健康监测方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术涉及智能决策，公开了一种健康监测方法，该方法包括：获取猪的语音样本数据，所述语音样本数据包括猪发出的不同的语音数据及每种语音样本数据对应的实际健康状态，其中每种语音样本数据对应的实际健康状态为咳嗽或者非咳嗽；根据所述猪的语音样本数据，训练得到健康监测模型；获取监控的目标猪的语音数据；将所述目标猪的语音数据作为所述健康监测模型的输入，确定所述目标猪的健康状态。本发明专利技术还提出一种健康监测装置以及一种计算机可读存储介质。本发明专利技术从监控的实时的猪的音频数据中，准确判断猪是否健康，从而发送提示信息。

【技术实现步骤摘要】
健康监测方法、装置及计算机可读存储介质
本专利技术涉及计算机
，尤其涉及一种健康监测方法、装置及计算机可读存储介质。
技术介绍
在养猪场中监测动物的健康状况对养猪场的可持续管理至关重要，咳嗽作为身体的一种防御呼吸道感染的机制，可能是呼吸系统紊乱或感染的征兆。它已经被作为超过100种疾病的指数，经验丰富的医生可以根据咳嗽确定感染声音，在识别呼吸道疾病的气道病理机制方面，其性状的变化可能具有相当大的价值。咳嗽作为一种预后手段的重要性不仅仅限于人类，还包括动物。因此，需要及时识别猪的咳嗽情况。
技术实现思路
本专利技术提供一种健康监测方法、装置及计算机可读存储介质，其主要目的在于实现了从监控的实时的猪的音频数据中，准确判断猪是否健康，从而发送提示信息。为实现上述目的，本专利技术还提供一种健康监测方法，所述方法包括：获取猪的语音样本数据，所述语音样本数据包括猪发出的不同的语音数据及每种语音样本数据对应的实际健康状态，其中每种语音样本数据对应的实际健康状态为咳嗽或者非咳嗽；根据所述猪的语音样本数据，训练得到健康监测模型；获取监控的目标猪的语音数据；将所述目标猪的语音数据作为所述健康监测模型的输入，确定所述目标猪的健康状态。可选地，所述获取猪的语音样本数据包括：通过声音传感器采集猪的不同声音数据；将采集的声音数据转换成声音数字信号；对所述声音数字信号进行预处理；将预处理后的数据作为猪的语音样本数据。可选地，，所述对所述声音数字信号进行预处理包括：对声音数字信号中的声纹数据流进行分段成为多个预设时长的帧；对每帧中的声纹数据进行噪声处理；将每帧的去噪声后的数据转换成为每帧的包含预设数量的频率分量的序列；将每帧的包含预设数量的频率分量的序列进行分类标注，并将每帧的标注后的数据作为预处理后的数据。可选地，，所述健康监测模型包括循环神经网络模型，所述循环神经网络模型包括：输入层、隐藏层和输出层；输入层：用于定义猪的语音样本数据中不同类型的数据输入；隐藏层：用于利用激励函数对输入层输入的猪的语音样本数据进行非线性化处理；输出层：用于对隐藏层拟合的结果进行输出表示，输出猪的语音样本数据对应的健康状态；记忆单元：记忆单元在神经元内部决定是否应该写入或删除对信息的记忆，并将之前的记录的猪的健康数据、现在的记忆的猪的健康数据和当前输入的猪的语音样本数据结合在一起，对长期信息进行记录。可选地，，所述输入层包含128和64神经元的两个双向循环层，并含有32个神经元的单向循环层；隐藏层为256个神经元，输出层神经元节点为1。可选地，，所述根据所述猪的语音样本数据，训练得到健康监测模型包括：输入猪的语音样本数据；构建健康监测模型的损失函数，所述损失函数用于表示猪的语音样本数据对应的预测健康状态与猪的语音样本数据对应的实际健康状态的差异；迭代计算所述损失函数，直至猪的语音样本数据对应的预测健康状态与猪的语音样本数据对应的实际健康状态的差异小于预设差异值。可选地，，所述将所述目标猪的语音数据作为所述健康监测模型的输入，确定所述目标猪的健康状态包括：若健康监测模型输出的结果为咳嗽，则确定目标猪的健康状态为咳嗽状态；若健康监测模型输出的结果为不咳嗽，则确定目标猪的健康状态为不咳嗽状态。可选地，，所述方法还包括：在确定目标猪的健康状态为咳嗽状态之后，发送预警信息至所述目标猪的养殖户的终端上。为实现上述目的，本专利技术还提供一种健康监测装置，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的健康监测程序，所述健康监测程序被所述处理器执行时实现如下步骤：获取猪的语音样本数据，所述语音样本数据包括猪发出的不同的语音数据及每种语音样本数据对应的实际健康状态，其中每种语音样本数据对应的实际健康状态为咳嗽或者非咳嗽；根据所述猪的语音样本数据，训练得到健康监测模型；获取监控的目标猪的语音数据；将所述目标猪的语音数据作为所述健康监测模型的输入，确定所述目标猪的健康状态。此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有健康监测程序，所述健康监测程序可被一个或者多个处理器执行，以实现如上所述的健康监测方法的步骤。本专利技术获取猪的语音样本数据，所述语音样本数据包括猪发出的不同的语音数据及每种语音样本数据对应的实际健康状态，其中每种语音样本数据对应的实际健康状态为咳嗽或者非咳嗽；根据所述猪的语音样本数据，训练得到健康监测模型；获取监控的目标猪的语音数据；将所述目标猪的语音数据作为所述健康监测模型的输入，确定所述目标猪的健康状态。本专利技术还提出一种健康监测装置以及一种计算机可读存储介质。本专利技术从监控的实时的猪的音频数据中，准确判断猪是否健康，从而发送提示信息。附图说明图1为本专利技术一实施例提供的健康监测方法的流程示意图；图2为本专利技术一实施例提供的健康监测方法的流程示意图；图3为本专利技术一实施例提供的健康监测装置的内部结构示意图；图4为本专利技术一实施例提供的健康监测装置中健康监测程序的模块示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术提供一种健康监测方法。参照图1所示，为本专利技术一实施例提供的健康监测方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。在本实施例中，健康监测方法包括：S10、获取猪的语音样本数据。在本实施例中，所述语音样本数据包括猪发出的不同的语音数据及每种语音样本数据对应的实际健康状态，其中每种语音样本数据对应的实际健康状态为咳嗽或者非咳嗽。在一具体实现中，所述获取猪的语音样本数据包括：通过声音传感器采集猪的不同声音数据；将采集的声音数据转换成声音数字信号；对所述声音数字信号进行预处理；将预处理后的数据作为猪的语音样本数据。具体地，通过一个声音传感器捕捉猪的声音，采集猪的不同声音数据，并利用MFCCs(Mel-frequencycepstralcoefficients:梅尔频率倒谱系数)算法从所述采集猪的不同声音数据中提取出特征数据，提取后的特征数据也可以称为声纹数据，将声纹数据转换为声音数字信号。所述MFCCs是一种在自动语音和说话人识别中广泛使用的特征。具体地，所述声音传感器由压电传感器和附加元件，如信号调理电路、FPGA(Field－ProgrammableGateArray，即现场可编程门阵列)等组成。所述信号调理电路使得压电传感器可以放大呼吸音和完全消除环境声音。通过所述FPGA对声音数字信号进行预处理，包括端点检测、去噪等操作，接下来将其转化为数字信号。在一具体实现中，所述对所述声音数字信号进行预处理包括：对声音数字信号中的声纹数据流进行分段成为多个预设时长的帧；对每帧中的声纹数据进行噪声处理；将每帧的去噪声后的数据转换成为每帧的包含预设数量的频率分量的序列；将每帧的包含预设数量的频率分量的序列进行分类标注，并将每帧的标注后的数据作为预处理后的数据。由于所收集的特征数据高度不对称，算法无法处理所有不再同一维度的数据，最终有可能导致网络模型训练的失败，因此在获得海量数据后，有必要对特征数据进行数据预处理操作。在预处理过程中,对声纹数据流进行分段成为每4毫秒长的帧，本文档来自技高网...

