智能化的生猪养殖方法、系统及可读存储介质与流程

1.本发明涉及畜牧业技术领域，尤其涉及一种智能化的生猪养殖系统、方法及可读存储介质。


背景技术：

2.随着人们生活水平的提高，人们对食品的要求越来越高，从最初的果腹温饱，演变为对食品健康和安全的关注，以及对肉质和口感的要求。猪肉作为百姓餐桌上的主要肉食，生猪养殖者更多的关注养殖效率，以满足市场对猪肉的大量需求，但对肉质口感方面的关注度仍然远远不够。
3.我国地域幅员辽阔，南北地区都不乏生猪养殖者。不同地区具有不同的气候，猪肉的肉质口感会有差异。即便同一地区，也会因生猪养殖过程中提供给生猪食物的不同，而影响猪肉的肉质口感。因此，如何结合地域、食物等各方面因素，实现生猪的智能化养殖，以确保猪肉的肉质口感是当前亟待解决的技术问题。


技术实现要素：

4.本发明的主要目的在于提供一种智能化的生猪养殖方法、系统及可读存储介质，旨在解决现有技术中如何实现生猪的智能化养殖，以确保猪肉的肉质口感的技术问题。
5.为实现上述目的，本发明提供一种智能化的生猪养殖方法，所述智能化的生猪养殖方法包括：
6.获取不同地区的生猪生长样本数据，其中，每一地区的所述生猪生长样本数据均包括生猪在不同生长阶段的情绪样本数据、运动样本数据、食物配比样本数据、体重样本数据和体脂分布样本数据；
7.将每一地区的所述生猪生长样本数据分别对初始模型进行训练，获得与每一地区对应的生猪生长模型；
8.采集所养殖生猪的养殖生长数据，并根据所养殖生猪的养殖地，查找每一地区对应的生猪生长模型中与所述养殖生长数据对应的目标生长模型；
9.将所述养殖生长数据传输到所述目标生长模型进行数据分析，获得分析结果，并根据所述分析结果监测所养殖生猪的养殖状态。
10.可选地，所述采集所养殖生猪的养殖生长数据的步骤包括：
11.基于所养殖生猪所在猪舍的图像采集装置，识别所养殖生猪的身份信息；
12.基于所养殖生猪所在猪舍的声音采集装置，采集所养殖生猪的音频数据，并对所述音频数据进行预处理，获得情绪数据；
13.基于安装在所养殖生猪身上的运动传感器，采集所养殖生猪的运动数据；
14.获取与所述身份信息对应的食物配比数据；
15.基于所养殖生猪所在猪舍的体重传感器，采集所养殖生猪的体重数据；
16.基于安装在所养殖生猪身上的体脂传感器，采集所养殖生猪的体脂分布数据；
17.将所述情绪数据、运动数据、食物配比数据、体重数据和体脂分布数据作为数据组与所述身份信息关联，生成为所述养殖生长数据。
18.可选地，所述将所述养殖生长数据传输到所述目标生长模型进行数据分析，获得分析结果的步骤包括：
19.将所述养殖生长数据传输到所述目标生长模型，并基于所述目标生长模型对所述养殖生长数据中的身份信息进行分析，确定所养殖生猪的当前生长阶段；
20.基于所述目标生长模型确定与所述当前生长阶段对应的参考体重数据和参考体脂分布数据，并分析所述养殖生长数据中的体重数据和体脂分布数据是否分别与所述参考体重数据和所述参考体脂分布数据匹配，生成分析结果。
21.可选地，所述分析所述养殖生长数据中的体重数据和体脂分布数据是否分别与所述参考体重数据和所述参考体脂分布数据匹配，生成分析结果的步骤包括：
22.将所述养殖生长数据中的体重数据与所述参考体重数据对比，判断所述体重数据与所述参考体重数据是否匹配，以及将所述养殖生长数据中的体脂分布数据与所述参考体脂分布数据对比，判断所述体脂分布数据与所述参考体脂分布数据是否匹配；
23.若所述体重数据与所述参考体重数据匹配，且所述体脂分布数据与所述参考体脂分布数据匹配，则生成养殖生长数据正常的分析结果；
24.若所述体重数据与所述参考体重数据不匹配和/或所述体脂分布数据与所述参考体脂分布数据不匹配，则基于所述目标生长模型对所述养殖生长数据中的情绪数据、运动数据和食物配比数据进行分析，生成养殖生长数据异常的分析结果。
25.可选地，所述若所述体重数据与所述参考体重数据匹配，且所述体脂分布数据与所述参考体脂分布数据匹配，则生成养殖生长数据正常的分析结果的步骤包括：
26.若所述体重数据与所述参考体重数据匹配，且所述体脂分布数据与所述参考体脂分布数据匹配，则基于所述目标生长模型，分别计算所述养殖生长数据中的情绪数据、运动数据、食物配比数据、体重数据和体脂分布数据的第一得分、第二得分、第三得分、第四得分和第五得分；
27.若第一得分、第二得分和第三得分均正常，则基于所述目标生长模型获取与所述情绪数据、运动数据、食物配比数据、体重数据和体脂分布数据分别对应的第一权重值、第二权重值、第三权重值、第四权重值和第五权重值；
28.基于所述第一权重值、第二权重值和第三权重值分别对第一得分、第二得分和第三得分加权处理，获得第一处理结果；
29.基于所述第四权重值和第五权重值分别对所述第四得分和第五得分加权处理，获得第二处理结果；
30.若所述第一处理结果和所述第二处理结果匹配，则生成养殖生长数据正常的分析结果。
31.可选地，所述基于所述目标生长模型对所述养殖生长数据中的情绪数据、运动数据和食物配比数据进行分析，生成养殖生长数据异常的分析结果的步骤包括：
32.基于所述目标生长模型提取所述情绪数据中的情绪特征，并根据所述情绪特征，分析所述情绪数据，生成情绪分析结果；
33.基于所述目标生长模型读取与所述参考体重数据和所述参考体脂分布数据共同
对应的参考运动数据，并分析所述运动数据与所述参考运动数据是否匹配，生成运动分析结果；
34.基于所述目标生长模型读取与所述参考体重数据和所述参考体脂分布数据共同对应的参考食物配比数据，并分析所述食物配比数据与所述参考食物配比数据是否匹配，生成食物分析结果；
