1.一种基于多源大数据动物养殖数据挖掘的监测预警系统,其特征在于,包括:动物体征传感器,用于获取养殖动物的体征原始数据,并向轨道机器人传输体征原始数据;
动物声音传感器,用于获取各养殖栏中养殖动物的夜间声音原始数据,并向轨道机器人传输夜间声音原始数据;
环境传感器,用于获取养殖栏中的环境监测数据;
轨道机器人,用于控制自动饲喂器逐一对养殖动物投喂饲料,并同时通过滑轨定位器定位获取各栏养殖中的养殖动物的定位数据,得到养殖动物的视频原始数据、体征原始数据和夜间声音原始数据;
算法训练模块,用于利用养殖动物的视频原始数据、体征原始数据和夜间声音原始数据对系统算法进行训练和参数调整,得到训练好的系统算法;
动物健康数据产生模块,用于根据训练好的系统算法处理视频原始数据、体征原始数据和夜间声音原始数据,得到养殖动物的体征数据、行为数据、身体区域坐标信息、部位温度数据、体长数据、体高数据和咳嗽次数数据;
动物健康数字矩阵模块,用于根据养殖动物的体征数据、行为数据、部位温度数据、体长数据、体高数据和咳嗽次数数据,构建若干关联养殖动物身份和位置的数字信息矩阵;
动物健康分析模块,用于利用各数字信息矩阵对其对应的养殖动物进行健康评分,并对非健康养殖动物进行健康预警。
2.根据权利要求1所述的基于多源大数据动物养殖数据挖掘的监测预警系统,其特征在于,所述轨道机器人包括:
微型中央处理器,用于控制自动饲喂器逐一对各栏位内的养殖动物投喂饲料;
养殖动物传感器接收器,用于获取养殖动物耳标传递的体征原始数据;
双目摄像头,用于通过滑轨定位器定位获取养殖动物的彩色图像和热红外图像;
3D摄像头,用于通过滑轨定位器定位获取养殖动物的3D图像。
3.根据权利要求1所述的基于多源大数据动物养殖数据挖掘的监测预警系统,其特征在于,所述动物健康数据产生模块包括:数据清洗校验子模块,用于根据训练好的数据清洗校验算法校验、过滤、计算和填充体征原始数据,得到养殖动物的体征数据,并将养殖动物体征数据存储至数据库;
Yolov4行为和温度识别子模块,用于根据训练好的Yolov4行为和局部温度识别算法提取视频原始数据,得到养殖动物的行为数据、身体区域坐标信息和部位温度数据;
点云图体尺测量子模块,用于根据训练好的点云图体尺测量算法计算养殖动物的行为数据和身体区域坐标信息,得到养殖动物的体长数据和体高数据;
咳嗽检测子模块,用于根据训练好的咳嗽检测算法对夜间声音原始数据进行去噪声和相似性检测,得到养殖动物的咳嗽次数数据。
4.根据权利要求3所述的基于多源大数据动物养殖数据挖掘的监测预警系统,其特征在于,所述数据清洗校验算法包括如下步骤:S1、通过轨道机器人对养殖动物进行位置和身份绑定设为主键;
S2、基于养殖动物的位置和身份,计算得到养殖动物每两次间隔体征原始数据中运动量增量;
S3、判断运动量增量是否大于零米且小于预设动物最大运动量,若是则进入步骤S4,否则报警动物体征传感器故障,并结束;
S4、将养殖动物的运动量增量与位置和身份关联;
S5、基于养殖动物的位置和身份,计算得到连续二十次获取的体征原始数据中的体温平均值;
S5、判断体温平均值是否大于零度且小于预设动物最大体温,若是则进入步骤S6,否则报警动物体征传感器故障,并结束;
S6、将体温平均值与位置和身份关联;
S7、将养殖栏中的环境温度、环境湿度和环境气压与位置和身份关联;
S8、将养殖动物的位置和身份,以及与位置和身份关联的运动量增量、体温平均值、环境温度、环境湿度和环境气压作为养殖动物体征数据存储至数据库。
5.根据权利要求3所述的基于多源大数据动物养殖数据挖掘的监测预警系统,其特征在于,所述Yolov4行为和温度识别子模块包括:图像输入单元、特征提取单元、第一残差单元、第二残差单元、第三残差单元、第四残差单元、第五残差单元、第六残差单元、第一空间金字单元、第二空间金字塔单元、第一Concat拼接堆叠卷积单元、第二Concat拼接堆叠卷积单元、第三Concat拼接堆叠卷积单元、第四Concat拼接堆叠卷积单元、第五Concat拼接堆叠卷积单元、第六Concat拼接堆叠卷积单元、第一YOLOHead检测头、第二YOLOHead检测头、第三YOLOHead检测头和图像输出单元;
所述图像输入单元、特征提取单元、第一残差单元、第二残差单元、第三残差单元和第四残差单元依次连接;所述第四残差单元分别与第五残差单元和第一Concat拼接堆叠卷积单元连接;所述第五残差单元分别与第六残差单元和第一空间金字单元连接;所述第六残差单元与第二空间金字塔单元连接;所述第一空间金字单元与第二Concat拼接堆叠卷积单元连接;所述第二空间金字单元与第三Concat拼接堆叠卷积单元连接;所述第三Concat拼接堆叠卷积单元分别与第二Concat拼接堆叠卷积单元和第六Concat拼接堆叠卷积单元连接;所述第二Concat拼接堆叠卷积单元分别与第一Concat拼接堆叠卷积单元和第五Concat拼接堆叠卷积单元连接;所述第一Concat拼接堆叠卷积单元与第四Concat拼接堆叠卷积单元连接;所述第四Concat拼接堆叠卷积单元分别与第一YOLOHead检测头和第五Concat拼接堆叠卷积单元连接;所述第五Concat拼接堆叠卷积单元分别与第二YOLOHead检测头和第六Concat拼接堆叠卷积单元连接;所述第六Concat拼接堆叠卷积单元与第三YOLOHead检测头连接;所述第一YOLOHead检测头、第二YOLOHead检测头、第三YOLOHead检测头均与图像输出单元连接;
