一种改善肠道腹泻的宠物主食制备工艺的制作方法

本发明涉及宠物主粮，特别涉及一种改善肠道腹泻的宠物主食制备工艺。

背景技术：

1、宠物主食是人们在喂养宠物时，作为宠物主要营养来源所供给的宠物食品，随着社会的发展，宠物食品生产商制作的宠物主食也越来越多元化，在充分提供宠物营养需求的基础上，开始添加有助于提升宠物采食欲望和改善宠物肠道的添加剂，在针对因细菌导致宠物腹泻的情况时，需要从众多具有改善宠物肠道细菌性腹泻的药物种类中选择最适的主粮添加剂，但全面考虑宠物机体在生理生化方面的差异性方面，现今的宠物食品生产商在生产具有改善宠物肠道细菌性腹泻的主食中，无法精确的筛选出具有改善宠物肠道细菌性腹泻的主食添加剂，且筛选出的宠物主食添加剂并不能依据宠物细菌性诱因和细菌性腹泻程度进行精确的定位，导致宠物细菌性腹泻情况不能及时得到改善，促使宠物细菌性腹泻严重，影响宠物机体健康。

2、基于以上特点，本发明提供了一种改善肠道腹泻的宠物主食制备工艺，用于针对解决宠物细菌性腹泻所用主粮添加剂准确性不高，以及对改善宠物肠道细菌性腹泻预估时间误差大的问题。

技术实现思路

1、本发明的目的在于提供一种改善肠道腹泻的宠物主食制备工艺，深度学习能够精准的依据宠物细菌性腹泻的特征，精准的给出最优的主食添加剂种类，从而快速有效的改善宠物肠道，降低因使用错误的主食添加剂导致细菌性腹泻程度上升的机率，且给出的预估恢复时间，能够及时更换主食，及时补充宠物细菌性腹泻时缺失的营养。

2、为了达成以上目的，本发明采取的技术方案为：

3、一种改善肠道腹泻的宠物主食制备工艺，包括以下具体步骤：

4、步骤一，收集各类主食添加剂对细菌性腹泻宠物肠道、菌群和粪便的生理生化以及表征性状影响的数据；

5、步骤二，对收集的宠物生理生化以及表征性状的数据进行预处理；

6、步骤三，依据预处理后的宠物细菌性腹泻数据进行深度学习，选出基于宠物细菌性腹泻类型具有最适改善作用的主食添加剂，并给出预估恢复时间；

7、步骤四，针对深度学习给出的结果，检测主食添加剂对细菌性腹泻宠物的预估误差。

8、进一步的，在步骤一中，各类主食添加剂分为中草药、益生菌、西药和具有抗氧化抗炎功能的植物提取物，主食添加剂不限于单一种类，包含有1-3类主食添加剂的混合添加物。

9、进一步的，在步骤一中，进行收集各类主食添加剂对细菌性腹泻宠物肠道、菌群和粪便的生理生化以及表征性状影响的数据具体为：

10、步骤s1，各类主食添加剂对细菌性腹泻宠物肠道基因表达影响的数据收集，收集源为宠物医院和宠物基因网络数据库；

11、步骤s2，各类主食添加剂对细菌性腹泻宠物肠道菌群影响的数据收集，收集源自16s菌种测序数据库；

12、步骤s3，各类主食添加剂对细菌性腹泻宠物粪便影响的数据收集，所收集的数据为粪便形状、粪便含水量、粪便颜色以及粪便菌群类型；

13、步骤s4，各类主食添加剂对细菌性腹泻宠物表征性状影响的数据收集，所收集的数据为宠物毛色和宠物精神状态；

14、步骤s5，各类主食添加剂对细菌性腹泻宠物恢复时间的数据收集，所收集数据为细菌性腹泻宠物恢复正常的时间。

15、进一步的，在步骤二中，对收集的宠物生理生化以及表征性状的数据进行预处理，数据的预处理目的为清理收集的宠物生理生化以及表征性状的数据、标准化收集的宠物生理生化以及表征性状的数据库，并对收集的宠物生理生化以及表征性状的数据进行特征选择。

16、作为本发明的进一步方案，在步骤二中，标准化收集的宠物生理生化以及表征性状的数据库所用的方法为归一化法，归一化法采用的方式为min-max法，min-max法所用的公式为：

17、

18、其中，x'为归一化处理后的标准数据，min(x)为特征序列数据的最小值，max(x)为特征序列数据的最大值。

19、作为本发明的进一步方案，在步骤二中，对收集的宠物生理生化以及表征性状的数据进行特征选择，使用极端梯度提升树(xgboost)集成算法进行特征选择。

20、进一步的，在步骤三中，依据预处理后的宠物细菌性腹泻数据进行深度学习，在进行数据集分类前，特征序列集打包汇总，在数据筛选器中，随机打散数据包，再进行汇总，所用实验数据集分为实验集和测试集，实验集数据的使用为80％，测试机的数据使用为20％，使用门控循环单元构建细菌性腹泻宠物主食添加剂和恢复时间的预估模型。

21、进一步的，在步骤三中，设置深度学习环境处理器，处理器包含cpu、gpu、操作系统、编程语言和框架，其中gpu图像处理器用于处理细菌性腹泻宠物肠道组织全基因组测序数据、菌群高通量测序的数据图像以及粪便的相关性状图像。

22、作为本发明的进一步方案，在步骤三中，门控循环单元的时间步长为4-6，dropout为0.5，训练的批量大小为100-130，迭代次数为50-70，初步学习率为0.005-0.01，激活函数为指数线性单元，损失函数为交叉熵损失函数。