35.根据所述情绪分析结果、所述运动分析结果和所述食物分析结果的异常性，生成养殖生长数据异常的分析结果。
36.可选地，所述根据所述情绪分析结果、所述运动分析结果和所述食物分析结果的异常性，生成养殖生长数据异常的分析结果的步骤之后包括：
37.若所述情绪分析结果异常，则基于所述目标生长模型对所述情绪特征的异常点进行分析，并输出与所述异常点对应的提示信息；
38.若所述运动分析结果异常，则基于所述目标生长模型分析运动异常类型，并在所述运行异常类型为运动不足类型时，引导所养殖生猪增加运动，以及在所述运动异常类型为运动过量类型时，引导所养殖生猪减少运动；
39.若所述食物分析结果异常，则基于所述目标生长模型对所述食物配比数据的配比改善点进行分析，并输出与所述配比改善点对应的提示信息。
40.可选地，所述基于所述目标生长模型对所述情绪特征的异常点进行分析，并输出与所述异常点对应的提示信息的步骤包括：
41.基于所述目标生长模型对所述情绪特征的异常点进行分析，判断所述异常点是否为病症异常；
42.若为病症异常，则输出对与所述病症异常对应的生物信息进行获取的获取请求；
43.当接收到基于所述获取请求所获取的生物信息时，基于所述目标生长模型对所述生物信息进行检测，生成检测结果，并将所述检测结果添加到与所述异常点对应的提示信息输出。
44.进一步地，为实现上述目的，本发明还提供一种智能化的生猪养殖系统，所述智能化的生猪养殖系统包括：云服务器、与所述云服务器通信连接的各个地区的数据采集装置；
45.所述云服务器内预先部署有与各个地区对应的生猪生长模型；
46.所述数据采集装置至少包括安装在猪舍内的图像采集装置、声音采集装置、体重传感器，以及安装在所养殖生猪身上的运动传感器和体脂传感器；
47.每一地区的所述数据采集装置将采集的养殖生长数据均传输到所述云服务器；
48.所述云服务器还包括存储器、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控制程序，所述控制程序被所述处理器执行时实现如上述所述的智能化的生猪养殖方法的步骤。
49.进一步地，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质上存储有控制程序，所述控制程序被处理器执行时实现如上所述的智能化的生猪养殖方法的步骤。
50.本发明的智能化的生猪养殖方法、系统及可读存储介质，先获取不同地区的生猪生长样本数据，每一地区的生猪生长样本数据均包括生猪在不同生长阶段的情绪样本数据、运动样本数据、食物配比样本数据、体重样本数据和体脂分布样本数据；再将每一地区
的生猪生长样本数据分别对初始模型进行训练，获得与每一地区对应的生猪生长模型；在生猪的实际养殖过程中，采集所养殖生猪的养殖生长数据，并根据所养殖生猪的养殖地，查找与该养殖生长数据对应的目标生长模型；进而将养殖生长数据传输到目标生长模型进行数据分析，获得分析结果，以依据分析结果监测所养殖生猪的养殖状态。以此，按照地区划分的生猪生长模型对生猪养殖过程中的生长数据进行分析，确保了分析结果与地区对生猪养殖影响因素的贴合，可更准确的分析出生长数据是否异常，有利于生猪养殖的准确监控，确保各地区所养殖生猪的肉质口感；同时，分析的维度至少包括情绪数据、运动数据、食物配比数据、体重数据和体脂数据，实现了从多维度监控影响生猪养殖的肉质口感的因素，确保各地区所养殖生猪的肉质口感符合要求。
附图说明
51.图1为本发明智能化的生猪养殖系统实施例方案涉及的硬件运行环境的结构示意图；
52.图2为本发明智能化的生猪养殖方法第一实施例的流程示意图。
53.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
54.应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
55.本发明提供一种智能化的生猪养殖系统，参照图1，图1为本发明智能化的生猪养殖系统实施例方案涉及的硬件运行环境的结构示意图。
56.该智能化的生猪养殖系统可以包括：云服务器(图中未示出)、与所述云服务器通信连接的各个地区的数据采集装置(图中未示出)；所述云服务器内预先部署有与各个地区对应的生猪生长模型；所述数据采集装置至少包括安装在猪舍内的图像采集装置、声音采集装置、体重传感器，以及安装在所养殖生猪身上的运动传感器和体脂传感器；每一地区的所述数据采集装置将采集的养殖生长数据均传输到所述云服务器。
57.如图1所示，该智能化的生猪养殖系统还可以包括处理器1001，例如cpu，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。
58.本领域技术人员可以理解，图1中示出的智能化的生猪养殖系统的硬件结构并不构成对智能化的生猪养殖系统的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
59.如图1所示，作为一种可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及控制程序。其中，操作系统是管理和控制智能化的生猪养殖系统与软件资源的程序，支持网络通信模块、用户接口模块、控制程序以及其他程序或软件的运行；网络通信模块用于管理和控制网络接口1004；用户接口模块用于管理和控制用户接口
1003。
60.在图1所示的智能化的生猪养殖系统硬件结构中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；处理器1001可以调用存储器1005中存储的控制程序，并执行以下操作：
