们的组合。28.根据权利要求1所述的方法，其中将所述动物行为属性分类为动物分类事件采用归一化逻辑来分析所述负载数据。29.一种其上包含指令的非暂态机器可读存储介质，所述指令在被执行时使得处理器执行监测动物的健康状况的方法，所述方法包括：30.一种动物监测系统，包括：31.根据权利要求30所述的动物监测系统，其中所述处理器和所述存储器与所述动物监测装置相关联。32.根据权利要求30所述的动物监测系统，其中所述处理器和所述存储器在物理上远离所述动物监测装置定位，并且通过网络与所述数据通信器通信。33.根据权利要求30所述的动物监测系统，还包括垫料箱，所述垫料箱被成形为由所述平台支撑并且包含所述垫料。34.根据权利要求30所述的动物监测系统，其中所述多个负载传感器包括至少三个负载传感器。35.根据权利要求30所述的动物监测系统，其中所述多个负载传感器是四个负载传感器。36.根据权利要求30所述的动物监测系统，其中所述平台具有矩形形状、正方形形状或三角形形状。技术总结本公开提供了用于动物健康监测的系统和方法。可从与在其上承载所含垫料的平台相关联的多个负载传感器获得负载数据，其中该多个负载传感器中的各个负载传感器彼此分开，并且彼此独立地接收来自该平台的压力输入。如果确定该负载数据来自或不来自动物与所含垫料的交互，那么在基于负载数据确定与所含垫料的该交互是由于该动物交互的情况下，识别与动物相关的动物行为属性。使用机器学习分类器将该动物行为属性分类为动物分类事件。鉴别该动物分类事件与先前记录的该动物相关事件相比的变化。技术研发人员：M·A·多纳沃恩,N·兰根菲尔德-麦科伊,R·T-S·麦高恩,H·杜桑,M·B·卡马拉杰,V·维贾亚拉詹,V·戈文达拉扬,A·辛格,S·马利佩迪,A·S·纳萨努鲁,A·克里希南,D·R·拉维,D·J·舍伍德,R·S·马奎尔,J·W·J·斯通,G·E·M·洛根,羽鸟智子,P·M·豪布里克,W·S·希姆范德洛夫受保护的技术使用者：雀巢产品有限公司技术研发日：技术公布日：2024/3/31