基于人工智能的间歇低氧动物建模的方法及系统

本技术是关于计算机，特别是关于一种基于人工智能的间歇低氧动物建模的方法及系统。

背景技术：

1、在一些场景中，为了研究低氧环境对人体可能会造成的影响，可以构建间歇低氧动物模型，该间歇低氧动物模型让动物处于间歇低氧环境下，然后对动物在间歇低氧环境下的相关数据进行分析，以分析动物在间歇低氧环境下的状态。从而，分析间歇低氧环境对人体造成的影响。

2、相关技术中，为了实现相应的研究和分析，将动物置于间歇性低氧的实验箱中；并且，由人工进行相应的间歇低氧控制和数据分析，这种研究方式，需要依靠人工的监督，便利性较差，且结果准确性难以得到保证。

技术实现思路

1、本技术的目的在于提供一种基于人工智能的间歇低氧动物建模的方法及系统，其能够建立基于人工智能的间歇低氧动物模型，实现间歇低氧环境中动物的自动监测，提高间歇低氧动物监测的精准度和便利性。

2、为实现上述目的，第一方面，本技术的实施例提供了一种基于人工智能的间歇低氧动物建模的方法，包括：从多种类型的预设模型中，确定出不同类型的第一预设模型、第二预设模型和第三预设模型；根据预设的间歇低氧环境的气体浓度数据，对所述第一预设模型进行训练，获得训练好的第一预设模型，所述训练好的第一预设模型用于根据输入的时间点，输出气体浓度控制值；根据预设的间歇低氧环境的动物行为特征数据，对所述第二预设模型进行训练，获得训练好的第二预设模型，所述训练好的第二预设模型用于根据输入的动物图像，输出动物行为特征检测结果；根据预设的间歇低氧环境的动物活跃度数据和动物濒死预警数据，对所述第三预设模型进行训练，获得训练好的第三预设模型，所述训练好的第三预设模型用于根据动物活跃度，进行动物濒死预警；根据所述训练好的第一预设模型、所述训练好的第二预设模型和所述训练好的第三预设模型，构建基于人工智能的间歇低氧动物监测模型。

3、在一种可能的实施方式中，所述从多种类型的预设模型中，确定出不同类型的第一预设模型、第二预设模型和第三预设模型，包括：确定所述多种类型的预设模型分别对应的精确率和召回率；根据所述多种类型的预设模型分别对应的精确率和召回率，确定所述多种类型的预设模型分别对应的平均精度；根据所述多种类型的预设模型分别对应的精确率、召回率和平均精度，从所述多种类型的预设模型中分别确定出所述第一预设模型、所述第二预设模型和所述第三预设模型；其中，所述第一预设模型的平均精度小于所述第二预设模型的平均精度，所述第二预设模型的平均精度小于所述第三预设模型的平均精度；所述第一预设模型的精确率和召回率的比值、所述第二预设模型的精确率和召回率的比值和所述第三预设模型的精确率和召回率的比值均小于预设比值。

4、在一种可能的实施方式中，所述预设的间歇低氧环境的气体浓度数据，包括：多个第一预设时间点分别对应的氧气浓度值和非氧气浓度值，多个第二预设时间点分别对应的氧气浓度值和非氧气浓度值，所述第一预设时间点分别对应的氧气浓度值均低于所述第二预设时间点分别对应的氧气浓度值，所述根据预设的间歇低氧环境的气体浓度数据，对所述第一预设模型进行训练，获得训练好的第一预设模型，包括：根据所述多个第一预设时间点分别对应的氧气浓度值和所述多个第二预设时间点分别对应的氧气浓度值，对所述第一预设模型进行第一次训练；根据所述多个第一预设时间点分别对应的氧气浓度值和多个第二预设时间点分别对应的非氧气浓度值，对第一次训练之后的第一预设模型进行第二次训练；根据所述多个第一预设时间点分别对应的非氧气浓度值和多个第二预设时间点分别对应的非氧气浓度值，对第二次训练之后的第一预设模型进行第三次训练，获得最终训练好的第一预设模型。

5、在一种可能的实施方式中，所述基于人工智能的间歇低氧动物建模的方法，还包括：将预设的多个检测时间点输入所述训练好的第一预设模型，获得所述训练好的第一预设模型输出的所述多个检测时间点分别对应的气体浓度控制值；根据所述气体浓度控制值，对所述预设的间歇低氧环境进行气体浓度控制，并检测所述预设的间歇低氧环境中的动物细胞水平分压；根据所述预设的间歇低氧环境中的动物细胞水平分压，对所述训练好的第一预设模型进行优化。

