养殖场风险预测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种养殖场风险预测方法、装置、设备及存储介质，所述方法包括：将待检测地图输入养殖场检测模型得到所述待检测地图中的养殖场信息；根据所述养殖场信息确定待预测养殖场以及所述待预测养殖场周围预设范围内的养殖信息，并获取所述预设范围内的其他影响因素信息；将所述养殖信息和所述其他影响因素信息输入预设的风险预测模型得到所述待预测养殖场的风险预测结果。本发明专利技术实现了快速、准确地预测养殖场的风险情况。

Risk prediction method, device, equipment and storage medium of breeding farm

【技术实现步骤摘要】
养殖场风险预测方法、装置、设备及存储介质
本专利技术涉及人工智能
，尤其涉及一种养殖场风险预测方法、装置、设备及存储介质。
技术介绍
非洲猪瘟是由非洲猪瘟病毒引起的猪的一种急性、热性、高度接触性动物传染病，相关致死率高达100％。从中国动物卫生与流行病学中心确诊中国第一例非洲猪瘟以来，中国部分省份陆续发生非洲猪瘟疫情，损失严重。类似于非洲猪瘟的这种动物传染病一旦发现，就需要快速地、准确地采取防控措施，以避免疫情持续扩大而造成社会各方面的不良影响。而为做出快速、准确地防控措施，就需要快速、准确地了解到各个养殖场的风险情况。但是目前的状况是对养殖场的风险评估，需要专家实地考察养殖场的情况后进行评估，或者依赖养殖户的上报信息。然而专家实地考察的方案显然效率低下，难以应对突发且蔓延迅速的疫情；养殖户的主动上报则会有养殖户瞒报养殖信息的情况，导致风险评估准确率低。无法快速、准确地获得养殖场的风险情况，将导致防控工作效果差。
技术实现思路
本专利技术的主要目的在于提供一种养殖场风险预测方法、装置、设备及存储介质，旨在解决目前针对动物疫情，无法快速、准确地获得养殖场的风险情况，从而导致防控工作效果差的问题。为实现上述目的，本专利技术提供一种养殖场风险预测方法，所述养殖场风险预测方法包括以下步骤：将待检测地图输入养殖场检测模型得到所述待检测地图中的养殖场信息；根据所述养殖场信息确定待预测养殖场，以及确定所述待预测养殖场周围预设范围内的养殖信息，并获取所述预设范围内除养殖场外的其他影响因素信息；将所述养殖信息和所述其他影响因素信息输入预设的风险预测模型得到所述待预测养殖场的风险预测结果。可选地，所述将待检测地图输入养殖场检测模型得到所述待检测地图中的养殖场信息的步骤包括：将待检测地图输入所述养殖场检测模型，得到所述待检测地图中各像素点的分类类别，其中，所述分类类别用于表示对应的像素点是否属于养殖场；根据所述分类类别确定所述待检测地图中的养殖场信息。可选地，所述根据所述分类类别确定所述待检测地图中的养殖场信息的步骤包括：根据所述分类类别确定所述待检测地图中属于养殖场的目标像素点；采用预设聚类算法对所述目标像素点进行聚类得到各个聚类群；根据各所述聚类群确定所述待检测地图中的养殖场信息。可选地，所述将待检测地图输入养殖场检测模型得到所述待检测地图中的养殖场信息的步骤之前，还包括：采用正例训练数据对待训练模型进行初步训练，其中，所述正例训练数据包括预先采集到的多张包含养殖场的遥感卫星地图，以及各遥感卫星地图对应的养殖场标注数据；采用负例训练数据、或者采用所述负例训练数据和所述正例训练数据对初步训练后的待训练模型进行调整，其中，所述负例训练数据包括预先采集到的多张不包含养殖场的遥感卫星地图；当检测到调整后的待训练模型符合预设模型条件时，将调整后的待训练模型作为所述养殖场检测模型，否则基于调整后的待训练模型再执行所述步骤：采用正例训练数据对待训练模型进行初步训练。可选地，所述采用正例训练数据对待训练模型进行初步训练的步骤包括：对所述正例训练数据中的各遥感卫星地图进行数据增广操作得到增广地图，其中，所述数据增广操作至少包括扭曲操作、翻转操作和加噪操作；采用所述正例训练数据和所述增广地图对待训练模型进行初步训练。可选地，所述其他影响因素信息包括水路网信息，所述将所述养殖信息和所述其他影响因素信息输入预设的风险预测模型得到所述待预测养殖场的风险预测结果的步骤包括：根据所述水路网信息和所述预设范围确定所述预设范围的水路网密度特征值；根据所述养殖信息和所述预设范围确定所述预设范围的养殖场密度特征值；将所述水路网密度特征值和所述养殖场密度特征值输入所述风险预测模型得到所述待预测养殖场的风险预测结果。可选地，所述风险预测模型中包括与所述水路网密度特征值和所述养殖场密度特征值分别对应的预设权重值，所述将所述水路网密度特征值和所述养殖场密度特征值输入所述风险预测模型得到所述待预测养殖场的风险预测结果的步骤包括：将所述水路网密度特征值和所述养殖场密度特征值输入所述风险预测模型，以调用所述风险预测模型基于所述权重值、所述水路网密度特征值和所述养殖场密度特征值计算得到所述待预测养殖场的风险系数；将所述风险系数作为所述待预测养殖场的风险预测结果，或根据所述风险系数，以及系数与等级之间的预设对应关系确定风险等级后，将所述风险等级作为所述待预测养殖场的风险预测结果。为实现上述目的，本专利技术还提供一种养殖场风险预测装置，所述养殖场风险预测装置包括：输入模块，用于将待检测地图输入养殖场检测模型得到所述待检测地图中的养殖场信息；确定模块，用于根据所述养殖场信息确定待预测养殖场，以及确定所述待预测养殖场周围预设范围内的养殖信息，并获取所述预设范围内除养殖场外的其他影响因素信息；预测模块，用于将所述养殖信息和所述其他影响因素信息输入预设的风险预测模型得到所述待预测养殖场的风险预测结果。为实现上述目的，本专利技术还提供一种养殖场风险预测设备，所述养殖场风险预测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的养殖场风险预测程序，所述养殖场风险预测程序被所述处理器执行时实现如上所述的养殖场风险预测方法的步骤。此外，为实现上述目的，本专利技术还提出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养殖场风险预测程序，所述养殖场风险预测程序被处理器执行时实现如上所述的养殖场风险预测方法的步骤。本专利技术中，通过将待检测地图输入预先训练得到的养殖场检测模型，得到待检测地图中的养殖场信息；根据养殖场信息确定待预测养殖场以及确定待预测养殖场周围预设范围内的养殖信息，并获取预设范围内的其他影响因素信息；将养殖信息和其他影响因素信息输入预设的风险检测模型，得到待预测养殖场的风险预测结果。在本专利技术中，通过训练一个养殖场检测模型来从地图中检测出各个养殖场，获取养殖场信息，作为风险预测的数据来源，减少了对养殖户上报信息的依赖，提高了养殖场的管理效率，也提高了风险预测效率；精准及时统计养殖场信息，以便为养殖主提供生产、管理等方案，提高畜牧业养殖经营效率。并通过设置一个风险预测模型，来对待预测养殖场预设范围内的养殖信息和其他影响因素信息进行处理，得到待预测养殖场的风险预测结果，无需专家实地考察每个养殖场的情况，从而提高了养殖场风险预测的效率，更能够应对疫情蔓延迅速的情况；相比于养殖户主动上报风险情况的方案，本实施例中采用统一的风险预测模型，能够更加准确地预测各个养殖场的风险情况；基于快速、准确的风险预测结果，使得疫情防控工作能够更加快速、有针对性地展开，避免疫情失控，提高了农产品的质量安全，改善了生态环境。附图说明图1是本专利技术实施例方案涉及的硬件运行环境的结构示意图；图2为本专利技术养殖场风险预测方法第一实施例的流程示意图；图3为本专利技术本文档来自技高网...

