一种动物疾病预测算法制造技术

本发明专利技术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。本发明专利技术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。

【技术实现步骤摘要】
一种动物疾病预测算法
本专利技术涉及动物疾病预测
，具体涉及一种动物疾病预测算法。
技术介绍
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，本专利技术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。
技术实现思路
有鉴于此，本专利技术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。本专利技术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：xi＝[x'T,i,x'H,i,x'O,i,x'OS,i]其中x'T,i表示第i段时间内的温度矢量、x'H,i表示第i段时间内的心率值矢量、x'O,i表示第i段时间内的血氧值矢量，x'OS,i表示第i段时间内的声音识别结果矢量；步骤3：将上述矢量代入到训练好的循环神经网络RNN中，得出生病的概率值，RNN的输出结果为两类，即生病、未生病。进一步地，所述步骤1的子层网络结构采用卷积神经网络CNN或修改的循环神经网络RNN，单独用于声音的识别，解决声音识别网络训练的困难。以动物生猪为例，将动物声音分类为：打斗声、咳嗽声、饥饿声、呻吟声和未知类声音。其它动物方法类似。进一步地，所述子层网络结构采用卷积神经网络CNN对动物声音分类的步骤描述如下：步骤1.1.1：对连续采样的声音，按较长的时间段进行分割，并对时间段内的声音采样数据采用滤波算法进行平滑处理；步骤1.1.2：选择对于每个给定的时间段，按短时间(例如0.5秒)对这段时间内的声音再次进行分割，并将采样数据转化为一维矢量：si＝[s'0,i,s'1,i,...,s'k,i]其中s'k表示时间段Ti内第k段短时间内的声音采样一维序列；步骤1.1.3：代入训练好的卷积神经网络CNN进行分类，得到这段时间的生猪声音识别结果osi，表示几种声音分类的概率值；进一步地，所述子层网络结构采用循环神经网络RNN对动物声音分类的步骤描述如下：步骤1.2.1：对连续采样的声音，按较长的时间段进行分割，并对时间段内的声音采样数据采用滤波算法，如卡曼滤波、自适应滤波算法进行平滑处理；步骤1.2.2：选择对于每个给定的时间段，按短时间(例如0.5秒)对这段时间内的声音再次进行分割，并将采样数据转化为一维矢量；si＝[s'0,i,s'1,i,...,s'k,i]其中s'k表示时间段i内第k段短时间内的声音采样一维序列；步骤1.2.3：代入训练好的循环神经网络RNN进行分类，得到这段时间的生猪声音识别结果osi，表示几种声音分类的概率值；不同于一般的循环神经网络，本专利技术设计的声音识别循环神经网络在输出端增加一个softmax层。进一步地，采用卷积神经网络CNN或循环神经网络RNN的声音识别神经网络训练方法如下：步骤1：对动物声音时间序列进行人工标记，标记结果为打斗声、咳嗽声、饥饿声、呻吟声和未知声音等；步骤2：采用变频、加噪、去噪技术进行数据增广；步骤3：将标注的数据集分为训练集与测试集，利用训练集数据对声音识别CNN网络或RNN网络进行监督训练，并测试集进行测试，直到声音识别CNN网络或RNN网络的损失函数满足要求时停止训练；步骤4：按一定概率选择实际计算样本，完善标注的数据集，重复步骤3。进一步地，所述疾病预测神经网络训练方法如下：步骤1：根据生物学、动物医学等相关知识，对体温、心率、血氧、声音的时间序列进行数据标记，标记结果为生病与未生病两类；步骤2：将标注的数据集分为训练集与测试集，利用训练集数据对疾病预测神经网络RNN进行监督训练，并采用测试集进行测试，直到声音识别CNN网络或者RNN网络损失函数满足要求时停止训练；步骤3：按一定概率选择实际计算样本，完善标注集，重复步骤2。本专利技术与现有技术相比较，本专利技术有益效果是：其一，设计一种双层神经网络结构，子层网络结构进行声音的识别，主层网络结构根据体温、心率、血氧和声音识别结果四个参数进行疾病预测；其二，采用卷积神经网络CNN或循环神经网RNN作为声音识别子网络，单独用于声音的识别，解决声音识别网络训练的困难；其三，子层网络采用卷积神经网络或循环神经网络进行分析处理，对声音处理具有很强的识别能力，而主层网络采用循环神经网络，算法具有较高精度的预测能力和鲁棒性。附图说明图1是动物疾病预测网络模型图。图2是采用CN本文档来自技高网...

【技术保护点】
1.一种动物疾病预测算法，其特征在于，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。/n

【技术特征摘要】
1.一种动物疾病预测算法，其特征在于，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。


2.根据权利要求1所述的一种动物疾病预测算法，其特征在于，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，在时间段内按照更短的时间段再次划分，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：
xi＝[x'T,i,x'H,i,x'O,i,x'OS,i]
其中x'T,i表示第i段时间内的温度矢量、x'H,i表示第i段时间内的心率值矢量、x'O,i表示第Ti段时间内的血氧值矢量，x'OS,i表示第i段时间内的声音识别结果矢量；
步骤3：将上述矢量代入到训练好的循环神经网络RNN中，得出生病的概率值，RNN的输出结果为两类，即生病、未生病。


3.根据权利要求2所述的一种动物疾病预测算法，其特征在于，所述步骤1的子层网络结构采用卷积神经网络CNN或循环神经网络RNN，单独用于声音的识别，解决声音识别网络训练的困难。


4.根据权利要求3所述的一种动物疾病预测算法，其特征在于，所述子层网络结构采用卷积神经网络CNN对动物声音分类的步骤描述如下：
步骤1.1.1：对连续采样的声音，按较长的时间段进行分割，并对时间段内的声音采样数据采用滤波算法进行平滑处理；
步骤1.1.2：选择对于每个给定的时间段，按短时间对这段时间内的声音再次进行分割，并将采样数据转化为一维矢量；
si＝[s'0,i,s'1,i,...,s'k,i]
其中s'k表示时间段Ti内第k段短时间内的声音采样一维序列；
步骤1.1.3：代入训练好的卷积神经网络CNN进行分类，得到这段时间的生猪声音识别结...

【专利技术属性】
技术研发人员：阳波，唐文胜，印遇龙，李建中，
申请(专利权)人：湖南师范大学，
类型：发明
国别省市：湖南;43