【技术实现步骤摘要】
本申请涉及智能化饲养，尤其涉及一种基于摄食监测数据的动物饲喂计划生成方法及系统。
技术介绍
1、在动物饲养和实验研究中，科学合理的饲喂管理对动物的生长、健康及其代谢状态具有重要影响。以食蟹猴为例，作为常用于代谢疾病研究（如肥胖、糖尿病和心血管疾病）的实验动物，其摄食量和营养需求的准确监控是确保实验数据可靠性的关键。
2、传统的饲喂计划大多依赖静态设定，即根据动物的体重、年龄、性别等基本参数，设定固定的饲喂量。例如，假设一只体重为6公斤的成年雄性食蟹猴，在研究中被设定为每天摄入一定量的标准饲料。虽然这种方法在一定程度上能够保证动物的基本营养需求，但却忽略了动物摄食行为的个体差异，具体在于，即使两只体重相同的食蟹猴，其代谢率、活动量和摄食偏好也可能存在差异。
3、此外，食蟹猴作为灵长类动物，其摄食行为非常复杂，不同的猴子可能会在不同时间段选择不同种类的食物，甚至对食物的摄取速度、频率和方式存在显著差异。传统的静态饲喂方案通常无法考虑到这些个体行为差异，只能设定固定的喂食时间和量，导致无法完全适应食蟹猴的自然摄食习惯和健康需求。
4、针对上述问题，目前业界暂未提出较佳的技术解决方案。
技术实现思路
1、本申请提供一种基于摄食监测数据的动物饲喂计划生成方法、系统、存储介质、计算机程序产品及电子设备，用以至少解决传统饲喂方案中忽视个体差异及饲喂计划适应性不足的问题。
2、第一方面，本申请实施例提供一种基于摄食监测数据的动物饲喂计划生成方法，包括
3、第二方面，本申请实施例提供一种基于摄食监测数据的动物饲喂计划生成系统，包括：摄食数据获取单元，用于针对饲养空间中的各个饲料储存箱，获取饲养空间中的各个动物针对所述饲料储存箱的摄食时序数据；各个所述饲料储存箱分别用于投放相应类型的饲料，摄食时序数据包含针对相应饲料类型的摄食时间和摄食量；健康数据获取单元，用于获取各个所述动物的健康指标采样数据；营养图构建单元，用于获取各个所述饲料储存箱的饲料类型所分别对应的营养成分，以构建饲料营养关系图；所述饲料营养关系图包含饲料图节点、营养图节点和边连接，所述饲料图节点用于指示相应的饲料类型，所述营养图节点用于指示相应类型的营养成分，饲料-营养边连接的边权重是由饲料类型与营养成分之间的关联强度而定义的，营养-营养边连接的边权重是由营养成分之间的依赖关系而定义的；图结构更新单元，用于基于图神经网络对所述饲料营养关系图中各个饲料类型图节点的节点特征与邻接节点的特征信息进行聚合和更新，以得到各个饲料类型图节点的经更新的节点特征；饲喂计划生成单元，用于将各个所述健康指标采样数据与各个所述饲料储存箱所对应的摄食时序数据、经更新的节点特征和当前饲料余量来定义饲喂计划生成模型的输入状态，以通过强化学习来确定目标动作所对应的动物饲喂计划；所述动物饲喂计划包含各个饲料储存箱的饲料计划投放时间和相应的饲料计划投放量。
4、第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任一实施例的基于摄食监测数据的动物饲喂计划生成方法的步骤。
5、第四方面，本申请实施例提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本申请任一实施例的基于摄食监测数据的动物饲喂计划生成方法的步骤。
6、第五方面，本申请实施例提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现本申请任一实施例的基于摄食监测数据的动物饲喂计划生成方法的步骤。
7、通过本申请提供的一种基于摄食监测数据的动物饲喂计划生成方法及系统，能够至少产生如下的技术效果：
8、（1）通过获取每个动物的摄食时序数据和健康指标，并构建各个饲料储存箱的饲料营养关系图，应用图神经网络对饲料与营养成分之间的复杂关系进行建模与分析，利用强化学习模型进行智能体寻优计算，综合应用图神经网络和强化学习的深度学习能力，实现基于数据驱动的智能决策，能够动态优化饲料投放时间和投放量。由此，饲喂计划能够实时响应动物的行为变化和健康状态，显著提升饲养管理的灵活性和适应性，避免因固定饲喂时间和投放量所导致的饲料浪费或动物营养不足。