61.获取不同地区的生猪生长样本数据，其中，每一地区的所述生猪生长样本数据均包括生猪在不同生长阶段的情绪样本数据、运动样本数据、食物配比样本数据、体重样本数据和体脂分布样本数据；
62.将每一地区的所述生猪生长样本数据分别对初始模型进行训练，获得与每一地区对应的生猪生长模型；
63.采集所养殖生猪的养殖生长数据，并根据所养殖生猪的养殖地，查找每一地区对应的生猪生长模型中与所述养殖生长数据对应的目标生长模型；
64.将所述养殖生长数据传输到所述目标生长模型进行数据分析，获得分析结果，并根据所述分析结果监测所养殖生猪的养殖状态。
65.进一步地，所述采集所养殖生猪的养殖生长数据的步骤包括：
66.基于所养殖生猪所在猪舍的图像采集装置，识别所养殖生猪的身份信息；
67.基于所养殖生猪所在猪舍的声音采集装置，采集所养殖生猪的音频数据，并对所述音频数据进行预处理，获得情绪数据；
68.基于安装在所养殖生猪身上的运动传感器，采集所养殖生猪的运动数据；
69.获取与所述身份信息对应的食物配比数据；
70.基于所养殖生猪所在猪舍的体重传感器，采集所养殖生猪的体重数据；
71.基于安装在所养殖生猪身上的体脂传感器，采集所养殖生猪的体脂分布数据；
72.将所述情绪数据、运动数据、食物配比数据、体重数据和体脂分布数据作为数据组与所述身份信息关联，生成为所述养殖生长数据。
73.进一步地，所述将所述养殖生长数据传输到所述目标生长模型进行数据分析，获得分析结果的步骤包括：
74.将所述养殖生长数据传输到所述目标生长模型，并基于所述目标生长模型对所述养殖生长数据中的身份信息进行分析，确定所养殖生猪的当前生长阶段；
75.基于所述目标生长模型确定与所述当前生长阶段对应的参考体重数据和参考体脂分布数据，并分析所述养殖生长数据中的体重数据和体脂分布数据是否分别与所述参考体重数据和所述参考体脂分布数据匹配，生成分析结果。
76.进一步地，所述分析所述养殖生长数据中的体重数据和体脂分布数据是否分别与所述参考体重数据和所述参考体脂分布数据匹配，生成分析结果的步骤包括：
77.将所述养殖生长数据中的体重数据与所述参考体重数据对比，判断所述体重数据与所述参考体重数据是否匹配，以及将所述养殖生长数据中的体脂分布数据与所述参考体脂分布数据对比，判断所述体脂分布数据与所述参考体脂分布数据是否匹配；
78.若所述体重数据与所述参考体重数据匹配，且所述体脂分布数据与所述参考体脂分布数据匹配，则生成养殖生长数据正常的分析结果；
79.若所述体重数据与所述参考体重数据不匹配和/或所述体脂分布数据与所述参考体脂分布数据不匹配，则基于所述目标生长模型对所述养殖生长数据中的情绪数据、运动
数据和食物配比数据进行分析，生成养殖生长数据异常的分析结果。
80.进一步地，所述若所述体重数据与所述参考体重数据匹配，且所述体脂分布数据与所述参考体脂分布数据匹配，则生成养殖生长数据正常的分析结果的步骤包括：
81.若所述体重数据与所述参考体重数据匹配，且所述体脂分布数据与所述参考体脂分布数据匹配，则基于所述目标生长模型，分别计算所述养殖生长数据中的情绪数据、运动数据、食物配比数据、体重数据和体脂分布数据的第一得分、第二得分、第三得分、第四得分和第五得分；
82.若第一得分、第二得分和第三得分均正常，则基于所述目标生长模型获取与所述情绪数据、运动数据、食物配比数据、体重数据和体脂分布数据分别对应的第一权重值、第二权重值、第三权重值、第四权重值和第五权重值；
83.基于所述第一权重值、第二权重值和第三权重值分别对第一得分、第二得分和第三得分加权处理，获得第一处理结果；
84.基于所述第四权重值和第五权重值分别对所述第四得分和第五得分加权处理，获得第二处理结果；
85.若所述第一处理结果和所述第二处理结果匹配，则生成养殖生长数据正常的分析结果。
86.进一步地，所述基于所述目标生长模型对所述养殖生长数据中的情绪数据、运动数据和食物配比数据进行分析，生成养殖生长数据异常的分析结果的步骤包括：
87.基于所述目标生长模型提取所述情绪数据中的情绪特征，并根据所述情绪特征，分析所述情绪数据，生成情绪分析结果；
88.基于所述目标生长模型读取与所述参考体重数据和所述参考体脂分布数据共同对应的参考运动数据，并分析所述运动数据与所述参考运动数据是否匹配，生成运动分析结果；
89.基于所述目标生长模型读取与所述参考体重数据和所述参考体脂分布数据共同对应的参考食物配比数据，并分析所述食物配比数据与所述参考食物配比数据是否匹配，生成食物分析结果；
90.根据所述情绪分析结果、所述运动分析结果和所述食物分析结果的异常性，生成养殖生长数据异常的分析结果。
91.进一步地，所述根据所述情绪分析结果、所述运动分析结果和所述食物分析结果的异常性，生成养殖生长数据异常的分析结果的步骤之后，处理器1001可以调用存储器1005中存储的控制程序，并执行以下操作：
92.若所述情绪分析结果异常，则基于所述目标生长模型对所述情绪特征的异常点进行分析，并输出与所述异常点对应的提示信息；
93.若所述运动分析结果异常，则基于所述目标生长模型分析运动异常类型，并在所述运行异常类型为运动不足类型时，引导所养殖生猪增加运动，以及在所述运动异常类型为运动过量类型时，引导所养殖生猪减少运动；
94.若所述食物分析结果异常，则基于所述目标生长模型对所述食物配比数据的配比改善点进行分析，并输出与所述配比改善点对应的提示信息。
