用于对牲畜呼吸道疾病进行识别的识别系统和计算机设备的制作方法

1.本发明一般地涉及牲畜呼吸声音处理技术领域。更具体地，本发明涉及一种用于对牲畜呼吸道疾病进行识别的识别系统、计算机设备和计算机可读存储介质。


背景技术：

2.在养殖场中，呼吸道疾病是一种常见的疾病，并且由于具有易传染、难控制的特点，一旦有牲畜发生呼吸道疾病，如果不能及时地发现并控制，很容易对养殖场造成重大经济损失，轻则会造成牲畜的食欲下降，生长速度变慢，重则会造成牲畜的大量死亡。因此，及时发现患有呼吸道疾病的牲畜并及时采取措施，对养殖场非常重要。
3.目前，监控牲畜是否患有呼吸道疾病的方法有两种。第一种是通过人工诊断的方式进行监控，即由工作人员定期对养殖场的牲畜进行健康检测，以判断牲畜是否患有呼吸道疾病。由于养殖场中有大量的牲畜，对牲畜逐一检测需要大量的人工成本和时间成本，并且时效性差，不能及时地发现患有呼吸道疾病的牲畜。
4.第二种是采用声音采集设备采集牲畜的咳嗽声音信号，然后通过人工智能计算方法进行数据处理，根据牲畜的咳嗽声音信号判断牲畜是否存在呼吸道疾病。这种方法的优点是可以实时监控牲畜是否发生病变，能够保证对牲畜呼吸道疾病检测的时效性，并降低检测人工成本和时间成本，缺点是由于呼吸道疾病的症状相近，因此现有的方法不能准确的根据牲畜的咳嗽声音信号识别牲畜所患呼吸道疾病的类型，因此可靠性较差。
5.综上所述可知，现有技术中存在对牲畜呼吸道疾病进行识别时，存在可靠性差问题。


技术实现要素：

6.本发明提供一种用于对牲畜呼吸道疾病进行识别的识别系统、计算机设备和计算机可读存储介质，以至少解决上述对牲畜呼吸道疾病进行识别时，存在可靠性差的问题。
7.为解决上述问题，第一方面，本发明提供了一种用于对牲畜呼吸道疾病进行识别的识别系统，包括：处理子系统，其包括一个或多个处理器；神经网络子系统，其包括第一神经网络单元和第二神经网络单元，以及一个或多个计算机可读存储介质，其存储有实现所述神经网络系统的程序指令，当所述程序指令由所述一个或多个处理器执行时，使得：所述第一神经网络单元接收并处理牲畜的呼吸声音数据，以获得所述牲畜的与呼吸道疾病相关的症状时序，所述症状时序为所述牲畜在设定时间段内发生的与呼吸道疾病相关的症状以及各症状发生的时间顺序；以及所述第二神经网络单元接收并处理所述牲畜发生的与呼吸道疾病相关的症状时序，以得到牲畜所患的呼吸道疾病。
8.根据本发明的一个实施例，所述与呼吸道疾病相关的症状包括干咳、湿咳和打喷嚏的至少一种。
9.根据本发明的另一个实施例，所述呼吸道疾病包括支原体、蓝耳、流感和伪狂犬的至少一种。
10.根据本发明的又一个实施例，所述一个或多个计算机可读存储介质还存储有进行梅尔频谱处理的程序指令，当所述进行梅尔频谱处理的程序指令由所述一个或多个处理器执行时，使得：对所述牲畜的呼吸道声音数据进行梅尔频谱处理。
11.根据本发明的另一个实施例，当所述程序指令由所述一个或多个处理器执行时，还使得：所述第二神经网络单元获取所述牲畜所患呼吸道疾病的严重程度。
12.根据本发明的又一个实施例，所述严重程度包括轻级、中级和重级。
13.根据本发明的另一个实施例，还包括声音采集器，并且所述一个或多个计算机可读存储介质还存储有用于控制声音采集器的程序指令，当所述用于控制声音采集器的程序指令由所述一个或多个处理器执行时，使得：所述声音采集器获取所述牲畜的呼吸声音。
14.根据本发明的又一个实施例，所述声音采集器获取所述牲畜在设定时间段内的呼吸声音包括：每间隔设定时长获取一次牲畜的呼吸声音。
15.第二方面，本发明还提供一种计算设备，其包括上述任意一项实施例所述的识别系统。
