【技术实现步骤摘要】
本申请涉及增强现实，具体而言，涉及一种牲畜养殖的监管方法、装置、电子设备及存储介质。
技术介绍
1、目前，随着人们的生活水平不断提高，养殖业也得到的快速发展，牲畜的数量也越来越多，对牲畜饲养的要求也越来越高。但是，现在大部分养殖户还依赖于传统饲养方式和机械设备来进行这些任务，但是无法精确地了解每个牲畜的生长状态，影响对牲畜的饲养，如何能智能化地进行养殖，且提高牲畜的饲养准确率，是急需解决的问题。
技术实现思路
1、本申请的一些实施例的目的在于提供一种牲畜养殖的监管方法、装置、电子设备及存储介质，通过本申请的实施例的技术方案，通过获取各个牲畜的生长数据，并根据所述生长数据生成第一生长曲线；根据预先训练好的分类模型，对所述各个牲畜的生长数据进行分类，得到与所述生长数据对应的牲畜类别；根据所述第一生长曲线和预先训练好的与牲畜类别对应的第二生长曲线，确定第一相似度结果，其中，所述第二生长曲线是采用样本生长数据对训练模型进行训练得到的，所述训练模型包括统计模块或神经网络模型；通过增强现实设备，显示牲畜的生长情况，其中，所述牲畜的生长情况知识包括所述第一相似度结果和所述第一生长曲线，本申请实施例通过增强现实设备，获取到牲畜的生长数据，生成第一生长曲线，然后判断该牲畜的牲畜类别，将第一生长曲线和与牲畜类别对应的第二生长曲线进行相似度计算，得到第一相似度结果，并且在增强现实设备上进行显示，用户可以该增强现实设备进行查看，及时了解各个牲畜的生长状况。
2、第一方面，本申请的一些实施例提供
3、获取各个牲畜的生长数据，并根据所述生长数据生成第一生长曲线；
4、根据预先训练好的分类模型，对所述各个牲畜的生长数据进行分类，得到与所述生长数据对应的牲畜类别；
5、根据所述第一生长曲线和预先训练好的与牲畜类别对应的第二生长曲线，确定第一相似度结果，其中，所述第二生长曲线是采用样本生长数据对训练模型进行训练得到的，所述训练模型包括统计模块或神经网络模型；
6、通过增强现实设备，显示牲畜的生长情况，其中，所述牲畜的生长情况知识包括所述第一相似度结果和所述第一生长曲线。
7、本申请的一些实施例通过增强现实设备，获取到牲畜的生长数据，生成第一生长曲线，然后判断该牲畜的牲畜类别，将第一生长曲线和与牲畜类别对应的第二生长曲线进行相似度计算，得到第一相似度结果，并且在增强现实设备上进行显示，用户可以该增强现实设备进行查看，及时了解各个牲畜的生长状况。
8、可选地，所述第二生长曲线通过如下方式获得：
9、获取第一样本生长数据，其中，所述第一样本生长数据包括身高和体重；
10、对所述第一样本生长数据进行预处理，得到处理后的样本生长数据；
11、对所述处理后的样本生长数据进行分类，得到分类结果；
12、根据所述分类结果，对所述统计模型或神经网络模型进行训练，得到所述第二生长曲线，其中，所述统计模型包括线性回归模型或多项式回归模型；所述神经网络模型包括决策树或支持向量机。
13、本申请的一些实施例通过获取第一样本生长数据，对统计模型和神经网络模型进行训练，得到第二生长曲线，该第二生长曲线用于对第一生长曲线进行判断，进而判断牲畜的生长状态。
14、可选地，所述根据所述第一生长曲线和预先训练好的与牲畜类别对应的第二生长曲线，确定第一相似度结果，包括：
15、采用曲线相似度度量方法，对所述第一生长曲线和所述第二生长曲线进行相似度计算，得到所述第一相似度结果，其中，所述曲线相似度度量方法包括余弦相似度或欧式距离。
16、本申请的一些实施例采用曲线相似度度量方法，计算第一生长曲线和第二生长曲线的相似度，若该相似度小于预设值，说明牲畜的生长状况符合预期要求，若相似度大于预设值，则说明牲畜的生长状况较差，需要调整喂养计划。
17、可选地，所述分类模型通过如下方式获得：
18、获取第二样本数据和标注样本数据，其中，所述第二样本数据包括不同类别的数据；
19、对所述第二样本数据进行预处理，得到处理后的第二样本数据；
20、采用图像处理方法或深度学习模型对所述第二样本数据进行特征提取，得到与所述第二样本数据对应的特征数据，其中，所述特征数据包括颜色特征、纹理特征和形状特征；
21、采用统计方法或机器学习算法，在所述特征数据中选择目标特征数据；