23、进一步的，在步骤四中，针对深度学习给出的结果，检测主食添加剂对细菌性腹泻宠物的预估误差前，先进行细菌性腹泻宠物主食添加剂和恢复时间的预估模型的检测，检测方式为使用测试集进行均方根误差，随后生产含有改善宠物肠道细菌性腹泻的主粮，对细菌性腹泻宠物进行实时检测，其中均方根误差的公式为：

24、

25、其中，w为测试集对预估模型检测的均方根误差数值，qi为细菌性腹泻宠物真实恢复时间，qi'为细菌性腹泻宠物主食添加剂和恢复时间的预估模型的预测值，n为细菌性腹泻宠物样本量。

26、本发明的一种改善肠道腹泻的宠物主食制备工艺，具有的有益技术效果为深度学习能够精准的依据宠物细菌性腹泻的特征，精准的给出最优的主食添加剂种类，从而快速有效的改善宠物肠道，降低因使用错误的主食添加剂导致细菌性腹泻程度上升的机率，且给出的预估恢复时间，能够及时更换主食，及时补充宠物细菌性腹泻时缺失的营养。

27、该方法中未涉及部分均与现有技术相同或能够采用现有技术加以实现。

技术特征：

1.一种改善肠道腹泻的宠物主食制备工艺，其特征在于，包括以下具体步骤；

2.根据权利要求1所述的一种改善肠道腹泻的宠物主食制备工艺，其特征在于，在步骤一中，各类主食添加剂分为中草药、益生菌、西药和具有抗氧化抗炎功能的植物提取物，主食添加剂不限于单一种类，包含有1-3类主食添加剂的混合添加物。

3.根据权利要求1所述的一种改善肠道腹泻的宠物主食制备工艺，其特征在于，在步骤一中，进行收集各类主食添加剂对细菌性腹泻宠物肠道、菌群和粪便的生理生化以及表征性状影响的数据具体为：

4.根据权利要求1所述的一种改善肠道腹泻的宠物主食制备工艺，其特征在于，在步骤二中，对收集的宠物生理生化以及表征性状的数据进行预处理，数据的预处理目的为清理收集的宠物生理生化以及表征性状的数据、标准化收集的宠物生理生化以及表征性状的数据库，并对收集的宠物生理生化以及表征性状的数据进行特征选择。

5.根据权利要求4所述的一种改善肠道腹泻的宠物主食制备工艺，其特征在于，在步骤二中，标准化收集的宠物生理生化以及表征性状的数据库所用的方法为归一化法，归一化法采用的方式为min-max法，min-max法所用的公式为：

6.根据权利要求4所述的一种改善肠道腹泻的宠物主食制备工艺，其特征在于，在步骤二中，对收集的宠物生理生化以及表征性状的数据进行特征选择，使用极端梯度提升树集成算法进行特征选择。

7.根据权利要求1所述的一种改善肠道腹泻的宠物主食制备工艺，其特征在于，在步骤三中，依据预处理后的宠物细菌性腹泻数据进行深度学习，在进行数据集分类前，特征序列集打包汇总，在数据筛选器中，随机打散数据包，再进行汇总，所用实验数据集分为实验集和测试集，实验集数据的使用为80％，测试机的数据使用为20％，使用门控循环单元构建细菌性腹泻宠物主食添加剂和恢复时间的预估模型。

8.根据权利要求1所述的一种改善肠道腹泻的宠物主食制备工艺，其特征在于，在步骤三中，设置深度学习环境处理器，处理器包含cpu、gpu、操作系统、编程语言和框架，其中gpu图像处理器用于处理细菌性腹泻宠物肠道组织全基因组测序数据、菌群高通量测序的数据图像以及粪便的相关性状图像。

9.根据权利要求8所述的一种改善肠道腹泻的宠物主食制备工艺，其特征在于，在步骤三中，门控循环单元的时间步长为4-6，dropout为0.5，训练的批量大小为100-130，迭代次数为50-70，初步学习率为0.005-0.01，激活函数为指数线性单元，损失函数为交叉熵损失函数。

10.根据权利要求1所述的一种改善肠道腹泻的宠物主食制备工艺，其特征在于，在步骤四中，针对深度学习给出的结果，检测主食添加剂对细菌性腹泻宠物的预估误差前，先进行细菌性腹泻宠物主食添加剂和恢复时间的预估模型的检测，检测方式为使用测试集进行均方根误差，随后生产含有改善宠物肠道细菌性腹泻的主粮，对细菌性腹泻宠物进行实时检测，其中均方根误差的公式为：

技术总结
本发明涉及宠物主粮技术领域，具体公开了一种改善肠道腹泻的宠物主食制备工艺，其方法包括：收集各类主食添加剂对细菌性腹泻宠物肠道生理生化以及表征性状影响的数据；对收集的宠物生理生化以及表征性状的数据进行预处理；依据预处理后的宠物细菌性腹泻数据进行深度学习训练；针对深度学习给出的结果，检测主食添加剂对细菌性腹泻宠物的预估误差。本发明一种改善肠道腹泻的宠物主食制备工艺，能够精准的依据宠物细菌性腹泻的特征，精准的给出最优的主食添加剂种类，从而快速有效的改善宠物肠道，降低因使用错误的主食添加剂导致细菌性腹泻程度上升的机率，且依据给出的细菌性腹泻宠物恢复时间，能够及时更换主食，及时补充宠物细菌性腹泻时缺失的营养。

技术研发人员：张召佐,赵飞扬,于凌云,孙虎芝,刘爽
受保护的技术使用者：青岛诺安百特生物技术有限公司
技术研发日：
技术公布日：2024/1/16