本發明涉及畜禽養殖物聯網數據處理與分析領域，具體涉及一種基于pso-svm的種豬異常狀態檢測方法及裝置。

背景技術：

近年來，隨著我國對種豬飼養技術的廣泛推廣，飼養種豬的規模化程度在不斷提高。種豬健康狀況是養豬生產的保證，而目前國內大多還是采用人工觀察的方式監測牲畜行為，這樣做不但耗費了大量的時間和精力，而且人工觀察到的數據主觀性強，不利于精確、穩定、連續地記錄；及時和準確識別母豬正常發情是獲得母豬適期配種時間和提高其受胎率的技術關鍵，但在實際生產中，目前大部分種豬場僅靠人工觀察的手段識別母豬發情行為，很多養殖戶由于粗心疏忽了母豬的發情表現及難以掌握母豬的適時科學配種時機等因素，導致配種時間不佳或受胎率降低，極大地影響了母豬的正常繁殖率，存在工作量大、人工成本高而效率低下的問題，對養殖戶的經濟效益產生重要影響。因此，實時檢測種豬養殖過程中個體豬只的健康狀況和及時準確地識別母豬發情行為成為畜禽養殖領域重要研究內容。

母豬發情時表現通常為以下幾點：①體溫較平常有所上升；②活動量明顯增多；③走動較為頻繁，爬跨行為；④食欲略減，多為細嚼慢咽型，采食時間較平常有所延長。其中活動量和體溫變化最為明顯，目前的研究中也多依據這兩個特征進行母豬發情檢測的研究。

種豬生病時表現通常為：①體溫升高；②精神不振，臥地嗜睡；③食欲減退或停止；④腹瀉。目前研究較多的是針對呼吸道疾病、腹瀉等生理表現進行疾病檢測。

目前針對種豬繁育生產中生病與發情異常狀態進行同時檢測的研究較少，并且針對種豬生病與發情檢測的研究多是依據種豬生病或發情時的某一種生理特征進行識別，比如單獨依據活動量或者體溫的變化進行識別而忽略其他相關因子，極大地影響異常狀態檢測的準確率。

技術實現要素：

有鑒于此，本發明要解決的問題：一種基于pso-svm的種豬異常狀態檢測方法及裝置。

一方面，本發明實施例提出一種基于pso-svm的種豬異常狀態檢測方法，包括：

s1、采集種豬個體信息，其中，所述個體信息包括三軸加速度、體溫和采食信息；

s2、通過對所述個體信息進行特征提取，構建特征矩陣；

s3、基于預先建立的種豬知識庫，利用所述特征矩陣，采用基于規則的方法判斷種豬是否生病；

s4、通過將所述特征矩陣輸入預先創建的基于支持向量機的種豬發情行為識別模型對種豬發情行為進行識別分類，得到是否發情以及發情概率兩個輸出，其中，在所述種豬發情行為識別模型創建時通過粒子群算法對支持向量機參數進行優化。

另一方面，本發明實施例提出一種基于pso-svm的種豬異常狀態檢測裝置，包括：

采集單元，用于采集種豬個體信息，其中，所述個體信息包括三軸加速度、體溫和采食信息；

構建單元，用于通過對所述個體信息進行特征提取，構建特征矩陣；

第一識別單元，基于預先建立的種豬知識庫，利用所述特征矩陣，采用基于規則的方法判斷種豬是否生病；

第二識別單元，用于通過將所述特征矩陣輸入預先創建的基于支持向量機的種豬發情行為識別模型對種豬發情行為進行識別分類，得到是否發情以及發情概率兩個輸出，其中，在所述種豬發情行為識別模型創建時通過粒子群算法對支持向量機參數進行優化。

本發明實施例提供的基于pso-svm的種豬異常狀態檢測方法及裝置，綜合考慮種豬的活動量、體溫、飲食變化等個體相關因子，構建種豬知識庫，通過基于規則的方法判斷是否生病；基于支持向量機的方法進行發情識別，并且通過粒子群算法對支持向量機分類器參數進行優化，提高種豬發情行為識別的準確率，從而提高種豬的受胎率。

