生猪舒适度分析方法及装置制造方法及图纸

本发明专利技术实施例提供一种生猪舒适度分析方法及装置，该方法包括：根据待分析样本的位置信息，对所述待分析样本进行聚类分析，获取每一聚类簇内样本点的平均距离并根据每一聚类簇内样本点的平均距离获取所有样本点的平均距离；将结果数据输入至训练后的第一神经网络模型，获取所述待分析样本的舒适度类型，所述结果数据包括所述所有样本点的平均距离；其中，所述第一神经网络模型是基于不同舒适度的样本数据以及预先确定的舒适度类型标签进行训练获得的。由于采用的是基于聚类分析的方法获取生猪的分布状况，并采用神经网络模型获取生猪的舒适度类型，且整个分析过程根据客观数据进行分析，从而具有执行效率高且结果准确的特点。

【技术实现步骤摘要】
生猪舒适度分析方法及装置
本专利技术实施例涉及计算机领域，尤其涉及一种生猪舒适度分析方法及装置。
技术介绍
生猪是主要家畜之一，猪肉含有丰富的钙、铁、磷、脂肪、蛋白质及碳水化合物等营养成分，是日常生活的主要副食品。生猪的采食、饮水、排泄及躺卧等行为特征反应了生猪的生长状态，通过分析生猪的日常行为特征，可以判定生猪生长状态是否健康。群养生猪在圈舍里的分布状态包含了生猪对环境的应激信息，在寒冷环境下，生猪会相互挤靠缩小身体和地板的接触面积以减少散热并增加活动量以增加产热。当生猪处于下限临界温度时(大约15℃)，每下降1℃，日增重减少11-22g，饲料多消耗20-30g。在炎热环境下，生猪会相互远离扩大身体和地板的接触面积以增加散热并减少活动量以减少产热。当生猪处于上限临界温度时(大约28℃)，气温每增加1℃，日增重减少30g，饲料消耗增加60-70g。在猪舍里设定舒适的温度(18℃-25℃)，不仅可以节省饲料还有助于生猪增加体重。目前，主要通过人工观察的方法分析生猪的日常行为特征，根据分析结果调节圈舍的温度和湿度。人工观察法会消耗大量的人力和物力，且人工主观的判断方式将导致判断结果可信度低。因此，目前的生猪舒适度分析方法效率低且不准确。
技术实现思路
为了解决上述问题，本专利技术实施例提供一种生猪舒适度分析方法及装置。第一方面，本专利技术提供一种生猪舒适度分析方法，包括：根据待分析样本的位置信息，对所述待分析样本进行聚类分析，获取每一聚类簇内样本点的平均距离并根据每一聚类簇内样本点的平均距离获取所有样本点的平均距离；将结果数据输入至训练后的第一神经网络模型，获取所述待分析样本的舒适度类型，所述结果数据包括所述所有样本点的平均距离；其中，所述第一神经网络模型是基于不同舒适度的样本数据以及预先确定的舒适度类型标签进行训练获得的。第二方面，本专利技术提供一种生猪舒适度分析装置，包括：获取模块,用于根据待分析样本的位置信息，对所述待分析样本进行聚类分析，获取每一聚类簇内样本点的平均距离并根据每一聚类簇内样本点的平均距离获取所有样本点的平均距离；处理模块，用于将结果数据输入至训练后的第一神经网络模型，获取所述待分析样本的舒适度类型，所述结果数据包括所述所有样本点的平均距离；其中，所述第一神经网络模型是基于不同舒适度的样本数据以及预先确定的舒适度类型标签进行训练获得的。。第三方面，本专利技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现本专利技术第一方面生猪舒适度分析方法的步骤。第四方面，本专利技术提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本专利技术第一方面生猪舒适度分析方法的步骤。本专利技术实施例提供的生猪舒适度分析方法，由于采用的是基于聚类分析的方法获取生猪的分布状况，并采用神经网络模型获取生猪的舒适度类型，且整个分析过程根据客观数据进行分析，从而具有执行效率高且结果准确的特点。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的生猪舒适度分析方法流程图；图2为本专利技术实施例提供的生猪舒适度分析装置结构图；图3为本专利技术实施例提供的一种电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。生猪的日常行为特征能够反映生猪当前所处环境的舒适程度，如可通过生猪在圈舍中的分布状态判断猪舍环境舒适度是否适宜，从而为猪场养殖人员调控猪舍环境提供决策依据。目前，主要通过人工观察的方法分析生猪的日常行为特征，根据分析结果调节圈舍的温度和湿度。人工观察法会消耗大量的人力和物力，且人工主观的判断方式将导致判断结果可信度低。为解决这一问题，本专利技术实施例提供一种生猪舒适度分析方法。该方法可应用于上述生猪圈养的场景，也可以用于其它有相似习性动物的人工养殖场景，如动物园企鹅的饲养，本专利技术实施例对此不作具体限定。另外，该方法对应的执行主体可以为独立设置的装置，也可以为加入相应模块或外部设备的计算机，本专利技术实施例对此也不作具体限定。为了便于说明，本专利技术实施例以执行主体为计算机为例，对本专利技术实施例提供的生猪舒适度分析方法进行阐述。图1为本专利技术实施例提供的生猪舒适度分析方法流程图，如图所示，本专利技术实施例提供一种生猪舒适度分析方法，包括：101，根据待分析样本的位置信息，对待分析样本进行聚类分析，获取每一聚类簇内样本点的平均距离并根据每一聚类簇内样本点的平均距离获取所有样本点的平均距离。在101中，计算机获取待分析的生猪样本的位置信息，位置信息反映生猪群的每一生猪之间的距离分布情况，若分析对象为其它动物，则待分析样本为相应的其它动物。根据生猪的位置信息进行聚类分析，采用聚类结果相对准确的聚类算法进行聚类分析，具体算法类别可根据待分析对象的计算量和计算速度的需求综合考虑。本专利技术实施例不对根据待分析样本的位置信息，对待分析样本进行聚类分析作具体限定，包括但不限于，根据待分析样本的位置信息建立平面坐标系，通过聚类算法对坐标系中点进行聚类分析。聚类分析得到的结果为生猪样本的多个聚类簇，每一聚类簇反应了相应的生猪相互挤靠的情况。获取每一聚类簇中样本点的平均距离，聚类分析过程生猪样本以样本点来考虑，根据设立的生猪样本点的坐标，计算每一聚类簇样本点的平均距离，并根据每一聚类簇内样本点的平均距离获取所有样本点的平均距离。本专利技术实施例不对获取所有样本点的平均距离的方法作具体限定，包括但不限于：计算任一聚类簇内任一样本点与该聚类簇内其它样所有本点距离的平均值，作为该点到簇内点的平局距离；按上述步骤计算该聚类簇内所有样本点到簇内点的平均距离，并计算该平均距离的均值，作为该聚类簇内样本点的平均距离；根据所有聚类簇的聚类簇内样本点的平均距离的均值，获得所有样本点的平均距离。102，将结果数据输入至训练后的第一神经网络模型，获取待分析样本的舒适度类型，结果数据包括所有样本点的平均距离将结果数据输入至训练后的神经网络，为区别后文提到的神经网络，将此处提到的神经网络称为第一神经网络。结果数据为前述过程分析得到的，作为第一神经网络的输入数据，在本实施例中为所有样本点的平均距离。第一神经网络是基于不同舒适度的样本数据以及预先确定的舒适度类型标签进行训练获得的。本专利技术实施例不对不同舒适度的样本数据的类型作具体限定，包括但不限于温度过高、温度过低以及温度适中与湿度过高、湿度过低以及湿度适中的组合状态的数据，相应的舒适度标签为上述的温湿度状态。温湿度状态的设定根据待分析样本具体确定，以成年生猪为例，温度适中为18℃-25℃，高于25℃为温度过高，低于18℃为温度过低。湿度适中为60％-80％，高于80％为湿度本文档来自技高网...

