一种生猪养殖预警系统及方法与流程

本发明属于生猪养殖领域，涉及人工智能技术，具体是一种生猪养殖预警系统及方法。背景技术：1、生猪养殖作为农业的重要组成部分，逐渐从传统养殖方式向规模化、集约化、现代化的养殖方式转变，这不仅提高了生产效率，也确保了食品安全和品质。2、生猪养殖过程中，生猪之间的斗争、抢食和挤压是常见的问题，这些问题不仅影响生猪的生长速度，还可能对生猪的健康状况造成威胁，为了解决这些问题，预警系统被广泛应用于生猪养殖中；现有技术通过对生猪的行为特征进行判断，识别出生猪之间的斗争、抢食或挤压，但对行为特征的判定是基于观测实现的，因此难以通过行为特征准确识别出生猪的健康状况。3、因此，本发明提供了一种生猪养殖预警系统及方法，以解决上述技术问题。技术实现思路1、本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种生猪养殖预警系统及方法，用于解决现有技术通过对猪的行为特征进行判断，识别出猪之间的斗争、抢食或挤压；但只通过单一的来进行识别，显然识别的准确性不高的技术问题。2、为实现上述目的，本发明的第一方面提供了一种生猪养殖预警系统，包括：数据分析模块，以及与数据分析模块相连接的数据采集模块和预警模块；3、数据采集模块：实时采集目标区域的特征数据；其中，特征数据包括目标区域的区域图像以及各生猪的体征数据，体征数据包括声音、体温和心率；4、数据分析模块：用于根据历史数据训练构建生猪行为识别模型；其中，历史数据包括在生猪养殖过程中采集的特征数据以及对应的行为标签，生猪行为识别模型是基于人工智能模型构建；以及，5、对实时采集的所述特征数据进行预处理，得到目标数据；将所述目标数据整合输入至生猪行为识别模型，得到对应的行为标签；其中，所述行为标签用于识别影响生猪健康的行为；6、预警模块：用于提取得到的所述行为标签对应的评估阈值；以及，7、基于生猪的体温和心率计算预警等级评估系数；比较预警等级评估系数和评估阈值，根据比较结果生成预警信息。8、优选的，所述根据历史数据训练构建生猪行为识别模型，包括：9、基于历史数据中的特征数据生成标准输入数据，基于历史数据对应的行为标签生成标准输出数据；通过标准输入数据和标准输出数据训练人工智能模型，得到生猪行为识别模型；其中，人工智能模型包括：卷积神经网络模型或者深度置信网络。10、优选的，所述基于历史数据中的特征数据生成标准输入数据，包括：11、提取历史数据中生猪的行为图像以及对应采集时刻的生猪的声音特征、体温和心率；根据不同的声音特征、体温和心率对生猪的行为图像进行标注，生成包含声音特征、体温和心率的行为特征数据；将行为特征数据整合生成标准输入数据。12、优选的，所述基于历史数据对应的行为标签生成标准输出数据，包括：13、识别历史数据中生猪的特征数据对应的行为标签，得到识别结果；将行为标签对应的识别结果整合为标准输出数据；其中，识别结果包括：争斗、抢食或挤压。14、需要说明的是，所述历史数据是通过采集目标区域获取的；识别结果可通过人工识别或利用互联网中存储的生猪行为进行匹配。15、现有技术通过单一的数据来识别生猪的争斗、抢食或挤压，显然识别的准确性不高，导致预警的准确性不高；16、本发明通过采集生猪的行为图像、声音特征、体温和心率训练人工智能模型，得到生猪行为识别模型；通过生猪行为识别模型对生猪行为进行识别判断，提高了识别的准确性。17、优选的，所述对实时采集的所述特征数据进行预处理，包括：18、提取生猪的行为图像和声音特征；将生猪的行为图像、声音特征、体温和心率整合为生猪行为识别序列；其中，生猪的行为图像、声音特征、体温和心率为同一时刻采集。19、优选的，所述提取生猪的行为图像，包括：20、提取实时采集的所述区域图像，对所述区域图像进行预处理，得到目标图像；其中，预处理包括图像去噪和图像增强；21、基于目标检测算法从所述目标图像中提取生猪的行为图像；其中，目标检测算法包括yolo或faster r-cnn。22、优选的，所述提取生猪的声音特征，包括：23、对采集到的生猪声音进行去噪、滤波和放大操作；通过数字信号处理技术将声音从时域转化为频域并计算得到频谱特征；其中，频谱特征包括：功率谱密度、频谱质心或频带能量，数字信号处理技术包括：傅里叶变换或小波变换。24、优选的，所述基于生猪的体温和心率计算预警等级评估系数，包括：25、将生猪的体温标记为t，生猪的心率标记为hr；通过公式p＝ln[(t-tn)^α×(hr-hrn)^β]计算预警等级评估系数p；其中，α、β是比例系数，tn是正常情况下生猪的体温，hrn是正常情况下生猪的心率，ln(*)是以自然常数e为底的对数函数，t>tn且hr>hrn。26、优选的，所述比较预警等级评估系数和评估阈值，根据比较结果生成预警信息，包括：27、提取原始结果中生猪的体温和心率，代入预警等级评估系数计算公式，得到预警等级评估系数p；将预设的第一预警阈值标记为y，第二预警阈值标记为z；通过将p与y和z进行比较判断原始结果的预警等级，若y≤p