附圖說明

圖1為本發明基于pso-svm的種豬異常狀態檢測方法一實施例的流程示意圖；

圖2為本發明基于pso-svm的種豬異常狀態檢測裝置一實施例的結構示意圖。

具體實施方式

為使本發明實施例的目的、技術方案和優點更加清楚，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。

參看圖1，本實施例公開一種基于pso-svm的種豬異常狀態檢測方法，包括：

s1、采集種豬活動時的個體信息，其中，所述個體信息包括三軸加速度、體溫和采食信息；

s2、通過對所述個體信息進行特征提取，構建特征矩陣；

s3、基于預先建立的種豬知識庫，利用所述特征矩陣，采用基于規則的方法判斷種豬是否生病；

s4、通過將所述特征矩陣輸入預先創建的基于支持向量機的種豬發情行為識別模型對種豬發情行為進行識別分類，得到是否發情以及發情概率兩個輸出，其中，在所述種豬發情行為識別模型創建時通過粒子群算法對支持向量機參數進行優化。

本發明實施例提供的基于pso-svm的種豬異常狀態檢測方法，綜合考慮種豬的活動量、體溫、飲食變化等個體相關因子，構建種豬知識庫，通過基于規則的方法判斷是否生病；基于支持向量機的方法進行發情識別，并且通過粒子群算法對支持向量機分類器參數進行優化，提高種豬發情行為識別的準確率，從而提高種豬的受胎率。

為了達到上述目的，本發明的技術方案提出一種基于pso-svm的種豬異常狀態檢測方法，該方法首先通過感知設備采集種豬的三軸加速度、體溫、飲食量等個體信息，并且進行數據一致性檢測等操作；其次進行特征提取、歸一化等預處理操作，構建6維特征矩陣；然后建立種豬知識庫，采用基于規則的方法判斷種豬是否生病；最后創建基于支持向量機的種豬發情行為識別模型，其中通過粒子群算法對支持向量機參數進行優化；對種豬發情行為進行識別分類，包括是否發情以及發情概率兩個輸出。

該方法包括四個步驟：

個體信息采集。通過adxl345三軸加速度傳感器、紅外測溫儀和自動飼喂器采集種豬的三軸加速度、體溫、采食等個體信息。信息采集過程涉及采集節點、路由節點、中心節點、rs485和rs232轉換節點和pc終端(信息中心)。具體采集過程為：

1)將adxl345三軸加速度傳感器采集節點佩戴于種豬頸部，采集某時刻種豬x、y、z三軸加速度數據；

2)將紅外測溫儀與自動飼喂器相結合采集體溫和采食信息，種豬采食時自動進入飼喂站內，站門關閉，保證每次只有一頭種豬進行采食，耳標讀卡器通過電子耳標識別記錄到種豬進入和離開站內的時間，下料器能夠記錄到該種豬的采食量，紅外測溫儀采集到種豬采食時的體溫。其中三軸加速度傳感器的采集節點與路由節點和中心節點形成zigbee無線網絡，經路由節點將數據傳送至中心節點，紅外測溫儀、耳標讀卡器以及自動飼喂器的采集節點通過網線經路由節點將數據傳送至中心節點；

3)中心節點將加速度、體溫、采食等數據通過rs485和rs232有線傳輸至pc終端，保存至服務器。

特征矩陣構建。種豬發情時活動量、體溫、飲食變化較明顯，依據這三項參數構建種豬發情行為特征矩陣。按照訓練樣本中靜止、爬跨、行走各占比例、單位時間平均體溫、單位時間采食次數、單位采食量6個輸入向量征構建m*6維的特征矩陣，m為種豬個體信息采集天數。具體為：1)依據不同的標準和目的可將種豬的活動行為粗分為靜止、爬跨、行走三類。adxl345三軸加速度傳感器采集x、y、z三軸加速度數據，設定訓練集樣本個數為n，對應天數為m，第t時刻采集的三軸加速度值分別為分類標簽為則由3軸加速度可組成一個n*3維的加速度特征向量(輸入向量)xv，分類標簽(靜止：-1，爬跨：0，行走：1)為n*1維標簽向量(輸出向量)yv。

