基于时间维度的生猪异常行为监测方法与流程

本发明涉及畜牧业表型识别检测领域，特别是指基于时间维度的生猪异常行为监测方法。

背景技术：

1、随着养殖业的发展，生猪养殖逐渐走向规模化、集约化，然而这也带来了生猪行为监测的难题。传统的人工监测方式，由于人力成本的限制和监测效率的问题，已经难以满足现代养殖业的需求。

2、目前，虽然有些研究尝试将机器学习技术应用于生猪行为监测，但这些方法主要基于目标检测追踪，对数据质量要求较高，且在实际应用中面临诸多挑战。

3、在实际养殖中，一个圈养栏生猪数量较多，各生猪之间重叠情况也较为常见，影响追踪质量；由于传统的检测追踪算法，是对目标进行行为的连续监测，需要对某一行为进行连续的大量标注，在新的样本数据集上可能会出现效果不稳定的情况。

技术实现思路

1、本发明要解决的技术问题是提供基于时间维度的生猪异常行为监测方法，能够降低人力监测生猪异常行为的成本，提高养殖质量。

2、为解决上述技术问题，本发明的技术方案如下：

3、第一方面，基于时间维度的生猪异常行为监测方法，所述方法包括：

4、通过侧视角度对生猪进行拍摄，以构建生猪行为数据集；

5、根据生猪行为数据集，将生猪行为分类，以得到分类数据集；

6、对分类数据集进行预处理，以得到预处理数据；

7、通过时空特征提取、权重共享和层次化特征学习对预处理数据进行行为识别，以确定生猪行为；

8、根据生猪行为，利用时间戳记录方法对卧地行为进行持续时间的统计，以得到生猪卧地行为持续时间数据；

9、根据生猪卧地行为持续时间数据，对生猪行为进行监测预警，以得到生猪行为预警结果。

10、进一步的，通过侧视角度对生猪进行拍摄，以构建生猪行为数据集，包括：

11、对生猪在自然活动的状态下进行拍摄，以得到生猪行为数据；

12、将生猪行为数据进行整理和分类，以构建生猪行为数据集。

13、进一步的，根据生猪行为数据集，将生猪行为分类，以得到分类数据集，包括：

14、根据生猪行为数据集，定义生猪行为类别；

15、根据生猪行为类别，对生猪行为自动标注，以得到生猪行为标注；

16、根据生猪行为标注，通过图像处理技术对生猪行为进行特征提取，以得到分类数据集。

17、进一步的，根据生猪行为标注，通过图像处理技术对生猪行为进行特征提取，以得到分类数据集，包括：

18、根据生猪行为标注，确定图像中生猪的具体行为，以得到生猪具体行为的图像；

19、根据生猪具体行为的图像，对图像进行预处理，以得到预处理图像；

20、对预处理图像进行颜色、形状、纹理、动态的特征提取，以得到分类数据集。

21、进一步的，通过时空特征提取、权重共享和层次化特征学习对预处理数据进行行为识别，以确定生猪行为，包括：

22、通过3d卷积层的神经网络模型，捕捉空间和时间特征信息，并进行时空特征提取，以得到时空特征数据。

23、根据时空特征数据，确定深度学习模型的结构，并在深度学习模型中设置循环层中的权重共享，以得到权重共享的深度学习模型；

24、根据权重共享的深度学习模型，设置多个堆叠的层，以确保模型能层次化特征学习，以得到完成层次化特征深度学习模型；

25、对完成层次化特征深度学习模型进行训练，以得到训练后的深度学习模型；

26、根据训练后的深度学习模型对预处理数据进行行为识别，以确定生猪行为。

27、进一步的，通过3d卷积层的神经网络模型，捕捉空间和时间特征信息，并进行时空特征提取，以得到时空特征数据，包括：

28、设计3d卷积神经网络模型，包含卷积层、池化层、全连接层；

29、将输入数据输入3d卷积神经网络模型，捕捉空间和时间特征信息，以得到特征信息；

30、根据特征信息，进行时空特征提取，以得到时空特征数据。

31、进一步的，根据生猪卧地行为持续时间数据，对生猪行为进行监测预警，以得到生猪行为预警结果，包括：

32、根据生猪卧地行为持续时间数据，统计卧地行为持续时间数据，以得到所有卧地行为持续时间的平均值和标准差；