95.进一步地，所述基于所述目标生长模型对所述情绪特征的异常点进行分析，并输
出与所述异常点对应的提示信息的步骤包括：
96.基于所述目标生长模型对所述情绪特征的异常点进行分析，判断所述异常点是否为病症异常；
97.若为病症异常，则输出对与所述病症异常对应的生物信息进行获取的获取请求；
98.当接收到基于所述获取请求所获取的生物信息时，基于所述目标生长模型对所述生物信息进行检测，生成检测结果，并将所述检测结果添加到与所述异常点对应的提示信息输出。
99.本发明提供一种智能化的生猪养殖方法，参照图2，图2为本发明智能化的生猪养殖方法第一实施例的流程示意图。
100.本发明实施例提供了智能化的生猪养殖方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。具体地，本实施例智能化的生猪养殖方法包括：
101.步骤s10，获取不同地区的生猪生长样本数据，其中，每一地区的所述生猪生长样本数据均包括生猪在不同生长阶段的情绪样本数据、运动样本数据、食物配比样本数据、体重样本数据和体脂分布样本数据；
102.本实施例中智能化的生猪养殖方法应用于智能化的生猪养殖系统内的云服务器，通过云服务器对所养殖生猪在多个维度的生长数据的分析处理，监测所养殖生猪的养殖状态，确保所养殖生猪具有较优的肉质口感，实现生猪的智能化养殖。
103.具体地，考虑到不同地区具有不同的气候，对生猪养殖产生不同影响。因此，为了每个地区均养殖出口感肉质较优的生猪，本实施例按照地区分类，获取不同地区的生猪生长样本数据。其中，生猪生长样本数据为生猪养殖过程中在不同生长阶段的养殖数据，至少包括情绪样本数据，运动样本数据、食物配比数据、体重样本数据和体脂分布样本数据。情绪样本数据、运动样本数据和食物配比样本数据作为影响体重样本数据和体脂分布样本数据的因素存在。即，情绪样本数据是否体现开心情绪，运动样本数据是否体现运动量合理，食物配比样本数据是否体现食物配比合理，会影响生猪的体重样本数据是否健康，以及体脂分布样本数据是否合理。因此，可通过从大量生猪生长样本数据中筛选出符合不同生长阶段健康要求的体重样本数据和体脂分布要求的体脂分布样本数据，进而分析具有该类体重样本数据和体脂分布样本数据的生猪，在情绪样本数据、运动样本数据和食物配比样本数据上的特征，形成各地区生猪在不同生长阶段情绪样本数据、运动样本数据、食物配比样本数据和体重样本数据、体脂分布样本数据之间的关系，实现智能化指导生猪养殖。
104.步骤s20，将每一地区的所述生猪生长样本数据分别对初始模型进行训练，获得与每一地区对应的生猪生长模型；
105.进一步地，云服务器内预先设置有多个初始模型，该初始模型优选为神经网络模型，将每一地区的生猪生长样本数据分别传输到不同的初始模型进行训练，获得适用于每一地区的生猪生长模型。具体地，初始模型在接收到生猪生长样本数据后，依据生猪生长样本数据各自所携带的阶段标签，划分为各个生长阶段的样本数据。此后，针对每一生长阶段的样本数据进行筛选，筛选出满足健康要求的体重数样本据以及满足体脂分布要求的体脂分布样本数据；进而查找与筛选的体重样本数据和体脂分布样本数据来源于同一生猪的情绪样本数据、运动样本数据和食物配比样本数据。初始模型中设置有用于评价训练效果的
损失函数，依据筛选和查找的结果对损失函数进行计算，判断计算结果是否小于预设值，若小于预设值则判定筛选和查找的结果准确，初始模型具有良好的性能，故将初始模型生成为生猪生长模型。反之，若判定计算结果不小于预设值，则说明初始模型的筛选和查找结果不准确，继续对初始模型迭代训练，直到损失函数的结算结果小于预设值，将初始模型生成为生猪生长模型。在各个地区的生猪生长样本数据对初始模型训练，各个初始模型的损失函数值均小于预设值后，则获得与每一地区对应的生猪生长模型，用以对不同地区的生猪养殖进行监测。
106.步骤s30，采集所养殖生猪的养殖生长数据，并根据所养殖生猪的养殖地，查找每一地区对应的生猪生长模型中与所述养殖生长数据对应的目标生长模型；
107.更进一步地，对于某一地区所养殖的生猪，为了实现其养殖状态的监控，对所养殖生猪的养殖生长数据进行采集。该采集的养殖生长数据为生猪养殖当前阶段体现生猪状态的数据，采集的方式包括但不限于在生猪所活动的猪舍内和生猪身上安装采集装置。并且，采集的养殖生长数据中包含有表征所养殖生猪身份的信息，依据该类身份信息确定所养殖生猪的养殖地。如身份信息可以为一串数字，或者二维码，其中某些数字或二维码信息用于反映养殖地，另一些数字或二维码信息用于反映生猪种类，还有一些数字或而未能信息用于反映生猪的生长阶段。通过对身份信息的识别，即可确定养殖地。进而依据训练好的各生猪生长模型与各地区的对应关系，从各生猪生长模型中查找出与养殖地对应的生猪生长模型，作为与养殖生长数据对应的目标生长模型。
108.步骤s40，将所述养殖生长数据传输到所述目标生长模型进行数据分析，获得分析结果，并根据所述分析结果监测所养殖生猪的养殖状态。
109.进一步地，将养殖生长数据传输到目标生长模型，由目标生长模型进行数据分析，获得分析结果。其中，生殖生长数据至少包括情绪数据、运动数据、食物配比数据、体重数据和体脂分布数据。通过目标生长模型分析体重数据是否符合当前生长阶段的健康体重需求，以及体脂分布数据是否符合当前生长阶段的体脂分布需求；进而依据体重数据和体脂分布数据是否符合各自的需求，对情绪数据、运动数据和食物配比数据进行分析，以获得分析结果，对所养殖生猪的养殖状态进行监测。若各项数据均符合各自的要求，则说明当前的养殖生长数据体现了生猪的养殖状态良好，生猪可继续以该状态养殖。反之，若各项数据中存在不符合自身要求的数据，则说明当前的养殖生长数据体现了生猪的养殖状态异常，需要依据异常的原因以人工或自动的方式改善。以此，通过对影响生猪养殖各项因素的监控，实现生猪的智能化养殖，确保养殖的生猪具有较好的肉质口感。