對訓練集的特征向量進行數據歸一化處理，通過pso-svm算法訓練得到優化后的種豬活動行為分類模型，利用種豬活動行為分類模型對種豬的三軸加速度特征向量(歸一化后)進行處理，從而得到種豬活動行為分類結果，即單位時間內種豬靜止、爬跨、行走的次數。

其中支持向量機(supportvectormachine，svm)是一種實現結構風險最小化思想的方法，svm結構酷似三層感知器。其中輸入層是為了存貯輸入數據，并不作任何加工運算；中間層是通過對樣本集的學習，選擇核函數k(x，xi)，i＝1，2，3，...，l；最后一層就是構造分類函數。整個過程等價于在特征空間中構造一個最優超平面，使得兩類樣本之間的距離最大化。

給定訓練樣本集

t＝{(x1,y1),(x2,y2),...(xl,yl)}(1)

式中，xi——n維向量，xi∈rⁿ，yi——相應的輸出變量，yi∈r，

使用近似非線性分類的最大間隔模型，引入核函數把原始空間的數據映射到高維空間中，其優化問題表示為：

式中c——懲罰因子，αi——引入的拉格朗日乘子，l——樣本集個數，k(xi，xj)——核函數，本文使用徑向基核函數作為svm的核函數。

粒子群算法(particleswarmoptimization，pso)是通過群體中個體之間的協作和信息共享來尋找最優解的一種群體智能優化算法。

定義1每個優化問題的潛在解都可以想象成d維搜索空間上的一個點，我們稱之為“粒子”(particle)，所有的粒子都有一個被目標函數決定的適應值(fitnessvalue)，每個粒子還有一個速度決定他們飛翔的方向和距離，位置、速度和適應度值三項指標表示該粒子特征；

定義2個體所經歷位置中計算得到的適應度值最優位置稱為個體極值；是指種群中的所有粒子搜索到的適應度最優位置稱為群體極值。

pso算法首先在可行解空間中初始化一群粒子，每個粒子都代表極值優化問題的一個潛在最優解；然后粒子在解空間中運動，通過跟蹤個體極值和群體極值更新個體位置，粒子每更新一次位置，就計算一次適應度值，并且通過比較新粒子的適應度值和個體極值、群體極值的適應度值更新個體極值和群體極值位置；粒子們就追隨當前的最優粒子在解空間中搜索，通過多次迭代，最終進化得到最優個體極值和群體極值位置以及適應度值。

在每一次迭代過程中，粒子通過個體極值和群體極值更新自身的速度和位置，更新公式如下：

式中，——第i個粒子在第k次迭代時的速度；

——第i個粒子在第k次迭代時的位置；

c1，c2——相關系數變量，取值分別為1.5，1.7；

r1，r2——隨機數；

w——慣性權重因子，代表粒子繼承之前搜索速度的能力；

——第i個粒子所有路徑中適應度最優時的位置，即個體極值；

——第k次迭代中該粒子群中適應度最優時的位置，即群體極值。

創建支持向量機分類模型時，有兩個參數的選擇對分類效果起著至關重要的作用：一是懲罰因子c，即對誤差的寬容度，c越高，說明越不能容忍出現誤差，容易過擬合，c越小，容易欠擬合，c過大或過小，泛化能力變差；二是核函數中的參數γ，隱含地決定了數據映射到新的特征空間后的分布，γ越大，支持向量越少，γ值越小，支持向量越多，粒子群算法通過創建隨機種群，始終根據當前群體最優解搜索更新，不斷迭代，直到滿足條件，找到最優的參數c和γ。

根據上述的種豬活動行為分類結果，以天為單位，根據一天之內種豬靜止、爬跨、行走的次數，分別計算靜止、爬跨、行走各占比例，設定某天靜止、爬跨、行走所占比例分別為根據紅外測溫儀檢測到的體溫能夠計算得到種豬每天的平均體溫根據自動飼喂器記錄的種豬采食信息能夠得到采食次數采食量綜合種豬活動行為、體溫、采食參數構建m*6維特征的特征矩陣。

按照各天靜止、爬跨、行走各占比例、單位時間平均體溫、單位時間采食次數、單位采食量6個輸入向量征構建m*6維的特征矩陣xo，分類標簽(是否發情，是：0，否：1)為m*1維標簽向量yo。