16.第三方面，本发明又提供一种计算机可读存储介质，其包括用于对牲畜呼吸道疾病进行识别的计算机程序，当所述计算机程序由设备的一个或多个处理器执行时，使得所述设备执行上述任意一项实施例所述的识别系统的操作。
17.本发明所提供的技术方案，第一神经网络单元能够根据牲畜在设定时间段内的呼吸声音数据，得到牲畜发生的与呼吸道疾病相关的症状以及发生症状时序；第二神经网络单元能够根据牲畜发生的与呼吸道疾病相关的症状以及发生症状时序，识别出牲畜所患的呼吸道疾病。由于当牲畜患有呼吸道疾病时，不同类型呼吸道疾病的症状可能相近，但是症状发生的顺序上有所区别，本发明的技术方案中，第二神经网络单元能够根据牲畜在设定时间段内发生的与呼吸道疾病相关的症状以及发生症状时序识别其所患的呼吸道疾病，具有识别结果的准确度高的优点，能够提高识别牲畜所患呼吸道疾病的可靠性。
附图说明
18.通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
19.图1为根据本发明实施例的用于识别牲畜呼吸道疾病的系统架构图；
20.图2为根据本发明实施例的获取病症时序的示意图；以及
21.图3为根据本发明实施例的用于识别牲畜呼吸道疾病的设备的框图。
具体实施方式
22.下面将结合附图对本发明实施例中的技术方案进行清楚和完整地描述。应当理解的是本说明书所描述的实施例仅是本发明为了便于对方案的清晰理解和符合法律的要求而提供的部分实施例，而并非可以实现本发明的所有实施例。基于本说明书公开的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
23.请参阅图1，图1示出的是根据本发明实施例的用于识别牲畜呼吸道疾病的系统架
构图。根据图1所述的系统架构可知，本发明的用于识别牲畜呼吸道疾病的识别系统包括处理器子系统和神经网络子系统，其中处理子系统可以包括一个或多个处理器，神经网络子系统可以包括第一神经网络单元和第二神经网络单元。
24.作为示例，本发明的上述第一神经网络单元和第二神经网络单元可以实现为存储于计算机可读存储介质上的程序指令。根据不同的应用场景，此处的计算机可读存储介质可以是一个或者多个，并且可以是能够存储程序指令的各类存储介质。在执行本发明的识别任务期间，处理器可以执行计算机可读存储介质上存储的程序指令，从而使该程序指令的运行实现了本发明的第一神经网络单元和第二神经网络单元执行的操作。
25.具体地，当处理器执行前述一个或者多个程序指令时，本发明的第一神经网络单元可以配置成接收并处理牲畜呼吸道声音，以得到牲畜发生的与呼吸道疾病相关的症状，第二神经网络单元可以配置成接收并处理牲畜发生的与呼吸道疾病相关的症状时序，以得到牲畜所患的呼吸道疾病。
26.上述症状时序，是在设定时间内牲畜发生的与呼吸道疾病相关的症状的时间顺序，在得到设定时间段内牲畜的呼吸声音之后，第一神经网络单元首先根据呼吸声音识别设定时间段内牲畜发生的与呼吸道疾病相关的症状，然后将各症状按照出现的时间先后顺序进行排列，得到牲畜在设定时间段内发生的与呼吸道疾病相关的症状时序。
27.下面对第一神经网络单元和第二神经网络单元做详细的介绍，可以理解的是，下文中第一神经网络单元和第二神经网络单元是示例性的而非限制性的，第一神经网络单元和第二神经网络单元所采用的神经网络模型，可以根据实际的需求进行选择。
28.在本实施例中，第一神经网络单元采用的是crnn(convolutional recurrent neural network，卷积递归神经网络)神经网络模型，即采用第一训练数据集对crnn神经网络模型进行训练，将训练后的crnn神经网络模型作为第一神经网络单元。第一训练数据集中存储的数据为牲畜的多个呼吸声音片段，在采用第一数据训练集对crnn神经网络模型进行训练时，首先对第一训练数据集中各呼吸声音片段中的症状类型、症状开始时间和症状结束时间进行标注，然后以标记后的呼吸声音片段为输入量对crnn神经网络模型进行训练，直到该crnn神经网络模型输出量的误差小于第一设定误差时接收训练，得到训练后的crnn神经网络模型。
