用于牛养殖的疾病防控方法及其系统与流程

本技术涉及疾病防控领域，且更为具体地，涉及一种用于牛养殖的疾病防控方法及其系统。

背景技术：

1、牛是一种重要的畜牧资源，但也容易受到各种疾病的影响，如口蹄疫、结核病、布鲁氏菌病等。这些疾病不仅会影响牛的生长发育和生产性能，还会危害人类的健康和安全。

2、传统的疾病防控方案需要定期对牛群进行体检、采血、化验等检测，及时发现和隔离患病或疑似患病的牛，防止疾病的传播和扩散。这种疾病防控方案是定期的，没有办法及时地发现疑似患病的牛，在疾病防控效果上存在较为明显的滞后性。

3、因此，期待一种优化的用于牛养殖的疾病防控方案。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种用于牛养殖的疾病防控方法及其系统，其通过摄像头来采集被监控牛对象的行为状态监控视频，并基于被监控牛对象的行为状态监控视频来判断牛的健康状态是否正常，这样可更为及时地发现和隔离疑似患病的牛，从而有效减少了疾病的传播和扩散，同时可避免定期体检、采血、化验等检测所带来的成本和时间延迟问题。

2、根据本技术的一个方面，提供了一种用于牛养殖的疾病防控方法，其包括：

3、获取被监控养殖牛的行为监控视频；

4、从所述行为监控视频提取多个行为监控监控帧，并使用光流图像提取网络对所述多个行为监控监控帧进行处理以得到光流图像的序列；

5、将所述光流图像的序列通过基于三维卷积神经网络模型的时间流特征提取器以得到行为时间流特征图；

6、将所述多个行为监控监控帧通过基于三维卷积神经网络模型的空间流特征提取器以得到行为空间流特征图；

7、融合所述行为时间流特征图和所述行为空间流特征图以得到分类特征图；以及

8、将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示被监控养殖牛的行为状态是否正常。

9、在上述用于牛养殖的疾病防控方法中，将所述光流图像的序列通过基于三维卷积神经网络模型的时间流特征提取器以得到行为时间流特征图，包括：使用所述基于三维卷积神经网络模型的时间流特征提取器的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述基于三维卷积神经网络模型的时间流特征提取器的最后一层的输出为所述行为时间流特征图，所述基于三维卷积神经网络模型的时间流特征提取器的第一层的输入为所述光流图像的序列。

10、在上述用于牛养殖的疾病防控方法中，将所述多个行为监控监控帧通过基于三维卷积神经网络模型的空间流特征提取器以得到行为空间流特征图，包括：使用所述基于三维卷积神经网络模型的空间流特征提取器的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述基于三维卷积神经网络模型的空间流特征提取器的最后一层的输出为所述行为空间流特征图，所述基于三维卷积神经网络模型的空间流特征提取器的第一层的输入为所述行为监控监控帧。

11、在上述用于牛养殖的疾病防控方法中，融合所述行为时间流特征图和所述行为空间流特征图以得到分类特征图，包括：分别计算所述行为时间流特征图和所述行为空间流特征图的高斯回归不确定性因数以得到第一高斯回归不确定性因数和第二高斯回归不确定性因数；以所述第一高斯回归不确定性因数和所述第二高斯回归不确定性因数作为权重，分别对所述行为时间流特征图和所述行为空间流特征图进行加权以得到加权后行为时间流特征图和加权后行为空间流特征图；以及，融合所述加权后行为时间流特征图和所述加权后行为空间流特征图以得到所述分类特征图。

12、在上述用于牛养殖的疾病防控方法中，分别计算所述行为时间流特征图和所述行为空间流特征图的高斯回归不确定性因数以得到第一高斯回归不确定性因数和第二高斯回归不确定性因数，包括：以如下优化公式计算所述行为时间流特征图和所述行为空间流特征图的高斯回归不确定性因数以得到所述第一高斯回归不确定性因数和所述第二高斯回归不确定性因数；其中，所述公式为：

13、

14、

15、其中，f1i和f2i分别是所述行为时间流特征图和所述行为空间流特征图的第i个位置的特征值，s是特征图的尺度，μ1和σ1分别是所述行为时间流特征图中各个位置特征值集合的均值和方差，且μ2和σ2分别是所述所述行为空间流特征图中各个位置特征值集合的均值和方差，log为以2为底的对数函数值，w1和w2分别是所述第一高斯回归不确定性因数和所述第二高斯回归不确定性因数。

16、在上述用于牛养殖的疾病防控方法中，融合所述加权后行为时间流特征图和所述加权后行为空间流特征图以得到所述分类特征图，包括：以如下级联公式融合所述加权后行为时间流特征图和所述加权后行为空间流特征图以得到所述分类特征图；其中，所述公式为：

17、fc＝concat[f1，f2]

18、其中，f1表示所述加权后行为时间流特征图，f2表示所述加权后行为空间流特征图，concat[·，·]表示级联函数，fc表示所述分类特征图。

19、在上述用于牛养殖的疾病防控方法中，将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示被监控养殖牛的行为状态是否正常，包括：将所述分类特征图基于行向量或列向量展开为分类特征向量；使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。

20、根据本技术的另一方面，提供了一种用于牛养殖的疾病防控系统，其包括：

21、监控视频获取模块，用于获取被监控养殖牛的行为监控视频；

22、图像提取模块，用于从所述行为监控视频提取多个行为监控监控帧，并使用光流图像提取网络对所述多个行为监控监控帧进行处理以得到光流图像的序列；

23、第一卷积模块，用于将所述光流图像的序列通过基于三维卷积神经网络模型的时间流特征提取器以得到行为时间流特征图；

24、第二卷积模块，用于将所述多个行为监控监控帧通过基于三维卷积神经网络模型的空间流特征提取器以得到行为空间流特征图；

25、融合模块，用于融合所述行为时间流特征图和所述行为空间流特征图以得到分类特征图；以及

26、分类结果生成模块，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示被监控养殖牛的行为状态是否正常。

27、根据本技术的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的用于牛养殖的疾病防控方法。

28、根据本技术的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的用于牛养殖的疾病防控方法。

29、与现有技术相比，本技术提供的一种用于牛养殖的疾病防控方法及其系统，其通过摄像头来采集被监控牛对象的行为状态监控视频，并基于被监控牛对象的行为状态监控视频来判断牛的健康状态是否正常，这样可更为及时地发现和隔离疑似患病的牛，从而有效减少了疾病的传播和扩散，同时可避免定期体检、采血、化验等检测所带来的成本和时间延迟问题。