疾病檢測。采用基于規則的方法判斷種豬是否生病，首先創建種豬知識庫；然后針對實時采集的種豬個體信息與規則庫進行比對，判斷是否生病。具體為：

1)通過圖書及電子材料、問卷調查、專家訪談等手段獲取種豬知識庫中正常情況下的個體生理特征信息，包括不同品種下種豬正常狀態下的體溫、活動量、飲食等信息。

2)獲取到的原始數據進行選取、分類關聯等處理；設計種豬知識數據庫，整理各品種的種豬在正常狀態下的信息，包括體溫、體重、采食次數、采食量、活動量等。

3)生成一個疾病檢測規則庫，本發明的疾病檢測重點在于“辨病”，即判斷判斷某種豬是否生病，因此規則庫中主要以閾值判斷為主；設種豬正常情況下(處于健康狀態以及非發情期)，nps表示每日靜止時間占比，nth表示體表溫度最高值，ntl表示體表溫度最低值，nfn表示日均采食量；有以下三個條件：

若滿足以上任意條件，則判斷該種豬為疑似病豬；否則，判定為健康種豬。

發情識別。創建和訓練種豬發情識別模型，對種豬進行發情識別。具體為：1)對m*6維的特征矩陣進行歸一化處理，通過粒子群算法優化選擇支持向量機參數，創建基于pso-svm的種豬發情識別模型，其中pso-svm算法在特征矩陣構建中有詳細描述。

2)根據發情行為識別模型對測試集進行發情行為分類，設置輸出模型為二維向量y{yifo，yopro},其中yifo表示是否發情(是：0，否：1)，表示發情概率。

參看圖2，本實施例公開一種基于pso-svm的種豬異常狀態檢測裝置，包括：

采集單元1，用于采集種豬的個體信息，其中，所述個體信息包括三軸加速度、體溫和采食信息；

所述采集單元，具體用于通過adxl345三軸加速度傳感器、紅外測溫儀和自動飼喂器采集相應的種豬個體信息。

構建單元2，用于通過對所述個體信息進行特征提取，構建特征矩陣；

所述構建單元，具體用于：

通過粒子群算法和支持向量機將所述三軸加速度分為靜止、爬跨和行走三類，以天為單位，根據一天之內種豬靜止、爬跨、行走的次數，分別計算靜止、爬跨、行走各占比例，并計算種豬每天的平均體溫、平均采食時間以及平均采食量；

綜合種豬靜止、爬跨、行走各占比例，每天的平均體溫、平均采食時間以及采食量構建特征矩陣。

第一識別單元3，用于基于預先建立的種豬知識庫，利用所述特征矩陣，采用基于規則的方法判斷種豬是否生病；

所述第一識別單元，具體用于：

判斷種豬的個體信息是否滿足第一條件、第二條件、第三條件和第四條件中的一個條件，若種豬的個體信息滿足所述第一條件、第二條件、第三條件和第四條件中的一個條件，則確定種豬生病，否則，則確定種豬未生病，其中，所述第一條件為種豬靜止所占比例大于種豬正常情況下每日靜止時間占比，所述第二條件為種豬的平均體溫小于種豬正常情況下體表溫度最低值，所述第三條件為種豬的平均體溫大于種豬正常情況下體表溫度最高值，所述第四條件為平均采食量小于種豬正常情況下日均采食量。

第二識別單元4，用于通過將所述特征矩陣輸入預先創建的基于支持向量機的種豬發情行為識別模型對種豬發情行為進行識別分類，得到是否發情以及發情概率兩個輸出，其中，在所述種豬發情行為識別模型創建時通過粒子群算法對支持向量機參數進行優化。

本發明實施例提供的基于pso-svm的種豬異常狀態檢測裝置，綜合考慮種豬的活動量、體溫、飲食變化等個體相關因子，構建種豬知識庫，通過基于規則的方法判斷是否生病；基于支持向量機的方法進行發情識別，并且通過粒子群算法對支持向量機分類器參數進行優化，提高種豬發情行為識別的準確率，從而提高種豬的受胎率。