29.第一神经网络单元可以接收牲畜在设定时间段内的呼吸声音，并对该呼吸声音数据进行处理，识别出牲畜在设定时间段内发生的与呼吸道疾病相关的症状，得到设定时间段内牲畜发生各症状的开始时间和结束时间，进而得到牲畜在设定时间段内发生各症状的时序。另外，上述第一神经网络单元接收牲畜在设定时间内的呼吸声音数据，可以从处理器上所连接的声音采集设备上接收，也可以从其它设备上以通信的方式接收。在接收到接收牲畜在设定时间内的呼吸声音数据后，通过对该呼吸声音数据进行识别，可以得到在设定时间段中牲畜所发生的与呼吸道疾病相关的症状。
30.第二神经网络单元采用的是gru(gate recurrent unit，门控循环单元)神经网络模型，即采用第二训练数据集对gru神经网络模型进行训练，将训练后的gru神经网络模型作为第二神经网络单元。第二训练数据集中包含有多个设定时间段内牲畜发生的与呼吸道疾病相关的症状时序，在采用第二训练数据集对gru神经网络模型进行训练时，首先对第二训练数据集中的数据进行标注，即标注各数据所对应的呼吸道疾病类型，然后以标注后的
第二训练数据集中数据为输入量，对gru神经网络模型进行训练，直到gru神经网络模型输出量的误差小于第二设定误差时结束训练，得到训练后的gru神经网络模型。
31.第二神经网络单元可以接收并处理牲畜在设定时间段内发生的与呼吸道疾病相关的症状，得到牲畜所患的呼吸道疾病。第二神经网络单元接收牲畜在设定时间段内发生的与呼吸道疾病相关的症状时序，即为接收第一神经网络单元的对牲畜在设定时间段内呼吸声音数据的处理结果。当第一神经网络单元对牲畜在设定时间段内的呼吸声音数据进行处理、得到牲畜在设定时间段内发生的与呼吸道疾病相关的症状时序后，第二神经网络单元通过数据调用的方式，获取牲畜在设定时间段内发生的与呼吸道疾病相关的症状时序，然后根据牲畜在设定时间段发生与呼吸道疾病相关的症状时序，得到牲畜所患有的呼吸道疾病。
32.综上所述，本发所提供的技术方案，采用第一神经网络单元识别出牲畜在设定时间段内发生的与呼吸道疾病相关的症状时序，第二神经网络单元可以根据牲畜在设定时间段内发生的与呼吸道疾病相关的症状时序，识别出牲畜所患有的呼吸道疾病。由于当牲畜患有呼吸道疾病，即使疾病的类型不同，其表现的症状也是相近的，但是各症状发生的次数和顺序有所区别。本发明所提供的技术方案，在识别牲畜所患的呼吸道疾病时，可以结合牲畜在设定时间内发生的与呼吸道疾病相关的症状和发生症状的时序，识别出牲畜所患有的呼吸道疾病，因此与现有技术中仅根据症状识别牲畜所患呼吸道疾病的方式相比，其识别结果具有较高的准确性，并且识别方式的可靠性更高。
33.上文中对本发明的技术方案做了整体的介绍，下面结合具体应用场景，对本发明的技术方案做详细的阐述。
34.在一个实施例中，与呼吸道疾病相关的症状包括干咳、湿咳和打喷嚏。在训练第一神经网络单元时，将第一训练数据集中的各声音片段划分为多个子片段，在对第一训练数据集中的数据进行标注时，如果子片段没有症状发生，则该子片段标记为0；如果子片段内发生干咳发生，则该子片段标记为1；如果子段内有湿咳发生，则该子片段标记为2；如果子片段有打喷嚏发生，则该子片段标记为3，从而得到各声音片段对应的症状序列，然后采用第一训练数据集中各声音片段的症状序列为输出，对第一神经网络单元进行训练。