[发明专利]一种动物疾病预测算法

权利要求书

1.一种动物疾病预测算法，其特征在于，所述方法采用双层神经网络结构，主层神经网络结构由循环神经网络构成，负责根据体温、心率、血氧和声音识别结果四个参数进行疾病预测；子层神经网络结构由卷积神经网络或循环神经网络构成，负责声音的识别。

2.根据权利要求1所述的一种动物疾病预测算法，其特征在于，所述主层神经网络关键步骤描述如下：

步骤1：将连续采样的声音按较长的时间段T进行划分，在时间段内按照更短的时间段再次划分，将每一个短时间的声音数据构成一个一维矢量，代入子层神经网络进行演算，得到声音的识别结果；

步骤2：将体温、心率、血氧和声音识别结果统一按照时间序列进行编码，并采用多项式插值等方法在时间维度上对体温、心率、血氧进行数据插值，将所有这一时间段的数据编制一个输入矢量：

x_i＝[x'_T,i,x'_H,i,x'_O,i,x'_OS,i]

其中x'_T,i表示第i段时间内的温度矢量、x'_H,i表示第i段时间内的心率值矢量、x'_O,i表示第T_i段时间内的血氧值矢量，x'_OS,i表示第i段时间内的声音识别结果矢量；

步骤3：将上述矢量代入到训练好的循环神经网络RNN中，得出生病的概率值，RNN的输出结果为两类，即生病、未生病。

3.根据权利要求2所述的一种动物疾病预测算法，其特征在于，所述步骤1的子层网络结构采用卷积神经网络CNN或循环神经网络RNN，单独用于声音的识别，解决声音识别网络训练的困难。

4.根据权利要求3所述的一种动物疾病预测算法，其特征在于，所述子层网络结构采用卷积神经网络CNN对动物声音分类的步骤描述如下：

步骤1.1.1：对连续采样的声音，按较长的时间段进行分割，并对时间段内的声音采样数据采用滤波算法进行平滑处理；

步骤1.1.2：选择对于每个给定的时间段，按短时间对这段时间内的声音再次进行分割，并将采样数据转化为一维矢量；

s_i＝[s'_0,i,s'_1,i,...,s'_k,i]

其中s'_k表示时间段T_i内第k段短时间内的声音采样一维序列；

步骤1.1.3：代入训练好的卷积神经网络CNN进行分类，得到这段时间的生猪声音识别结果os_i，表示几种声音分类的概率值。

5.根据权利要求3所述的一种动物疾病预测算法，其特征在于，所述子层网络结构采用循环神经网络RNN对动物声音分类的步骤描述如下：

步骤1.2.1：对连续采样的声音，按较长的时间段进行分割，并对时间段内的声音采样数据采用滤波算法进行平滑处理；

步骤1.2.2：选择对于每个给定的时间段，按短时间对这段时间内的声音再次进行分割，并将采样数据转化为一维矢量；

s_i＝[s'_0,i,s'_1,i,...,s'_k,i]

其中s'_k表示时间段i内第k小段短时间内的声音采样一维序列；

步骤1.2.3：代入训练好的循环神经网络RNN进行分类，得到这段时间的生猪声音识别结果os_i，表示几种声音分类的概率值；

不同于一般的循环神经网络，本发明设计的声音识别循环神经网络在输出端增加一个softmax层。