22、采用预设选择算法，对所述目标特征数据进行分类，得到分类结果，其中，所述预设选择算法至少包括支持向量机、随机森林、朴素贝叶斯分类器或深度学习模型中的任一种；
23、根据所述分类结果和所述标注样本数据，确定所述分类模型。
24、本申请的一些实施例，通过采用第二样本数据，该第二样本数据包括不同类别的数据，并提取该第二样本数据中的目标特征数据，采用预设选择算法对目标特征数据进行分类，得到分类结果，根据分类结果和标注样本数据，确定分类模型，通过该分类模型，可以准确判断牲畜数据是属于哪个类型，提高分类的准确性。
25、可选地，所述方法还包括：
26、获取牲畜的行为数据；
27、根据预先训练好的行为识别模型，确定与所述行为数据对应的第一行为模式，其中，所述预先训练好的行为识别模型是通过样本行为数据对神经网络模型或统计模型进行训练得到的；
28、根据所述第一行为模式和预设行为模式进行比较，得到行为比较结果，其中，所述行为比较结果至少包括行为变化数据、频率和持续时间；
29、通过增强现实设备，显示所述行为比较结果，并根据所述行为比较结果，确定与所述行为比较结果对应的喂养信息。
30、本申请的一些实施例，通过获取牲畜行为数据，根据预先训练好的行为识别模型，识别出与牲畜行为数据对应的第一行为模式，然后将第一行为模式和预设行为模式进行比较，得到行为比较结果，根据该行为比较结果，来确定对应的喂养信息。
31、可选地，所述行为识别模型通过如下方式获得：
32、获取样本行为数据；
33、对所述样本行为数据预处理，得到处理后的样本行为数据；
34、采用统计方法或时间序列分析方法，根据所述处理后的样本行为数据，确定与所述样本行为数据对应的行为特征向量；
35、根据所述行为特征向量，对训练模型或统计模型进行训练，得到所述行为识别模型，其中，所述训练模型包括决策树、支持向量机或神经网络，所述统计模型包括隐马尔可夫模型。
36、本申请的一些实施例通过获取样本行为数据，并获取该样本行为数据的行为特征向量，然后对训练模型或统计模型进行训练，得到行为识别模型，该行为识别模型用于识别牲畜的具体行为，从而根据具体行为来确定具体的喂养方式。
37、可选地，所述方法还包括：
38、获取牲畜场地数据，其中，所述牲畜场地数本文档来自技高网...
【技术保护点】
1.一种牲畜养殖的监管方法，其特征在于，所述方法包括：
2.根据权利要求1所述的牲畜养殖的监管方法，其特征在于，所述第二生长曲线通过如下方式获得：
3.根据权利要求1所述的牲畜养殖的监管方法，其特征在于，所述根据所述第一生长曲线和预先训练好的与牲畜类别对应的第二生长曲线，确定第一相似度结果，包括：
4.根据权利要求1所述的牲畜养殖的监管方法，其特征在于，所述分类模型通过如下方式获得：
5.根据权利要求1所述的牲畜养殖的监管方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的牲畜养殖的监管方法，其特征在于，所述行为识别模型通过如下方式获得：
7.根据权利要求1所述的牲畜养殖的监管方法，其特征在于，所述方法还包括：
8.一种牲畜养殖的监管装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述程序时可实现权利要求1-7中任意一项权利要求所述的牲畜养殖的监管方法。
...
【技术特征摘要】
1.一种牲畜养殖的监管方法，其特征在于，所述方法包括：
2.根据权利要求1所述的牲畜养殖的监管方法，其特征在于，所述第二生长曲线通过如下方式获得：
3.根据权利要求1所述的牲畜养殖的监管方法，其特征在于，所述根据所述第一生长曲线和预先训练好的与牲畜类别对应的第二生长曲线，确定第一相似度结果，包括：
4.根据权利要求1所述的牲畜养殖的监管方法，其特征在于，所述分类模型通过如下方式获得：
5.根据权利要求1所述的牲畜养殖的监管方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的牲畜养殖的监管方法，其特征在于，所述行为识...
【专利技术属性】
技术研发人员：刘威，李政，夏勇峰，
申请(专利权)人：北京蜂巢世纪科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。