举例说明，如图2所示，假设一个声音片段的时长为10秒，子片段的时长为1秒，如果牲畜在第3秒发生干咳，第6秒内发生湿咳，第7秒内发生打喷嚏，其它子片段内没有症状发生，则在对该声音片段对应的症状时序为[0，0，1，0，0，2，3，0，0，0]；如果牲畜在第3秒和第4秒发生干咳，第6秒内发生湿咳，第7秒和第8秒内发生打喷嚏，其它子片段内没有症状发生，则在对该声音片段对应的症状时序为[0，0，1，1，0，2，3，3，0，0]。同理，在第一神经网络单元对牲畜在设定时间段的呼吸声音数据进行处理后，识别出在设定时间段内牲畜发生的与呼吸道疾病相关的症状，并能够得到牲畜发生各症状的时间，将各症状按照发生的时间进行排序，即可得到牲畜在设定时间段内发生的与呼吸疾病相关的症状时序。
[0035]
在另一个实施例中，呼吸道疾病包括支原体、蓝耳、流感和伪狂犬。在第二训练数据集中存储多个样本，包括具有支原体的样本、具有蓝耳的样本、具有流感的样本、具有伪狂犬的样本以及没有疾病的样本。在对第二神经网络单元进行训练时，先对第二训练数据集中的样本进行标注疾病类型标注，然后采用标注过的数据进行训练。通过第一神经网络单元得到牲畜在设定时间段内发生的与呼吸道疾病相关的症状后，第二神经网络单元可以
根据此判断出牲畜所患有的呼吸道疾病。
[0036]
上文中对与呼吸道相关的症状以及呼吸道疾病的类型做了详细的介绍，下面结合具体应用场景，对呼吸道声音数据做详细的说明。
[0037]
在一个应用场景中，上述一个或多个计算机可读存储介质还存储有进行梅尔频谱处理的程序指令，当该程序指令由一个或多个处理器执行时，使得对牲畜在设定时间段内的呼吸道声音数据进行梅尔频谱处理。梅尔频谱是一种对音频信号进行处理的方法，通过梅尔频谱处理，可以将设定时间段内牲畜呼吸声音转换为相应梅尔刻度的频谱图，可以将该频谱图作为第一神经网络单元的输入量，第一神经网络单元通过该频谱图，识别出牲畜在设定时间段内发生的症状以及发生症状的时间。本实施例的设置方式，相当于对牲畜在设定时间段内的声音做了预处理，将牲畜在设定时间段内的呼吸声音由音频信号转换为频谱信号，可以提高第一神经网络单元接收并处理该数据的便利性。
[0038]
上文中呼吸声音的预处理方式做了详细的介绍，下面结合具体应用场景，对第二神经元网络做详细的阐述。
[0039]
在一个应用场景中，当程序由一个或多个处理器执行时，还使得第二神经网络单元获取牲畜所患呼吸道疾病的严重程度。当牲畜患有呼吸道疾病时，患病的严重程度不同，其表现出来的症状时序也不同。例如，牲畜的流感越严重，其在设定时间内出现打喷嚏的次数就越多。因此，获得牲畜在设定时间内的症状时序之后，还可以通过该症状时序判断出牲畜患病的严重程度。为了使得到的第二神经网络单元可以根据牲畜在设定时间段内的症状序列识别出其所患呼吸道疾病的严重程度，本实施例中，在训练第二神经网络单元时，首先标记第二训练数据集中各数据的呼吸道疾病类型和疾病的严重程度，然后采用标记后的第二训练数据集中的数据对第二神经网络进行训练。
[0040]
进一步地，在另一个应用场景中，牲畜所患呼吸道疾病的严重程度，包括轻级、中级和重级。在训练第二神经网络单元时，首先标记第二训练数据集中各数据的呼吸道疾病类型以及严重程度属于轻级、中级还是重级，然后采用标记后的第二训练数据集对第二神经网络单元进行训练，训练后的第二神经网络单元不仅能够识别出牲畜所患的呼吸道疾病，还能够判断出牲畜所患呼吸道疾病的严重程度属于轻级、中级还是重级。本实施例的设置方式，既可以得到牲畜所患呼吸道疾病的严重程度，又可以降低数据处理时的复杂程度。
[0041]
上文中对第二神经网络单元做了详细的介绍，下面结合具体应用场景，对获取牲畜呼吸声音的方法进行详细说明。
[0042]
在一个应用场景中，识别系统还包括声音采集器，并且上述一个或多个计算机可读存储介质还存储有用于控制声音采集器的程序指令，当该程序指令由一个或多个处理器执行时，使得声音采集器获取牲畜在设定时间段内的呼吸声音。
