[發明專利]一種基于行為和體溫雙序列的動物疾病預警方法和系統

在審

• 申請號: 202210577569.9
• 申請日: 2022-05-25
• 公開（公告）號: CN114947828A
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 馬駿;楊濤;郭乾
• 申請（專利權）人: 北京芯聯心科技發展有限公司
• 主分類號: A61B5/11
• 分類號: A61B5/11;A61B5/01;A01K29/00;A61B5/00;G06N3/04;G06N3/08
• 代理公司: 北京繪聚高科知識產權代理事務所(普通合伙) 11832
• 代理人: 汪帆

1.一種基于行為和體溫雙序列的動物疾病預警方法，其特征在于，包括：

實時采集得到動物的體溫指標序列和運動指標序列；

將所述動物的運動指標序列輸入至行為識別網絡，識別得到所述動物的行為識別序列；

使用雙序列決策網絡對所述體溫指標序列和所述行為識別序列進行融合，根據融合后的所述體溫指標序列和行為識別序列，識別得到所述動物的疾病預警信息。

2.根據權利要求1所述的動物疾病預警方法，其特征在于，所述實時采集得到動物的體溫指標序列和運動指標序列的步驟，包括：

設置所述動物的唯一標識；

使用體溫傳感器實時采集所述動物的體溫指標序列；

使用多種運動傳感器實時采集所述動物的多種運動信息，融合所述多種運動信息得到所述運動指標序列；

建立所述唯一標識分別與所述體溫指標序列和所述運動指標序列的對應關系。

3.根據權利要求1所述的動物疾病預警方法，其特征在于，所述將動物的運動指標序列輸入至行為識別網絡，識別得到所述動物的行為識別序列的步驟，包括：

使用所述行為識別網絡的滑動窗口對所述運動指標序列進行分片和特征提取，得到所述動物的運動表示特征；

使用所述行為識別網絡的序列模型處理所述運動表示特征，得到所述動物的運動特征融合序列；

使用所述行為識別網絡的行為決策模型對所述運動特征融合序列進行行為類型識別，得到所述動物的行為識別序列。

4.根據權利要求3所述的動物疾病預警方法，其特征在于，所述使用行為識別網絡的序列模型處理所述運動表示特征的步驟，包括：

使用所述序列模型對所述運動表示特征進行序列建模，得到預定時段內每個時刻的運動特征量；

使用所述序列模型融合所述預定時段內所有時刻的運動特征量，得到所述運動特征融合序列。

5.根據權利要求1所述的動物疾病預警方法，其特征在于，所述使用雙序列決策網絡對所述體溫指標序列和所述行為識別序列進行融合，根據融合后的所述體溫指標序列和行為識別序列，識別得到所述動物的疾病預警信息的步驟，包括：

使用所述雙序列決策網絡的第一序列網絡對所述體溫指標序列進行序列建模，得到體溫特征量；

使用所述雙序列決策網絡的第二序列網絡對所述行為識別序列進行序列建模，得到行為特征量；

使用所述雙序列決策網絡的注意力網絡融合所述體溫特征量和行為特征量，分別得到體溫特征融合序列和行為特征融合序列；

將所述體溫特征融合序列和所述行為特征融合序列共同輸入至所述雙序列決策網絡的決策網絡模型進行疾病分類，得到所述動物的疾病預警信息。

6.根據權利要求5所述的動物疾病預警方法，其特征在于，所述使用雙序列決策網絡的注意力網絡分別融合所述體溫特征量和體溫特征量，分別得到體溫特征融合序列和行為特征融合序列的步驟，包括：

控制所述注意力網絡根據公式：YT_t＝∑(α_i*HA_i)+HT_t融合所述體溫特征量和所述行為特征量，得到所述體溫特征融合序列；其中，YT_t為所述體溫特征融合序列，α_i為體溫的注意力網絡分數，HA_i為i時刻的行為特征量，HT_t為t時段內所有體溫特征量；以及，

控制所述注意力網絡根據公式：YA_t＝∑(β_i*HT_i)+HA_t融合所述體溫特征量和所述行為特征量，得到所述行為特征融合序列；其中，YA_t為所述行為特征融合序列，β_i為行為的注意力網絡分數，HT_i為i時刻的體溫特征量，HA_t為t時段內所有行為特征量。