110.本发明的智能化的生猪养殖方法，先获取不同地区的生猪生长样本数据，每一地区的生猪生长样本数据均包括生猪在不同生长阶段的情绪样本数据、运动样本数据、食物配比样本数据、体重样本数据和体脂分布样本数据；再将每一地区的生猪生长样本数据分别对初始模型进行训练，获得与每一地区对应的生猪生长模型；在生猪的实际养殖过程中，采集所养殖生猪的养殖生长数据，并根据所养殖生猪的养殖地，查找与该养殖生长数据对应的目标生长模型；进而将养殖生长数据传输到目标生长模型进行数据分析，获得分析结果，以依据分析结果监测所养殖生猪的养殖状态。以此，按照地区划分的生猪生长模型对生猪养殖过程中的生长数据进行分析，确保了分析结果与地区对生猪养殖影响因素的贴合，可更准确的分析出生长数据是否异常，有利于生猪养殖的准确监控，确保各地区所养殖生
猪的肉质口感；同时，分析的维度至少包括情绪数据、运动数据、食物配比数据、体重数据和体脂数据，实现了从多维度监控影响生猪养殖的肉质口感的因素，确保各地区所养殖生猪的肉质口感符合要求。
111.进一步地，基于本发明智能化的生猪养殖方法的第一实施例，提出本发明智能化的生猪养殖方法第二实施例。
112.所述智能化的生猪养殖方法第二实施例与所述智能化的生猪养殖方法第一实施例的区别在于，所述采集所养殖生猪的养殖生长数据的步骤包括：
113.步骤s31，基于所养殖生猪所在猪舍的图像采集装置，识别所养殖生猪的身份信息；
114.步骤s32，基于所养殖生猪所在猪舍的声音采集装置，采集所养殖生猪的音频数据，并对所述音频数据进行预处理，获得情绪数据；
115.步骤s33，基于安装在所养殖生猪身上的运动传感器，采集所养殖生猪的运动数据；
116.步骤s34，获取与所述身份信息对应的食物配比数据；
117.步骤s35，基于所养殖生猪所在猪舍的体重传感器，采集所养殖生猪的体重数据；
118.步骤s36，基于安装在所养殖生猪身上的体脂传感器，采集所养殖生猪的体脂分布数据；
119.步骤s37，将所述情绪数据、运动数据、食物配比数据、体重数据和体脂分布数据作为数据组与所述身份信息关联，生成为所述养殖生长数据。
120.本实施例为了对所养殖生猪的养殖生长数据进行采集，在所养殖生猪的猪舍内以及所养殖生猪的身上设置有与云服务器通信连接的采集装置。该类采集装置包括安装在猪舍内的图像采集装置、声音采集装置、体重传感器，以及安装在生猪身上的运动传感器和体脂传感器。具体地，可通过图像采集装置，对表征生猪身份的信息进行采集并传输到云服务器，由云服务识别获得所养殖生猪的身份信息。其中，表征生猪身份的信息至少可以体现生猪的养殖地、种类和年龄(即生长阶段)，其可以以二维码标签的形式存在，也可以是一串数字。该二维码或数字印制在塑料板上，再将塑料板固定在所养殖生猪身上，图像采集装置通过拍摄该塑料板即可获取表征所养殖生猪身份的信息。
121.进一步地，通过声音采集装置，采集所养殖生猪的音频数据传输到云服务器，由云服务器内的生猪生长模型预处理，获得表征待养殖生猪情绪好坏的情绪数据。其中，预处理包括过滤处理和分辨处理，过滤处理是依据生猪音频的特性，如频率，将音频数据中非由生猪发出的音频滤除；分辨处理则是在音频数据中包含多头生猪发出的数据，如包含当前猪舍以及隔壁猪舍的音频数据时，将音频数据依据不同的来源进行分类，获得当前猪舍内的音频数据体现其中所养殖生猪的情绪数据。
122.更进一步地，通过运动传感器对所养殖生猪的运动数据进行监测，该运动数据可以包括运动数量，如步数，以及运动幅度，如每步的振幅大小等。将所监测的运动数据传输到云服务器，由云服务器内的生猪生长模型分析，监测所养殖生猪的运动数据是否符合要求。此外，为了使得肉质口感更优，位于不同地区、不同种类和不同生长阶段的生猪，所需求的食物匹配不一样。为了获得所养殖生猪的当前食物配比，将养殖人员所使用的终端接入到云服务器，该终端可以是手机、平板电脑、台式计算机或笔记本电脑等。终端内记录有所
养殖生猪的养殖情况，如身份信息、定期的体检情况，疾病的治疗情况等。此外，对于每次所喂养的食物配比，也添加到所养殖生猪的栏目下进行记录，与所养殖生猪的身份信息形成关联关系，体现针对不同地区、不同种类和不同生长阶段的生猪所供给的食物配比。终端通过与云服务器之间的通信连接将该类食物排比上传到云服务器，以使得云服务器获取到与身份信息对应的食物配比数据，分析所养殖生猪的饮食结构合理性。
123.进一步地，体重传感器安装于猪舍内的地面上，且为了称重的便捷性，可安装多个。如对于矩形的猪舍可划分为诸如四宫格、六宫格或九宫格的格子状，每个格子内均设置一个体重传感器，所养殖生猪位于任意一个格子内均可检测其体重。体重传感器将检测的所养殖生猪的体重数据传输到云服务器，由云服务器内的生猪生长模型进行分析处理。此外，安装在生猪身上的体脂传感器，对所养殖生猪的体脂分布数据进行采集，该所采集的体脂分布数据包括整体体脂率、内脏体脂率，以及各个部位的体脂率。将该所采集的体脂分布数据上传到云服务器，由云服务器内的生猪生长模型分析生猪的体脂是否符合要求。