[0043]
本发明识别系统中的声音采集器，可以包括四通道的麦克风阵列和声音采集卡，其中麦克风阵列布置在养殖舍的中央距离地面设定高度的位置，用于采集养殖舍内牲畜的呼吸声音；声音采集卡与麦克风阵列连接，能够接收四通道麦克风阵列所采集到的牲畜呼吸声音，并能够对采集到的牲畜呼吸声音进行融合，以降低养殖舍内噪声以及混响对声音质量的影响。另外，为了保证对养殖场内牲畜呼吸声音检测的全面性，声音采集器的数量可以根据养殖舍面积的大小进行设置，养殖舍的面积越大，在其中布置的声音采集器数量越多，比如，可以在设定的面积范围内安装一个声音采集器，从而使识别系统能够获取道养殖
场内所有牲畜的呼吸声音。
[0044]
进一步地，在另一个应用场景中，声音采集器获取牲畜在设定时间段内的呼吸声音时，所采用的方法包括：在设定时间段内，每间隔设定时长获取一次牲畜的呼吸声音。为了减少采集到的呼吸声音的数据量，可以在每天的特定时间段内采集牲畜的呼吸声音，例如可以只在每天20点至次日8点的时间段内采集牲畜的呼吸声音，由于牲畜的呼吸道疾病在夜间表现的较为明显，因此在该时间段内牲畜的呼吸声音，不仅能够提高对牲畜呼吸道疾病识别的准确性，还能够减少识别牲畜呼吸道疾病时的数据量，提高识别牲畜呼吸道疾病的工作效率。
[0045]
在本发明的识别系统中，可以将上述20点至次日8点的时间段内作为设定时间段，也可以将该时间段平均划分成多个时间段，将各时间段作为设定时间段。并且本实施例为了进一步地减少识别牲畜呼吸道疾病时的数据量，控制声音采集器在设定时间段内，每间隔设定时长获取一次牲畜的呼吸声音，例如，可以采集3分钟的呼吸声音，然后暂停三分钟，接着再采集3分钟的呼吸声音，依次类推，完成设定时间段内的呼吸声音采集。本实施例的设置方式，不仅可以减少识别牲畜呼吸道疾病时的数据量，还能够保证识别牲畜呼吸道疾病时是数据量的完整性，因此既可以提高识别牲畜呼吸道的工作效率，又能够提高识别的准确性。
[0046]
结合上述描述，利用本发明实施例的识别系统，可以通过第一神经网络单元对设定时间段内牲畜的呼吸声音进行处理，得到牲畜在设定时间段内发生的与呼吸道疾病相关的症状时序，通过第二神经网络单元对该症状时序进行处理以得到牲畜所患的呼吸道疾病。例如，可以将采集到的养殖场内牲畜的呼吸声音输入本发明的识别评估系统，由此直接获得牲畜所患呼吸道疾病的类型，以便及时采取措施进行干预，防止病情传染和扩散。
[0047]
图3是示出根据本发明实施例的用于对牲畜呼吸道疾病进行识别的设备1100的框图。如图3所示，设备1100可以包括中央处理单元(“cpu”)1111，其可以是通用cpu、专用cpu或者其他信息处理以及程序运行的执行单元。进一步，设备1100还可以包括大容量存储器1112和只读存储器(“rom”)1113，其中大容量存储器1112可以配置用于存储各类数据，例如包括各种与对牲畜呼吸道疾病进行识别的图像数据、算法数据、中间结果和运行设备1100所需要的各种程序。只读存储器(“rom”)1113可以配置成存储对于设备1100的加电自检、系统中各功能模块的初始化、系统的基本输入/输出的驱动程序及引导操作系统所需的数据。
[0048]
可选地，设备1100还可以包括其他的硬件平台或组件，例如示出的张量处理单元(“tpu”)1114、现场可编程门阵列(“fpga”)1115和机器学习单元(“mlu”)1116。可以理解的是，尽管在本发明的设备1100中示出了多种硬件平台或组件，但这里仅仅是示例性的而非限制性的，本领域技术人员可以根据实际需要增加或移除相应的硬件。例如，设备1100可以仅包括cpu来实现本发明的呼吸道疾病的识别操作。
[0049]