9、（2）通过获取实时的摄食时序数据，能够反映动物在不同时间段的摄食习惯，并结合动物的健康指标动态优化饲喂计划，不仅适应了动物个体摄食习惯的变化，还能够通过实时监控结果及时调整饲喂策略，提供更加个性化的饲喂方案，确保每个动物都能得到符合其健康需求的饲料投放。
10、（3）针对饲料空间中布置的各个饲料储存箱，通过构建饲料营养关系图，系统化地建模了不同饲料类型与其营养成分之间的关系，通过图神经网络对饲料类型节点和营养成分节点的特征进行聚合和更新，从而实现对饲料和营养成分之间复杂依赖关系的深入理解。由此，促使在进行饲料投放决策时能综合考虑饲料营养成分之间的依赖性，根据动物的健康状态和摄食行为智能选择最合适的饲料种类和营养比例，避免因饲料营养成分不均衡对动物健康产生的负面影响。此外，结合强化学习的决策机制，使得系统在不断获取新的饲喂和健康数据的过程中智能调整策略，以适应动物的生长变化和健康状况，自动生成最优的饲喂计划。
11、通过本技术方案，通过数据驱动及结合先进的图神经网络和强化学习技术，精确计算饲料的投放量和投放时间，实现了动物饲喂过程的智能化管理，能够有效满足动物的个性化营养需求，提高了饲喂管理的效率和精准度。同时，通过实时监控动物的摄食行为和健康指标，系统能够及时响应并调整饲喂方案，有效避免传统静态饲养计划无法及时适应动物健康变化的局限性。
本文档来自技高网...【技术保护点】
1.一种基于摄食监测数据的动物饲喂计划生成方法，包括：
2.根据权利要求1所述的方法，其中，所述摄食行为数据包含以下中的至少一者：摄食时间、摄食频率和摄食持续时间；所述健康指标采样数据用于指示以下中的至少一类健康指标：体重、心率、血糖和血脂。
3.根据权利要求1所述的方法，其中，所述饲料储存箱包含上层箱体和下层箱体，其中所述上层箱体为设置有食槽的摄食区域，所述下层箱体用于通过上层箱体的底部的网格通孔收纳源自摄食区域的动物粪便。
4.根据权利要求3所述的方法，其中，所述获取饲养空间中的各个动物针对所述饲料储存箱的摄食时序数据，包括：
5.根据权利要求1所述的方法，其中，所述获取各个所述饲料储存箱的饲料类型所分别对应的营养成分，以构建饲料营养关系图，包括：
6.根据权利要求5所述的方法，其中，所述饲料归类包含以下中的至少一者：植物性饲料、动物性饲料、能量饲料、纤维饲料和蛋白质饲料；所述营养归类包含以下中的至少一者：宏量营养素、微量营养素、电解质和必需氨基酸。
7.根据权利要求5所述的方法，其中，所述图神经网络采用
8.根据权利要求7所述的方法，其中，所述饲喂计划生成模型采用层级强化学习模型，其包含注意力融合层、高层策略网络和低层策略网络；
9.根据权利要求8所述的方法，其中，所述饲喂计划生成模型的奖励函数为：
10.一种基于摄食监测数据的动物饲喂计划生成系统，包括：
...【技术特征摘要】
1.一种基于摄食监测数据的动物饲喂计划生成方法，包括：
2.根据权利要求1所述的方法，其中，所述摄食行为数据包含以下中的至少一者：摄食时间、摄食频率和摄食持续时间；所述健康指标采样数据用于指示以下中的至少一类健康指标：体重、心率、血糖和血脂。
3.根据权利要求1所述的方法，其中，所述饲料储存箱包含上层箱体和下层箱体，其中所述上层箱体为设置有食槽的摄食区域，所述下层箱体用于通过上层箱体的底部的网格通孔收纳源自摄食区域的动物粪便。
4.根据权利要求3所述的方法，其中，所述获取饲养空间中的各个动物针对所述饲料储存箱的摄食时序数据，包括：
5.根据权利要求1所述的方法，其中，所述获取各个所述饲料储存箱的饲料类型所分别对应的营养成分，以构建饲料营养关系...
【专利技术属性】
技术研发人员：杨宏波，陈亚敏，田龙，唐志成，王昊然，
申请(专利权)人：泰普迈苏州医药科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。