【技术保护点】
1.一种健康监测方法，其特征在于，所述方法包括：获取猪的语音样本数据，所述语音样本数据包括猪发出的不同的语音数据及每种语音样本数据对应的实际健康状态，其中每种语音样本数据对应的实际健康状态为咳嗽或者非咳嗽；根据所述猪的语音样本数据，训练得到健康监测模型；获取监控的目标猪的语音数据；将所述目标猪的语音数据作为所述健康监测模型的输入，确定所述目标猪的健康状态。

【技术特征摘要】
1.一种健康监测方法，其特征在于，所述方法包括：获取猪的语音样本数据，所述语音样本数据包括猪发出的不同的语音数据及每种语音样本数据对应的实际健康状态，其中每种语音样本数据对应的实际健康状态为咳嗽或者非咳嗽；根据所述猪的语音样本数据，训练得到健康监测模型；获取监控的目标猪的语音数据；将所述目标猪的语音数据作为所述健康监测模型的输入，确定所述目标猪的健康状态。2.如权利要求1所述的健康监测方法，其特征在于，所述获取猪的语音样本数据包括：通过声音传感器采集猪的不同声音数据；将采集的声音数据转换成声音数字信号；对所述声音数字信号进行预处理；将预处理后的数据作为猪的语音样本数据。3.如权利要求2所述的健康监测方法，其特征在于，所述对所述声音数字信号进行预处理包括：对声音数字信号中的声纹数据流进行分段成为多个预设时长的帧；对每帧中的声纹数据进行噪声处理；将每帧的去噪声后的数据转换成为每帧的包含预设数量的频率分量的序列；将每帧的包含预设数量的频率分量的序列进行分类标注，并将每帧的标注后的数据作为预处理后的数据。4.如权利要求1所述的健康监测方法，其特征在于，所述健康监测模型包括循环神经网络模型，所述循环神经网络模型包括：输入层、隐藏层和输出层；输入层：用于定义猪的语音样本数据中不同类型的数据输入；隐藏层：用于利用激励函数对输入层输入的猪的语音样本数据进行非线性化处理；输出层：用于对隐藏层拟合的结果进行输出表示，输出猪的语音样本数据对应的健康状态；记忆单元：记忆单元在神经元内部决定是否应该写入或删除对信息的记忆，并将之前的记录的猪的健康数据、现在的记忆的猪的健康数据和当前输入的猪的语音样本数据结合在一起，对长期信息进行记录。5.如权利要求4所述的健康监测方法，其特征在于，所述输入层包含128和64神经元的两个双向循环层...

【专利技术属性】
技术研发人员：王健宗，程宁，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44