在一些实施例中，为了便于数据与外部网络的传递和交互，本发明的设备1100还包括通信接口1117，从而可以通过该通信接口1117连接到局域网/无线局域网(“lan/wlan”)1105，进而可以通过lan/wlan连接到本地服务器1106或连接到因特网(“internet”)1107。替代地或附加地，本发明的设备1100还可以通过通信接口1118基于无线通信技术直接连接到因特网或蜂窝网络，例如基于第3代(“3g”)、第4代(“4g”)或第5代(“5g”)的无线通信技术。在一些应用场景中，本发明的设备1100还可以根据需要访问外部网络的服务器
1108以及可能的数据库1109，以便获得各种已知的神经网络模型、数据和模块，并且可以远程地存储各种数据，例如用于呈现或识别牲畜呼吸道疾病的各类数据。
[0050]
本发明的设备1100的外围设备可以包括显示装置1102、输入装置1103和数据传输接口1104。在一个实施例中，显示装置1102可以例如包括一个或多个扬声器和/或一个或多个视觉显示器，其配置用于对本发明的显示病灶区域图像的运算过程或者最终结果进行语音提示和/或图像视频显示。输入装置1103可以包括例如键盘、鼠标、麦克风、姿势捕捉相机，或其他输入按钮或控件，其配置用于接收牲畜呼吸声音的输入和/或用户指令。数据传输接口1104可以包括例如串行接口、并行接口或通用串行总线接口(“usb”)、小型计算机系统接口(“scsi”)、串行ata、火线(“firewire”)、pci express和高清多媒体接口(“hdmi”)等，其配置用于与其他设备或系统的数据传输和交互。根据本发明的方案，该数据传输接口1104可以接收来自于声音采集器的牲畜呼吸声音，并且向设备1100传送包括牲畜呼吸声音或各种其他类型的数据和结果。
[0051]
本发明的设备1100的上述cpu 1111、大容量存储器1112、只读存储器rom 1113、tpu 1114、fpga 1115、mlu 1116和通信接口1117可以通过总线1119相互连接，并且通过该总线与外围设备实现数据交互。在一个实施例中，通过该总线1119，cpu 1111可以控制设备1100中的其他硬件组件及其外围设备。
[0052]
以上结合图3描述了可以用于执行本发明的用于对牲畜呼吸道疾病进行识别的设备。需要理解的是这里的设备结构或架构仅仅是示例性的，本发明的实现方式和实现实体并不受其限制，而是可以在不偏离本发明的精神下做出改变。
[0053]
还应当理解，本发明示例的执行指令的任何模块、单元、组件、服务器、计算机、终端或设备可以包括或以其他方式访问计算机可读介质，诸如存储介质、计算机存储介质或数据存储设备(可移除的)和/或不可移动的，例如磁盘、光盘或磁带。计算机存储介质可以包括以用于存储信息的任何方法或技术实现的易失性和非易失性，可移动和不可移动介质，例如计算机可读指令、数据结构、程序模块或其他数据。
[0054]
另外，本说明书中所使用的术语“第一”或“第二”等用于指代编号或序数的术语仅用于描述目的，而不能理解为明示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”或“第二”的特征可以明示或者隐含地包括至少一个该特征。在本说明书的描述中，“多个”的含义是至少两个，例如两个，三个或更多个等，除非另有明确具体地限定。
[0055]
虽然本说明书已经示出和描述了本发明的多个实施例，但对于本领域技术人员显而易见的是，这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本发明的过程中，可以采用本文所描述的本发明实施例的各种替代方案。所附权利要求书旨在限定本发明的保护范围，并因此覆盖这些权利要求保护范围内的模块组成、等同或替代方案。