6、在一种可能的实施方式中，所述动物行为特征数据包括：多种动态行为特征、多种静态行为特征和动物骨架数据，所述根据预设的间歇低氧环境的动物行为特征数据，对所述第二预设模型进行训练，获得训练好的第二预设模型，包括：根据所述动物骨架数据，构建动物骨架模型，其中，所述动物骨架数据包括多张动物图像，所述多张动物图像分别标注有动物骨架，且所述标注的动物骨架分别对应有行为特征标签；根据所述多种动态行为特征、所述多种静态行为特征和所述动物骨架模型，对所述第二预设模型进行训练，获得训练好的第二预设模型。

7、在一种可能的实施方式中，所述根据所述多种动态行为特征、所述多种静态行为特征和所述动物骨架模型，对所述第二预设模型进行训练，获得训练好的第二预设模型，包括：获取所述多种动态行为特征分别对应的动物图像，以及获取所述多种静态行为特征分别对应的动物图像；将所述多种动态行为特征分别对应的动物图像和所述多种静态行为特征分别对应的动物图像，分别输入所述动物骨架模型中，获得所述动物骨架模型输出的多张标注有动物骨架和行为特征的图像；根据所述动物骨架模型输出的图像，生成训练数据集，并对所述第二预设模型进行训练，获得训练好的第二预设模型。

8、在一种可能的实施方式中，所述根据预设的间歇低氧环境的动物活跃度数据和动物濒死预警数据，对所述第三预设模型进行训练，获得训练好的第三预设模型，包括：根据所述动物活跃度数据和所述动物濒死预警数据，生成训练数据集，并对所述第三预设模型进行第一次训练；根据第一次训练之后的第三预设模型，对所述预设的间歇低氧环境进行动物濒死预警；在进行动物濒死预警预设时长之后，获取所述预设的间歇低氧环境中的动物死亡数据；根据所述动物死亡数据对第一次训练之后的第三预设模型，进行优化训练，获得最终训练好的第三预设模型。

9、在一种可能的实施方式中，所述根据所述训练好的第一预设模型、所述训练好的第二预设模型和所述训练好的第三预设模型，构建基于人工智能的间歇低氧动物监测模型，包括：将所述训练好的第一预设模型搭建在基于人工智能的间歇低氧动物建模系统的气体控制系统中，以使所述气体控制系统通过所述训练好的第一预设模型进行气体控制；将所述训练好的第二预设模型和所述训练好的第三预设模型搭建在基于人工智能的间歇低氧动物建模系统的视觉采集系统中，以使所述视觉采集系统通过所述训练好的第二预设模型分析动物行为，以及通过所述训练好的第三预设模型进行动物濒死预警。

10、在一种可能的实施方式中，所述基于人工智能的间歇低氧动物建模的方法，还包括：根据所述训练好的第一预设模型、所述训练好的第二预设模型和所述训练好的第三预设模型，生成综合分析模型；在所述综合分析模型中，所述训练好的第二预设模型和所述训练好的第三预设模型之间具有连接关系，所述训练好的第二预设模型的输出能够用于输入所述训练好的第三预设模型中；将所述综合分析模型搭建在基于人工智能的间歇低氧动物建模系统的数据分析系统中，以使所述数据分析系统通过所述综合分析模型，输出综合分析结果，所述综合分析结果用于表征基于人工智能的间歇低氧动物建模系统的效果。

11、第二方面，本技术的实施例提供一种基于人工智能的间歇低氧动物建模的系统，应用于如第一方面所述的基于人工智能的间歇低氧动物建模的方法，所述基于人工智能的间歇低氧动物建模的系统包括：基于人工智能的间歇低氧动物实验箱，所述间歇低氧动物实验箱中配置有气体传感器，用于采集气体浓度数据；气体控制系统，用于控制所述间歇低氧动物实验箱中的气体浓度值；视觉采集系统，用于采集所述间歇低氧动物实验箱中的动物图像，根据所述动物图像确定动物行为分析结果，以及进行动物濒死预警。

12、与现有技术相比，本技术实施例的技术方案具有以下技术效果：

13、从多种类型的预设模型中，确定出三种不同类型的预设模型，以提高模型应用的多样性；通过预设的间歇低氧环境的气体浓度数据，对第一预设模型进行训练，以使训练好的第一预设模型可以用于输出气体浓度控制值；通过预设的间歇低氧环境的动物行为特征数据，对第二预设模型进行训练，以使训练好的第二预设模型可以用于输出动物行为特征检测结果；通过预设的间歇低氧环境的动物活跃度数据和动物濒死预警数据，对第三预设模型进行训练，以使训练好的第三预设模型可以进行动物濒死预警。最后，通过这三种模型，可以构建基于人工智能的间歇低氧动物监测模型，使得该模型可以实现间歇低氧环境中动物的自动监测，提高间歇低氧动物监测的精准度和便利性。