124.可理解地，不同生猪所具有的情绪数据、运动数据、食物配比数据、体重数据和体脂分布数据不同，为了避免不同生猪间此类数据的混淆，本实施例设置有关联机制。即将所采集的情绪数据、运动数据、食物配比数据、体重数据和体脂分布数据均与所养殖生猪的身份信息关联，通过关系体现所养殖生猪具有的采集数据。并且，关联可以是各项采集数据的单独关联，也可以是各项采集数据汇总后的统一关联。对于单独关联，则由每个采集装置将采集到的数据与身份数据关联，生成为养殖生长数据传输到云服务器处理。对于统一关联，则每个采集装置均对接到一个中转装置，该中转装置与云服务器之间通信连接，每个采集装置将采集到的数据传输到该中转装置，由中转装置统一与身份信息关联，生成为养殖生长数据传输到云服务器处理。
125.进一步地，所述将所述养殖生长数据传输到所述目标生长模型进行数据分析，获得分析结果的步骤包括：
126.步骤s41，将所述养殖生长数据传输到所述目标生长模型，并基于所述目标生长模型对所述养殖生长数据中的身份信息进行分析，确定所养殖生猪的当前生长阶段；
127.步骤s42，基于所述目标生长模型确定与所述当前生长阶段对应的参考体重数据和参考体脂分布数据，并分析所述养殖生长数据中的体重数据和体脂分布数据是否分别与所述参考体重数据和所述参考体脂分布数据匹配，生成分析结果。
128.更进一步地，云服务器在接受到养殖生长数据，并依据其中身份数据所包含的养殖地，查找到对养殖生长数据进行处理的目标生长模型后，将养殖生长数据传输到目标生长模型进行分析。具体地，目标生长模型先对养殖生长数据中的身份信息进行分析，查找其中表征年龄的字段，由年龄确定所养殖生猪的当前生长阶段。
129.可理解地，健康生猪在不同的生长阶段具有不同的体重和体脂分布。目标生长模型在确定出所养殖生猪的当前生长阶段后，则查找与当前生长阶段对应的参考体重数据和参考体脂数据。其中，参考体重数据和参考体脂数据分别为当前生长阶段的理想体重数据和理想体脂分布数据。进而对养殖生长数据中的体重数据和体脂分布数据进行分析，确定两者是否分别与参考体重数据和参考体脂分布数据匹配，得到分析结果。
130.具体地，所述分析所述养殖生长数据中的体重数据和体脂分布数据是否分别与所述参考体重数据和所述参考体脂分布数据匹配，生成分析结果的步骤包括：
131.步骤s421，将所述养殖生长数据中的体重数据与所述参考体重数据对比，判断所述体重数据与所述参考体重数据是否匹配，以及将所述养殖生长数据中的体脂分布数据与所述参考体脂分布数据对比，判断所述体脂分布数据与所述参考体脂分布数据是否匹配；
132.步骤s422，若所述体重数据与所述参考体重数据匹配，且所述体脂分布数据与所述参考体脂分布数据匹配，则生成养殖生长数据正常的分析结果；
133.步骤s423，若所述体重数据与所述参考体重数据不匹配和/或所述体脂分布数据与所述参考体脂分布数据不匹配，则基于所述目标生长模型对所述养殖生长数据中的情绪数据、运动数据和食物配比数据进行分析，生成养殖生长数据异常的分析结果。
134.进一步地，将养殖生猪数据中的体重数据和参考体重数据对比，判断两者是否匹配；以及将养殖生长数据中的体脂分布数据和参考体脂分布数据对比，判断两者是否匹配。若经对比确定体重数据与参考体重数据匹配，则体脂分布数据与参考体脂分布数据匹配，则说明所养殖生猪在当前生长阶段的生长正常，故生成养殖生长数据正常的分析结果。
135.反之，若体重数据与参考体重数据之间，和体脂分布数据与参考体脂分布数据之间，存在任意一项不匹配，则说明所养殖生猪在当前生长阶段的生长不正常，此时，通过目标生长模型对养殖生长数据中的情绪数据、运动数据和食物配比数据进行进一步分析，生成养殖生长数据异常的分析结果，以体现所养殖生猪在当前生长阶段生长不正常的原因。
136.需要说明的是，对于由体重数据和体脂分布数据体现生长正常的分析结果，可能存在情绪数据、运动数据和食物配比数据之间影响不均衡的问题。如情绪数据的负面影响过大，导致体重下降；而食物配比数据的正面影响过大，导致体重上升；两者综合所呈现的结果趋于正常。因为，为了避免该类因素的影响，本实施例对于生长正常的分析结果，设置有继续分析情绪数据、运动数据和食物配比数据的机制，以确保所养殖生猪在各个维度上的优质性。具体地，所述若所述体重数据与所述参考体重数据匹配，且所述体脂分布数据与所述参考体脂分布数据匹配，则生成养殖生长数据正常的分析结果的步骤包括：
137.步骤a1，若所述体重数据与所述参考体重数据匹配，且所述体脂分布数据与所述参考体脂分布数据匹配，则基于所述目标生长模型，分别计算所述养殖生长数据中的情绪数据、运动数据、食物配比数据、体重数据和体脂分布数据的第一得分、第二得分、第三得分、第四得分和第五得分；
138.步骤a2，若第一得分、第二得分和第三得分均正常，则基于所述目标生长模型获取与所述情绪数据、运动数据、食物配比数据、体重数据和体脂分布数据分别对应的第一权重值、第二权重值、第三权重值、第四权重值和第五权重值；
139.步骤a3，基于所述第一权重值、第二权重值和第三权重值分别对第一得分、第二得分和第三得分加权处理，获得第一处理结果；
140.步骤a4，基于所述第四权重值和第五权重值分别对所述第四得分和第五得分加权处理，获得第二处理结果；
141.步骤a5，若所述第一处理结果和所述第二处理结果匹配，则生成养殖生长数据正常的分析结果。
142.进一步地，在体重数据与参考体重数据匹配，以及体脂分布数据与参考体脂分布数据匹配的前提下，云服务器调用目标生长模型依据养殖生长数据中的情绪数据、运动数据、食物配比数据、体重数据和体脂分布数据与各项参考数据之间的差异性，对养殖生长数
