一种基于多模态生物识别技术的猪体疾病预警实现方法技术

本发明专利技术公开了一种基于多模态生物识别技术的猪体疾病预警实现方法，属于疾病预警方法技术领域。一种基于多模态生物识别技术的猪体疾病预警实现方法，针对猪体疾病特征特点基于深度学习算法对各单一特征设计分类识别模型；基于集成学习联结各特征分类结果进行决策级融合得到最终分类结果；针对猪体疾病特征综合性，通过设计并实现基于决策级融合的生物特征多模态融合的分类模型；针对猪体养殖环节以及猪体特点设计猪体疾病实时预警系统；搭建多感应采集器共联RFID读写器节点设计触发装置，通过单一特征分类异常触发装置锁定异常个体；本发明专利技术有效解决了猪体养殖环节猪体疾病初期难发现、易蔓延等猪体安全问题。易蔓延等猪体安全问题。易蔓延等猪体安全问题。

【技术实现步骤摘要】
一种基于多模态生物识别技术的猪体疾病预警实现方法


[0001]本专利技术涉及疾病预警方法
，特别是涉及一种基于多模态生物识别技术的猪体疾病预警实现方法。

技术介绍

[0002]由于现如今的猪体疾病问题而引发了猪体培育流通链的安全危机，同时该问题也是国家建设发展畜禽肉品食品安全工作上的重大挑战。猪体在养殖环节疾病的突发性、多样性、传递性以及养殖区安全设施不到位等原因，导致养殖环节猪体生长受到极大威胁。猪体疾病预警装置能够达到猪体疾病前期侦探的作用，提供养殖环节猪体疫情提前预警的作用从而减少猪疫等疾病的蔓延。
[0003]现在的畜禽养殖场呈现形式为“数量多、分布广、规模化低”状态，在预防畜禽疾病以及疾病处理环节，安全设施简陋，一般为养殖户经验式处理，导致畜禽疾病往往大面积蔓延。以猪体为例，在猪体前期疾病侦测作业环节，由于猪体疾病种类多、疾病特征综合性强，单一的特征识别已经不能满足猪体疾病的预警识别，很难保证对疾病识别的准确率。多模态生物识别指整合或融合两种及两种以上生物识别技术，利用其多重生物识别技术的独特优势，并结合数据融合技术，使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多模态生物识别技术的猪体疾病预警实现方法，其特征在于：具体包括以下步骤：S1、针对猪体疾病，收集、爬取相关疾病特征图像并进行数据预处理工作，得到养殖环节猪体易感染疾病单项特征数据集；S2、基于深度卷积神经网络对S1中所得到的养殖环节猪体易感染疾病单项特征数据集进行训练，得到单项特征识别模型；S3、基于集成学习对多模态化疾病特征进行决策融合处理，形成综合识别模型；S4、针对传统猪体养殖环节设计猪体疾病预警系统，将猪体疾病预警系统布置在养殖环境中，监测、采集相应猪体的各项数据；S5、将S4中所采集的猪体数据样本作为测试集，输入S2中所得的单项特征识别模型中进行决策匹配并实现异常触发；S6、基于强化学习对单项特征异常猪体多模态特征进行融合决策，判断是否发出疾病前期预警。2.根据权利要求1所述的一种基于多模态生物识别技术的猪体疾病预警实现方法，其特征在于：所述S1中提到的构建养殖环节猪体易感染疾病单项特征数据集，具体包括以下步骤：A1、选取前期特征综合性强以及可控性猪体传染疾病作为研究对象，获取该猪体疾病前期单项特征信息；A2、所述A1中提到的猪体疾病前期单项特征信息包括有温度、面部、躯干以及排泄表现，其中温度数据通过温度传感器直接获取，面部、躯干以及排泄表现数据通过网络爬取及养殖场实地记录的方式获取；A3、对A2中所获取的信息中的模糊、重复数据进行数据清洗，同时进一步采用数据扩增方式增加该部分图像数据数量，使数据相对平衡，减少过拟合现象；所述数据扩增方式包括有水平镜像翻转、垂直镜像翻转、逆时针旋转90
°
和随机裁剪；A4、对经过A3处理的数据图像进行标准化处理，降低曝光、灰度因素对模型权值更新的影响，所述标准化处理方法具体为：其中，x
i
表示图像像素点值；min(x)表示像素点最小值；max(x)表示像素点最大值。3.根据权利要求1所述的一种基于多模态生物识别技术的猪体疾病预警实现方法，其特征在于：所述S2中提到的单项特征识别模型构建，具体包括以下步骤：B1、基于S1中所得的数据集，应用深度卷积神经网络构建各单项特征识别模型；B2、将S1中所得的数据集中的图像信息直接作为各单项特征识别模型的网络的输入，简化数据提取和数据重构过程；所述网络包括有输入、卷积层、归一层，子采样层、连接层、池化层和输出；B3、采用卷积层和下采样层交替构成深度学习结构，提高单项特征识别效度；B4、使用分层深度CNN卷积神经网络模型，通过两层...

【专利技术属性】
技术研发人员：姚力琪，王超，车先润，饶海笛，罗伟，焦俊，辜丽川，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：