【技术保护点】
1.一种养殖场风险预测方法，其特征在于，所述养殖场风险预测方法包括以下步骤：/n将待检测地图输入养殖场检测模型得到所述待检测地图中的养殖场信息；/n根据所述养殖场信息确定待预测养殖场，以及确定所述待预测养殖场周围预设范围内的养殖信息，并获取所述预设范围内除养殖场外的其他影响因素信息；/n将所述养殖信息和所述其他影响因素信息输入预设的风险预测模型得到所述待预测养殖场的风险预测结果。/n

【技术特征摘要】
1.一种养殖场风险预测方法，其特征在于，所述养殖场风险预测方法包括以下步骤：
将待检测地图输入养殖场检测模型得到所述待检测地图中的养殖场信息；
根据所述养殖场信息确定待预测养殖场，以及确定所述待预测养殖场周围预设范围内的养殖信息，并获取所述预设范围内除养殖场外的其他影响因素信息；
将所述养殖信息和所述其他影响因素信息输入预设的风险预测模型得到所述待预测养殖场的风险预测结果。


2.如权利要求1所述的养殖场风险预测方法，其特征在于，所述将待检测地图输入养殖场检测模型得到所述待检测地图中的养殖场信息的步骤包括：
将待检测地图输入所述养殖场检测模型，得到所述待检测地图中各像素点的分类类别，其中，所述分类类别用于表示对应的像素点是否属于养殖场；
根据所述分类类别确定所述待检测地图中的养殖场信息。


3.如权利要求2所述的养殖场风险预测方法，其特征在于，所述根据所述分类类别确定所述待检测地图中的养殖场信息的步骤包括：
根据所述分类类别确定所述待检测地图中属于养殖场的目标像素点；
采用预设聚类算法对所述目标像素点进行聚类得到各个聚类群；
根据各所述聚类群确定所述待检测地图中的养殖场信息。


4.如权利要求1所述的养殖场风险预测方法，其特征在于，所述将待检测地图输入养殖场检测模型得到所述待检测地图中的养殖场信息的步骤之前，还包括：
采用正例训练数据对待训练模型进行初步训练，其中，所述正例训练数据包括预先采集到的多张包含养殖场的遥感卫星地图，以及各遥感卫星地图对应的养殖场标注数据；
采用负例训练数据、或者采用所述负例训练数据和所述正例训练数据对初步训练后的待训练模型进行调整，其中，所述负例训练数据包括预先采集到的多张不包含养殖场的遥感卫星地图；
当检测到调整后的待训练模型符合预设模型条件时，将调整后的待训练模型作为所述养殖场检测模型，否则基于调整后的待训练模型再执行所述步骤：采用正例训练数据对待训练模型进行初步训练。


5.如权利要求4所述的养殖场风险预测方法，其特征在于，所述采用正例训练数据对待训练模型进行初步训练的步骤包括：
对所述正例训练数据中的各遥感卫星地图进行数据增广操作得到增广地图，其中，所述数据增广操作至少包括扭曲操作、翻转操作和加噪操作；
采用所述正例训练数据和所述增广地图对待训练模型进行...

【专利技术属性】
技术研发人员：蔡林，周古月，吴泽衡，徐倩，杨强，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44