据中的情绪数据、运动数据、食物配比数据、体重数据和体脂分布数据进行打分处理，获得情绪数据的第一得分、运动数据的第二得分、食物配比数据的第三得分、体重数据的第四得分和体脂分布数据的第五得分。进而判断第一得分、第二得分和第三得分是否均处于各自对应的正常分值范围内，若均处于各自对应的正常分值范围内，则判定第一得分、第二得分和第三得分均正常。
143.此后，通过目标生长模型获取与情绪数据、运动数据、食物配比数据、体重数据和体脂分布数据分别对应的第一权重值、第二权重值、第三权重值、第四权重值和第五权重值。该第一权重值、第二权重值、第三权重值、第四权重值和第五权重值分别表征了情绪数据、运动数据、食物配比数据、体重数据和体脂分布数据在所养殖生猪生长过程中的重要性。
144.进一步地，用第一权重值、第二权重值和第三权重值分别对第一得分、第二得分和第三得分加权处理，获得第一处理结果；同时用第四权重值和第五权重值分别对所述第四得分和第五得分加权处理，获得第二处理结果。进而在第一处理结果和第二处理结果之间对比，判断两者是否匹配。若匹配，则说明在该情绪数据、运动数据和食物配比数据的影响下，所养殖生猪在当前生长阶段正常。若不匹配，则说明虽然情绪数据、运动数据和食物配比数据的单项得分正常，但综合影响不正常，输出提示信息，以提醒对不正常的原因进行查明后改善。需要说明的是，在第一得分、第二得分和第三得分的正常性判断过程中，若其中存在任意一项不正常，则说明该不正常项会影响所养殖生猪的生长，故针对该不正常项输出提示信息，以提醒对该不正常项进行改善，以促进所养殖生猪在各个因素上的正常生长。
145.本实施例通过多种采集装置采集所养殖生猪在不同维度上的生长数据生成为养殖生长数据传输到云服务器，由云服务器内的目标生长模型进行多维度分析，确定所养殖生猪在当前生长阶段的养殖状态。若养殖状态正常则继续保持当前的养殖方式进行养殖，若养殖状态异常则从各个维度分析异常原因，以便于依据异常原因改善养殖方式，使得所养殖生猪在各个阶段均有正常的养殖状态，实现从各个维度确保所养殖生猪具有较优的肉质口感。
146.进一步地，基于本发明智能化的生猪养殖方法的第二实施例，提出本发明智能化的生猪养殖方法第三实施例。
147.所述智能化的生猪养殖方法第三实施例与所述智能化的生猪养殖方法第二实施例的区别在于，所述基于所述目标生长模型对所述养殖生长数据中的情绪数据、运动数据和食物配比数据进行分析，生成养殖生长数据异常的分析结果的步骤包括：
148.步骤b1，基于所述目标生长模型提取所述情绪数据中的情绪特征，并根据所述情绪特征，分析所述情绪数据，生成情绪分析结果；
149.步骤b2，基于所述目标生长模型读取与所述参考体重数据和所述参考体脂分布数据共同对应的参考运动数据，并分析所述运动数据与所述参考运动数据是否匹配，生成运动分析结果；
150.步骤b3，基于所述目标生长模型读取与所述参考体重数据和所述参考体脂分布数据共同对应的参考食物配比数据，并分析所述食物配比数据与所述参考食物配比数据是否匹配，生成食物分析结果；
151.步骤b4，根据所述情绪分析结果、所述运动分析结果和所述食物分析结果的异常
性，生成养殖生长数据异常的分析结果。
152.本实施例在养殖生长数据的分析结果为异常时，深入分析异常的原因，以便于依据异常的原因进行养殖方式的改善。具体地，由情绪样本数据训练得到的目标生长模型，具有识别不同情绪特征的能力。故可通过目标生长模型分析情绪数据，从其中提取出情绪特征。该所提取的情绪特征既包含开心、高兴等积极情绪的特征，也包含难过、沮丧等消极情绪的特征。进而由情绪特征，分析情绪数据的偏向，得到表征偏向的情绪分析结果。其中，情绪数据的偏向表征所养殖生猪在整体上处于积极情绪还是处于消极情绪。若情绪特征中表征积极情绪的特征多于表征消极情绪的特征，则说明情绪数据的偏向为积极偏向，生成积极的情绪分析结果；反之，若表征消极情绪的特征多于表征积极情绪的特征，则说明情绪数据的偏向为消极偏向，生成消极的情绪分析结果。
153.需要说明的是，情绪数据中包含有时间点，体现所养殖生猪在时间轴上的不同时间所具有的情绪。本实施例在依据情绪特征分析情绪数据的过程中，还依据情绪特征所对应的时间点分析情绪数据的波动频次。若波动频率越高则说明所养殖生猪情绪上的异常性越严重，故可生成波动的情绪分析结果，以便于提醒对情绪波动的原因及时关注。
154.可理解地，体重与体脂分布与运动均相关，作为理想状态的参考体重数据和参考体脂分布数据具有对应的参考运动数据。由生猪生长样本数据训练得到目标生长模型时，在确定参考体重数据和参考体脂分布数据的同时，还记录与该参考体重数据和参考体脂分布数据共同对应的参考运动数据。故可通过目标生长模型读取该共同对应的参考运动数据，并将养殖生长数据中的运动数据和该参考运动数据对比，分析两者是否匹配。若匹配则说明所养殖生猪的运动达到参考运动数据的要求，生成运动达标的运动分析结果；若不匹配则说明所养殖生猪的运动未达到参考运动数据的要求，生成运动未达标的运动分析结果。
155.进一步地，体重与体脂分布除了与运动相关之外，还与食物配比相关；作为理想状态的参考体重数据和参考体脂分布数据除了具有对应的参考运动数据外，还具有对应的参考食物配比数据。同样可通过目标生长模型读取该共同对应的参考食物配比数据，并将养殖生长数据中的食物配比数据和该参考食物配比数据对比，分析两者是否匹配。若匹配则说明供给所养殖生猪的食物配比达到参考食物配比数据的要求，生成配比达标的食物分析结果；若不匹配则说明供给所养殖生猪的食物配比未达到参考食物配比数据的要求，生成配比未达标的食物分析结果。