【技术保护点】
1.一种生猪舒适度分析方法，其特征在于，包括：根据待分析样本的位置信息，对所述待分析样本进行聚类分析，获取每一聚类簇内样本点的平均距离并根据每一聚类簇内样本点的平均距离获取所有样本点的平均距离；将结果数据输入至训练后的第一神经网络模型，获取所述待分析样本的舒适度类型，所述结果数据包括所述所有样本点的平均距离；其中，所述第一神经网络模型是基于不同舒适度的样本数据以及预先确定的舒适度类型标签进行训练获得的。

【技术特征摘要】
1.一种生猪舒适度分析方法，其特征在于，包括：根据待分析样本的位置信息，对所述待分析样本进行聚类分析，获取每一聚类簇内样本点的平均距离并根据每一聚类簇内样本点的平均距离获取所有样本点的平均距离；将结果数据输入至训练后的第一神经网络模型，获取所述待分析样本的舒适度类型，所述结果数据包括所述所有样本点的平均距离；其中，所述第一神经网络模型是基于不同舒适度的样本数据以及预先确定的舒适度类型标签进行训练获得的。2.根据权利要求1所述的方法，其特征在于，所述根据待分析样本的位置信息，对所述待分析样本进行聚类分析之前，还包括：根据所述待分析样本的影像数据，采用第二神经网络模型获取所述待分析样本的位置信息。3.根据权利要求1所述的方法，其特征在于，所述对所述待分析样本进行聚类分析，包括；采用基于密度的聚类算法，对所述待分析样本进行聚类分析。4.根据权利要求1所述的方法，其特征在于，所述将结果数据输入至训练后的第一神经网络模型之前，还包括：获取所述待分析样本的平均活动量；相应地，所述结果数据还包括所述待分析样本的平均活动量。5.根据权利要求1所述的方法，其特征在于，所述第一神经网络模型为BP神...

【专利技术属性】
技术研发人员：孙龙清，刘岩，罗冰，邹远炳，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京,11