[发明专利]一种针对家畜异常行为判断的智能识别方法及其识别系统

权利要求书

1.一种针对家畜异常行为判断的智能识别方法，其特征在于，包括以下步骤：

S1：通过对家畜实时行为音频、家畜实时行为影像和家畜实时所处环境监测多方面进行数据采集，在采集中，提取各项数据中差异化部分且可反应家畜行为的特征数据集成入库；

S2：依据家畜行为特征数据库进行建模，建模过程中，根据家畜种类和生理状态进行分类建模，可形成识别家畜行为是否异常的家畜异常行为识别模型库，模型库中的模型可按照不同的家畜种类进行组合排列，生理状态为二级分类；

S3：运用在家畜饲养实景中，可利用饲养环境中的各个设备对家畜实时行为音频、家畜实时行为影像和家畜实时所处环境监测实现采集，比对家畜行为特征数据库，对出现的异常行为百分比进行判断，并做出预警。

2.根据权利要求1所述的一种针对家畜异常行为判断的智能识别方法，其特征在于，所述S2中模型库中各个模型的构建和训练具体包括以下步骤：

S2-1：利用S1中家畜行为特征数据库中三项大类数据，基于Caffe深度学习框架构建家畜异常行为识别模型；

S2-2：采用在家畜行为特征数据库上拟合模型，借助拟合功能，定义训练周期的数量、输入和输出数据，利用家畜行为特征数据库对家畜异常行为识别模型进行训练，得到能够精确识别家畜行为是否异常的家畜异常行为识别模型库；

S2-3：其中对拟合定义周期中不同的生理状态进行数据独立训练，其中特殊的生理状态有家畜发情周期、交配周期和生殖周期，其他的必要生理状态有休息周期、进食周期、觅食周期和群内斗争周期。

3.根据权利要求1所述的一种针对家畜异常行为判断的智能识别方法，其特征在于，所述S3中家畜异常行为判断具体包括以下步骤：

S3-1：利用家畜饲养场所中设备对家畜行为进行采集，并录入至行为异常判断服务器中，通过服务器中比对深度学习后的家畜异常行为识别模型和实时采集的家畜行为，输出家畜和模型库中各个识别模型行为符合程度；

S3-2：根据符合程度对家畜进预警，通过人工再进行抽检家畜个体，对家畜个体的体征和心理进行仪器检测，提出行为判断异常中对家畜行为判断的准确性，再将此次家畜行为判断特征和判断结果输入至数据库中，实现再次深度学习，丰富数据库中异常行为的数据量。

4.如权利要求1所述的一种针对家畜异常行为判断的智能识别方法中使用的识别系统，其特征在于，包括：

行为数据采集和处理模块，用于采集和处理家畜的音频、影像和环境监测；

模型构建和训练模块，用于基于深度学习的方法构建和训练出能够精确识别家畜行为是否异常的家畜异常行为识别模型库；

实时家畜行为判断模块，模块位于家畜所处实时环境，用于快速准确判断家畜行为是否异常；

结果输出和显示模块，用于显示数据采集以及输出家畜行为和深度学习模型库中各项模型符合百分比数据；

预警处理模块，用于基于服务器给出的异常行为百分比数据判断，其可调节百分比数据上下限，用于对百分比数据的限制判断；

数据库模块，用于存储服务器和数据库中的各种数据。

5.根据权利要求4所述的一种针对家畜异常行为判断的智能识别方法，其特征在于，所述行为数据采集和处理模块中对音频采集设备为便携式麦克风和声音采集室，所述行为数据采集和处理模块中对音像采集设备为红外监控探头、广角摄像头和球摄像头组，所述行为数据采集和处理模块中环境监测设备主要为在线自动连续监测仪器和传感器组。

6.根据权利要求5所述的一种针对家畜异常行为判断的智能识别方法，其特征在于，所述传感器组还设于所述家畜的体表用于监测家畜的体征，所述家畜的体征数据为体温和心率。