[发明专利]基于人工智能的畜牧健康监测方法与系统

说明书

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的畜牧健康监测方法与系统，该方法包括：获取牲畜的标准健康数据，构成多维健康数据向量；对多维健康数据向量进行分析得到每一维度的异常概率，选取异常概率最大时对应维度的健康数据作为异常数据；当所述异常数据为进食时间时，获取当前草料黏稠度；根据牲畜健康状态为正常时的进食时间与草料黏稠度的对应关系，对当前牲畜实际进食时间和实际草料黏稠度进行分析，确定实际进食时间与实际草料黏稠度的对应关系是否为异常，当为异常时，则牲畜健康状态为不健康；当为正常时，对除异常数据外其他健康数据进行分析，确定牲畜健康检测结果。本发明能够提高健康监测的监测精度。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的畜牧健康监测方法与系统。

背景技术

随着人工智能技术在畜牧业管理中应用越来越广泛，基于人工智能技术的信息化畜牧管理系统层出不穷，它大幅提高畜牧业的管理效率、降低了管理成本，并且能够实时监测畜牧的健康状况。目前，现有的健康监测方法中通过热成像图数据进行体温监测和图像特征分析，往往获得仅是与牲畜相关的单一特征，容易造成误识别，导致分析结果不准确。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的畜牧健康监测方法与系统，所采用的技术方案具体如下：

获取牲畜的标准健康数据，构成多维健康数据向量；对多维健康数据向量进行分析得到每一维度的异常概率，选取异常概率最大时对应维度的健康数据作为异常数据；

当所述异常数据为进食时间时，获取当前草料黏稠度；

其中，所述草料黏稠度的获取方法为：

采集牲畜在进食时食槽区域图像，并对食槽区域图像进行划分，得到牲畜进食区域的初始草料图像；

获取初始草料图像的边缘信息，将各边缘信息作为图像特征点，对图像特征点进行聚类得到不同分布区域，并将所述分布区域记为草料分布图像；

计算初始草料图像和草料分布图像的差值得到草料空洞区域图像，对草料空洞区域进行聚类得到空洞区域分布簇，根据空洞区域分布簇中空洞区域的面积、数量以及草料分布图像的面积得到空洞区域分布熵；

利用初始草料图像中任意像素点与相邻像素点组成像素点对，构建灰度共生矩阵，获取灰度共生矩阵的对比度信息；根据所述空洞区域分布熵和对比度信息得到草料黏稠度；

根据牲畜健康状态正常时的进食时间与草料黏稠度的对应关系，对当前牲畜实际进食时间和实际草料黏稠度进行分析，确定实际进食时间与实际草料黏稠度的对应关系是否为异常，当为异常时，则牲畜健康状态为不健康；当为正常时，对除异常数据外其他健康数据进行分析，确定牲畜健康检测结果。

优选地，所述对当前牲畜实际进食时间和实际草料黏稠度进行分析的方法具体为：

计算牲畜健康正常时的进食时间和当前实际进食时间的差值得到进食时间差，当进食时间差大于或等于差值阈值时，实际进食时间与实际草料黏稠度的对应关系为异常状态，则判断为牲畜健康状态为不健康；

当进食时间差小于差值阈值时，则实际进食时间与实际草料黏稠度的对应关系为正常状态，将当前牲畜实际进食时间删除后，对剩余健康数据进行分析，确定牲畜健康检测结果。

优选地，所述空洞区域分布熵的计算方法为：

其中，N₁为空洞区域分布熵，K为空洞区域分布簇中空洞区域的数量，S_j,j＝1,2,…,K，为空洞区域的面积，S为草料分布图像的面积。

优选地，所述草料黏稠度的计算方法为：