本發明具有如下優點：

1、同時對種豬的生病與發情兩種異常狀態進行檢測，綜合考慮種豬的活動量、體溫、飲食三個方面的變化作為特征提取指標，提高異常狀態檢測準確率；每組測量的數據同時進行疾病檢測和發情識別，使得種豬養殖過程中數據利用最大化，提高養殖戶生產效益。

2、根據咨詢專家、查看圖書電子資料等手段獲取種豬生長標準等信息，并且創建了種豬知識庫，進行疾病檢測時，依據種豬知識庫中辨病規則與測量的種豬個體數據進行比對，從而判斷是否生病，算法比較容易實現，且對于檢測到種豬是否生病效果較好。

3、通過兩次分類算法進行種豬發情行為識別。在特征提取過程中，采用支持向量機分類器對種豬的三軸加速度數據進行分類(包括靜止、爬跨、行走三類)；在創建發情識別模型時，以天為單位，將每天靜止、爬跨、行走所占比例、平均體溫、采食次數、采食量作為6維特征矩陣，再次使用支持向量機分類器對種豬發情狀態進行分類，其中通過粒子群算法優化支持向量機，確定支持向量機參數。通過兩次基于粒子群和支持向量機的分類算法，提高種豬異常狀態檢測準確性。

本領域內的技術人員應明白，本申請的實施例可提供為方法、系統、或計算機程序產品。因此，本申請可采用完全硬件實施例、完全軟件實施例、或結合軟件和硬件方面的實施例的形式。而且，本申請可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(包括但不限于磁盤存儲器、cd-rom、光學存儲器等)上實施的計算機程序產品的形式。

本申請是參照根據本申請實施例的方法、設備(系統)、和計算機程序產品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合。可提供這些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數據處理設備的處理器以產生一個機器，使得通過計算機或其他可編程數據處理設備的處理器執行的指令產生用于實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些計算機程序指令也可存儲在能引導計算機或其他可編程數據處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產生包括指令裝置的制造品，該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機程序指令也可裝載到計算機或其他可編程數據處理設備上，使得在計算機或其他可編程設備上執行一系列操作步驟以產生計算機實現的處理，從而在計算機或其他可編程設備上執行的指令提供用于實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

需要說明的是，在本文中，諸如第一和第二等之類的關系術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關系或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。術語“上”、“下”等指示的方位或位置關系為基于附圖所示的方位或位置關系，僅是為了便于描述本發明和簡化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構造和操作，因此不能理解為對本發明的限制。除非另有明確的規定和限定，術語“安裝”、“相連”、“連接”應做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連，可以是兩個元件內部的連通。對于本領域的普通技術人員而言，可以根據具體情況理解上述術語在本發明中的具體含義。

本發明的說明書中，說明了大量具體細節。然而能夠理解的是，本發明的實施例可以在沒有這些具體細節的情況下實踐。在一些實例中，并未詳細示出公知的方法、結構和技術，以便不模糊對本說明書的理解。類似地，應當理解，為了精簡本發明公開并幫助理解各個發明方面中的一個或多個，在上面對本發明的示例性實施例的描述中，本發明的各個特征有時被一起分組到單個實施例、圖、或者對其的描述中。然而，并不應將該公開的方法解釋呈反映如下意圖：即所要求保護的本發明要求比在每個權利要求中所明確記載的特征更多的特征。更確切地說，如權利要求書所反映的那樣，發明方面在于少于前面公開的單個實施例的所有特征。因此，遵循具體實施方式的權利要求書由此明確地并入該具體實施方式，其中每個權利要求本身都作為本發明的單獨實施例。需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組合。本發明并不局限于任何單一的方面，也不局限于任何單一的實施例，也不局限于這些方面和/或實施例的任意組合和/或置換。而且，可以單獨使用本發明的每個方面和/或實施例或者與一個或更多其他方面和/或其實施例結合使用。

最后應說明的是：以上各實施例僅用以說明本發明的技術方案，而非對其限制；盡管參照前述各實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分或者全部技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質脫離本發明各實施例技術方案的范圍，其均應涵蓋在本發明的權利要求和說明書的范圍當中。