33、根据所有卧地行为持续时间的平均值和标准差，设定卧地行为持续时间预警阈值，并根据环境和养殖条件进行动态调整持续时间预警阈值，以得到持续时间动态预警阈值；

34、根据持续时间动态预警阈值进行实时监测，生猪卧地行为时间超过持续时间动态预警阈值，触发可视化界面预警闪烁图标，以得到生猪行为预警结果。

35、第二方面，一种基于时间维度的生猪异常行为监测预警系统，包括：

36、获取模块，用于通过侧视角度对生猪进行拍摄，以构建生猪行为数据集；根据生猪行为数据集，将生猪行为分类，以得到分类数据集；对分类数据集进行预处理，以得到预处理数据；

37、处理模块，用于通过时空特征提取、权重共享和层次化特征学习对预处理数据进行行为识别，以确定生猪行为；根据生猪行为，利用时间戳记录方法对卧地行为进行持续时间的统计，以得到生猪卧地行为持续时间数据；根据生猪卧地行为持续时间数据，对生猪行为进行监测预警，以得到生猪行为预警结果。

38、本发明的上述方案至少包括以下有益效果。

39、通过运用深度学习框架，实现对生猪异常行为的自动化监测与预警，降低人力监测的成本，提升生猪的养殖质量，能够对生猪进行全过程的无间断监测，并在检测到异常行为时及时发出预警，以便快速隔离可能存在问题的猪，确保养殖环境的健康与安全，大幅提高异常行为的检测效率，降低了整体的运营成本。

40、在生猪异常行为分析的过程中，选择对数据质量和标注依赖度相对较低的行为特征，减少模型训练阶段数据采集和处理的时间成本，增强模型在处理新数据样本时的稳定性，提升模型的泛化能力，本发明还将卧地行为视为一种可能的异常表现，并通过设定时间阈值来进行监测，一旦生猪的卧地行为持续时间超出预定阈值，系统便会自动触发预警机制，及时提醒养殖人员关注并采取相应措施，为生猪养殖带来更高的效率和安全保障。

技术特征：

1.基于时间维度的生猪异常行为监测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于时间维度的生猪异常行为监测方法，其特征在于，通过侧视角度对生猪进行拍摄，以构建生猪行为数据集，包括：

3.根据权利要求2所述的基于时间维度的生猪异常行为监测方法，其特征在于，根据生猪行为数据集，将生猪行为分类，以得到分类数据集，包括：

4.根据权利要求3所述的基于时间维度的生猪异常行为监测方法，其特征在于，根据生猪行为标注，通过图像处理技术对生猪行为进行特征提取，以得到分类数据集，包括：

5.根据权利要求4所述的基于时间维度的生猪异常行为监测方法，其特征在于，通过时空特征提取、权重共享和层次化特征学习对预处理数据进行行为识别，以确定生猪行为，包括：

6.根据权利要求5所述的基于时间维度的生猪异常行为监测方法，其特征在于，通过3d卷积层的神经网络模型，捕捉空间和时间特征信息，并进行时空特征提取，以得到时空特征数据，包括：

7.根据权利要求6所述的基于时间维度的生猪异常行为监测方法，其特征在于，根据生猪卧地行为持续时间数据，对生猪行为进行监测预警，以得到生猪行为预警结果，包括：

技术总结本发明提供基于时间维度的生猪异常行为监测方法，涉及畜牧业表型识别检测领域，所述方法包括：通过侧视角度对生猪进行拍摄，以构建生猪行为数据集；根据生猪行为数据集，将生猪行为分类，以得到分类数据集；分类数据集进行预处理，以得到预处理数据；通过时空特征提取、权重共享和层次化特征学习对预处理数据进行行为识别，以确定生猪行为；根据生猪行为，利用时间戳记录方法对卧地行为进行持续时间的统计，以得到生猪卧地行为持续时间数据；根据生猪卧地行为持续时间数据，对生猪行为进行监测预警，以得到生猪行为预警结果。本发明能够降低人力监测生猪异常行为的成本，提高养殖质量。技术研发人员：龙晓波,李佳妮,高俊峰,吴阳,莫哲,唐玉萍,刘星宝受保护的技术使用者：湘江实验室技术研发日：技术公布日：2024/7/29