所述第六残差单元、第二空间金字塔单元、第三Concat拼接堆叠卷积单元、第六Concat拼接堆叠卷积单元和第三YOLOHead检测头构成彩色图像专用特征提取网络。
6.根据权利要求5所述的基于多源大数据动物养殖数据挖掘的监测预警系统,其特征在于,所述Yolov4行为识别算法和Yolov4局部温度识别算法包括如下步骤:A1、获取养殖动物的视频原始数据;
A2、对视频原始数据中的彩色图像和热红外图像分别添加饮水标签、进食标签、头部标签和尾部标签;
A3、利用Yolov4行为和温度识别子模块对添加有饮水标签、进食标签、头部标签和尾部标签的彩色图像和热红外图像均分别按照8:1:1的比例输入训练集、测试集和验证集进行参数训练,得到训练好的Yolov4行为和温度识别子模块;
A4、利用训练好的Yolov4行为和温度识别子模块识别添加有饮水标签、进食标签、头部标签和尾部标签的彩色图像和热红外图像,得到养殖动物的行为数据、坐标信息和部位温度数据;
A5、删除部位温度数据中小于预设动物最低体温的部位温度数据,并对剩余部位温度数据去除最高部位温度数据后进行分部位求平均部位温度数据;
A6、将平均部位温度数据作为养殖动物的部位温度数据。
7.根据权利要求3所述的基于多源大数据动物养殖数据挖掘的监测预警系统,其特征在于,所述点云图体尺测量算法包括如下步骤:B1、利用养殖动物身体区域坐标信息将3D图像与彩色图像进行位置校准,得到身体区域坐标信息对应的点云图动物身体区域 (x1,y1,x2,y2);
B2、利用邻接点扩散法逐一计算得到点云图动物身体区域 (x1,y1,x2,y2)内所有点的连通区域;
B3、判断点云图动物身体区域内任一点X1连通区域内的全部相邻三维点高度差是否大于预设高度差值,若是则进入步骤B5,否则进入步骤B4;
B4、将高度差小于或等于预设高度差的相邻三维点归入点X1连通区域,并返回步骤B3;
B5、将高度差大于预设高度差的相邻三维点不纳入点X1连通区域;
B6、计算利用邻接点扩散法得到的面积最大连通区域的长度,并将面积最大连通区域的长度作为养殖动物的体长数据;
B7、计算利用邻接点扩散法得到的面积最大连通区域的平均高度,并将面积最大连通区域的平均高度作为养殖动物的体高数据。
8.根据权利要求3所述的基于多源大数据动物养殖数据挖掘的监测预警系统,其特征在于,所述咳嗽检测算法包括如下步骤:C1、获取各养殖栏中养殖动物的夜间声音原始数据;
C2、通过汉明窗处理夜间声音原始数据,并对各窗口进行傅里叶变换后减去平均窗口,得到降噪后的夜间声音数据;
C3、根据分贝大小对降噪后的夜间声音数据进行数值转换,并根据频率高低对降噪后的夜间声音数据20等分,得到咳嗽特征粗频谱图;
C4、计算得到咳嗽特征粗频谱与标准咳嗽频谱的马氏距离E;
所述马氏距离E的计算表达式如下:其中,S表示咳嗽特征粗频谱与标准咳嗽频谱间的协方差矩阵,x表示协方差矩阵S的多边向量,xp表示多边向量x的第p个向量, 表示协方差矩阵S的均值向量, 表示均值向量的第p个向量, 表示多边向量x与均值向量 对应相减后的转置 表示协方差矩阵的逆矩阵;
C5、判断马氏距离是否小于预设距离阈值K,若是则进入步骤C6,否则返回步骤C1;
C6、认定咳嗽特征粗频谱与标准咳嗽频谱相似,并得到该咳嗽特征粗频谱对应养殖动物的咳嗽次数数据。
9.根据权利要求1所述的基于多源大数据动物养殖数据挖掘的监测预警系统,其特征在于,所述动物健康数字矩阵模块构建若干关联养殖动物身份和位置的数字信息矩阵的具体过程如下:
D1、将养殖动物的身体区域坐标信息与位置和身份关联,并将位置和身份对应的体征数据、行为数据、部位温度数据、体长数据、体高数据和咳嗽次数数据关联,得到若干养殖动物关联数据矩阵;
D2、将各养殖动物关联数据矩阵根据位置排序,完成若干关联养殖动物身份和位置的数字信息矩阵的构建。
10.根据权利要求1所述的基于多源大数据动物养殖数据挖掘的监测预警系统,其特征在于,所述利用各数字信息矩阵对其对应的养殖动物进行健康评估,并对非健康养殖动物进行健康预警的具体过程如下:
E1、根据评分规则对各数字信息矩阵评分,得到各数字信息矩阵的评分矩阵D;
E2、基于各评分矩阵D计算得到各数字信息矩阵对应的各养殖动物的健康评分P;
所述健康评分的计算表达式如下:
E3、逐个判断各健康评分P是否等于0,若是则进入步骤E4,否则进入步骤E5;
E4、将该健康评分P对应的养殖动物认定为健康养殖动物;
E5、对该健康评分P对应的养殖动物做出健康预警。