156.更进一步地，依据情绪分析结果、运动分析结果和食物分析结果之间的异常性，生成养殖生长数据异常的分析结果。即，当情绪分析结果、运动分析结果和食物分析结果中，存在任意一项表征异常的分析结果，则将该项异常的分析结果生成为养殖生长数据异常的分析结果；若存在任意两项表征异常的分析结果，则将该两项异常的分析结果生成为养殖生长数据异常的分析结果；若三项分析结果为均表征异常的分析结果，则将该三项异常的分析结果生成为养殖生长数据异常的分析结果。并且，若三项分析结果均未异常的情形，则需要从其他维度查找引起体重数据与参考体重数据不匹配和/或体脂分布数据与参考体脂分布数据不匹配的原因，此时可生成养殖生长数据其他异常的分析结果，以提醒从其他维度查找异常原因。
157.可理解地，对于依据情绪分析结果、运动分析结果和食物分析结果之间的异常性，
所生成的养殖生长数据异常的分析结果，需要针对具体异常的分析结果输出提示信息，以便于依据具体异常的分析结果快速及时的排查引起异常的原因。具体地，所述根据所述情绪分析结果、所述运动分析结果和所述食物分析结果的异常性，生成养殖生长数据异常的分析结果的步骤之后包括：
158.步骤b5，若所述情绪分析结果异常，则基于所述目标生长模型对所述情绪特征的异常点进行分析，并输出与所述异常点对应的提示信息；
159.步骤b6，若所述运动分析结果异常，则基于所述目标生长模型分析运动异常类型，并在所述运行异常类型为运动不足类型时，引导所养殖生猪增加运动，以及在所述运动异常类型为运动过量类型时，引导所养殖生猪减少运动；
160.步骤b7，若所述食物分析结果异常，则基于所述目标生长模型对所述食物配比数据的配比改善点进行分析，并输出与所述配比改善点对应的提示信息。
161.进一步地，若异常的分析结果依据情绪分析结果生成，即因异常的情绪分析结果导致生成养殖生长数据异常的分析结果，此时，调用目标生长模型分析情绪特征中的异常点。该异常点为情绪特征中表征消极情绪的特征，或者表征情绪波动的特征，并将异常点添加到提示信息中形成为与异常点对应的提示信息输出，以提示按照异常点所体现的异常排查异常原因。
162.更进一步地，若异常的分析结果依据运动分析结果生成，即因异常的运动分析结果导致生成养殖生长数据异常的分析结果，此时，调用目标生长模型分析运动异常类型。该运动异常类型表征相对参考运动数据，养殖生猪数据中的运动数据是偏少还是偏多。若偏少则说明运动不足，运动异常类型为运动不足类型，此时引导所养殖生猪增加运动；若偏多则说明运动过量，运动异常类型为运动过量类型，此时引导所养殖生猪减少运动。并且，可通过散发促进兴奋的气味，以引导增加运动；或者散发具有镇静安神作用的气味，以减少运动。
163.进一步地，若异常的分析结果依据食物分析结果生成，即因异常的食物分析结果导致生成养殖生长数据异常的分析结果，此时，调用目标生长模型分析食物配比数据中的配比改善点。该配比改善点为相对于参考食物配比数据，食物配比数据的差异点。将该配比改善点添加到提示信息中形成为与配比差异点对应的提示信息输出，以提示按照配比差异点所体现的与参考食物配比数据的差异性改善所养殖生猪的食物配比。
164.可理解地，对于情绪数据的异常，可能是病症所引起的情绪异常，故在针对该类异常输出提示信息时，设置有病症的因素判断。具体地，所述基于所述目标生长模型对所述情绪特征的异常点进行分析，并输出与所述异常点对应的提示信息的步骤包括：
165.步骤b51，基于所述目标生长模型对所述情绪特征的异常点进行分析，判断所述异常点是否为病症异常；
166.步骤b52，若为病症异常，则输出对与所述病症异常对应的生物信息进行获取的获取请求；
167.步骤b53，当接收到基于所述获取请求所获取的生物信息时，基于所述目标生长模型对所述生物信息进行检测，生成检测结果，并将所述检测结果添加到与所述异常点对应的提示信息输出。
168.进一步地，由生猪生长样本数据训练得到目标生长模型时，生猪生长样本数据中
标识有表征病症的数据，使得训练得到的目标生长模型具有识别病症的能力。故在通过目标生长模型分析出情绪特征中的异常点之后，由目标生长模型继续判断该异常点是否属于病症异常。若为病症异常，则输出对与病症异常对应的生物信息进行获取的获取请求。其中，病症异常不同，对应的获取请求所请求获取的生物信息也不同；若病症异常为a型病症，则获取请求所请求获取的生物信息为血液；若病症异常为b型病症，则获取请求所请求获取的生物信息为尿液。
169.更进一步地，云服务器将获取请求输出到养殖人员的终端，养殖人员在查看到该获取请求后，对相应的生物实体信息进行获取并通过检测仪器测验，得到测验结果作为生物信息上传到云服务器。云服务器在接收到该类生物信息后，调用目标生长模型对其检测，生成表征病症类型的检测结果。进而将检测结果添加到与异常点对应的提示信息中，以提示所养殖生猪具有异常点的原因是患有检测结果所表征的病症，对病症及时治疗，以排除异常点。
170.本实施例对于分析结果为异常的养殖生长数据，从情绪、运动和食物配比等维度分析异常的原因，并将分析得到的原因形成提示信息输出，以便于按照提示信息快速查找异常原因，使得所养殖生猪尽早恢复到正常状态，确保在各个生长阶段均具有正常的养殖生长数据，保证所养殖生猪的肉质口感。
171.本发明实施例还提出一种可读存储介质。所述可读存储介质上存储有控制程序，所述控制程序被所述处理器执行时实现如上所述智能化的生猪养殖方法的步骤。
172.本发明可读存储介质可以为计算机可读存储介质，其具体实施方式与上述智能化的生猪养殖方法各实施例基本相同，在此不再赘述。
173.上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，这些均属于本发明的保护之内。