本發(fā)明涉及動物健康監(jiān)測領域，特別涉及動物體溫監(jiān)測系統(tǒng)以及基于機器學習的體溫狀態(tài)識別方法。

背景技術：

體溫是動物重要的健康指標，體溫監(jiān)測是評價動物健康狀態(tài)的重要方式之一，體溫監(jiān)測的及時性、準確性、可靠性直接影響疾病的預防、診斷、治療以及術后恢復效果。

傳統(tǒng)動物體溫檢測采取單個體溫樣點，非常不便于跟蹤動物體溫變化，而且目前對動物體溫的測量主要靠手工來完成，主人需要每天手工測量動物體溫，記錄體溫，繪制體溫曲線，這是一個很大的工作量。而且，某些動物，如放養(yǎng)的牛無法配合體溫檢測，往往需要麻醉才能實現(xiàn)，對于這類動物，傳統(tǒng)的體溫檢測方式無法實施高頻率的檢測。

此外，不同種類動物、同種類動物不同年齡段、同種類動物同年齡不同個體、同個體動物不同運動狀態(tài)，往往具有不同的正常/健康體溫，如：牛在運動狀態(tài)下具有的體溫高于其在睡眠或靜止狀態(tài)下的體溫；又如：成年犬正常體溫為37.5～38.5℃，而幼犬的體溫稍高為38～39℃，因而，動物體溫的監(jiān)測應考慮動物的種類、年齡、個體、運動狀態(tài)等差異，而傳統(tǒng)方式很難全面做到。

技術實現(xiàn)要素：

本發(fā)明的目的在于提供一個動物體溫監(jiān)測系統(tǒng)以及基于機器學習的體溫狀態(tài)識別方法，該動物體溫監(jiān)測系統(tǒng)能夠自動地采集動物的體溫信息，實現(xiàn)對動物體溫的實時遠程監(jiān)控，不需要主人人工檢測并記錄結(jié)果，節(jié)省人力，檢測結(jié)果更加準確，用以解決傳統(tǒng)體溫檢測方式工作量大的問題；而且，系統(tǒng)采用基于機器學習的體溫狀態(tài)識別方法，能夠?qū)W習得出被監(jiān)測動物在不同運動狀態(tài)下的正常體溫，并能基于學得的正常體溫信息識別出動物的體溫狀態(tài)，即動物的處于正常體溫、過高體溫或過低體溫。機器學習的動物體溫狀態(tài)識別方法能夠排除動物的種類、年齡、個體和運動狀態(tài)等差異，真正為每個被監(jiān)測對象量身定做，達到精準有效的體溫檢測目的。

為實現(xiàn)上述目的，本發(fā)明的方案是：一個動物體溫監(jiān)測系統(tǒng)，該系統(tǒng)包括采集裝置和智能終端應用。所述采集裝置穿戴在動物身體上，用于動物體溫、加速度、接觸壓力等信息采集的；所述智能終端應用接收采集裝置采集的信息，并基于這些信息對動物體溫狀態(tài)(如健康/正常體溫、發(fā)燒/體溫過高、體溫過低)進行識別；所述采集裝置與所述智能終端應用連接；

所述采集裝置包括體溫采集器和綁縛帶，所述體溫采集器兩側(cè)均固定連接長度可調(diào)的綁縛帶，所述的綁縛帶用于將采集裝置與動物固定，所述綁腹帶內(nèi)置電池組，所述的采集裝置中嵌裝有壓力傳感器、加速度傳感器、溫度傳感器、控制模塊、數(shù)據(jù)緩存模塊以及數(shù)據(jù)傳輸模塊，所述的壓力傳感器和溫度傳感器緊貼動物皮膚設置，所述采集裝置可以通過綁縛帶兩端的卡扣連接，或者直接綁在一起，實現(xiàn)穿戴在動物身上；

所述壓力傳感器、溫度傳感器和加速度傳感器用于采集動物的接觸壓力、溫度和加速度信息；

所述控制模塊與所述壓力傳感器、溫度傳感器和加速度傳感器連接，用于配置壓力傳感器、溫度傳感 器、加速度傳感器的工作參數(shù)和控制它們的工作狀況，并能接收接觸壓力、溫度和加速度信息，及判斷接收信息是否有效；

所述數(shù)據(jù)緩存模塊與所述控制模塊連接，從所述控制模塊接收并緩存有效的接觸壓力、溫度和加速度信息；

所述數(shù)據(jù)傳輸模塊與所述數(shù)據(jù)緩存模塊連接和所述智能終端應用連接，從所述數(shù)據(jù)緩存模塊獲取數(shù)據(jù)信息，并發(fā)送給所述智能終端應用；

所述智能終端應用包括采集數(shù)據(jù)傳輸模塊、采集數(shù)據(jù)緩存模塊、體溫狀態(tài)識別模塊、狀態(tài)數(shù)據(jù)緩存模塊；

所述采集數(shù)據(jù)傳輸模塊用于接收所述采集裝置采集的動物數(shù)據(jù)，并處理后存入所述采集數(shù)據(jù)緩存模塊；

所述采集數(shù)據(jù)緩存模塊用于緩存接收到的動物數(shù)據(jù)，并在緩存數(shù)據(jù)滿足體溫狀態(tài)識別要求時，傳輸給所述體溫狀態(tài)識別模塊；

所述體溫狀態(tài)識別模塊將采集到的動物數(shù)據(jù)識別為動物的體溫狀態(tài)，并將動物體溫狀態(tài)數(shù)據(jù)傳輸給所述狀態(tài)數(shù)據(jù)緩存模塊；

所述動物體溫監(jiān)測系統(tǒng)用于動物體溫采集包括如下步驟：

(1)所述控制模塊設置的所述壓力傳感器、所述加速度傳感器和所述溫度傳感器的采集頻率；

(2)所述壓力傳感器檢測與動物皮膚的接觸壓力，所述加速度傳感器檢測動物加速度信息，所述溫度傳感器檢測動物體溫信息；

(3)所述控制模塊接收步驟(2)中檢測到的接觸壓力信息、加速度信息以及動物體溫信息，并根據(jù)接觸壓力信息來判斷采集裝置是否與動物皮膚接觸：如果沒有接觸，則拋棄所有同時刻采集的信息；如果有效接觸，則將數(shù)據(jù)存入數(shù)據(jù)緩存模塊中；

(4)安裝在主人智能設備上的所述智能終端應用通過所述采集數(shù)據(jù)傳輸模塊接收所述采集裝置的所述數(shù)據(jù)緩存模塊中接觸壓力信息、加速度信息和體溫信息，并將信息適當處理后傳輸給所述采集數(shù)據(jù)緩存模塊；

(5)所述智能終端應用的所述狀態(tài)識別模塊基于動物的加速度信息和體溫信息識別出動物的體溫狀態(tài)信息。

可選的，所述智能終端應用包括人機交互模塊。所述人機交互模塊用于接收用戶交互指令，根據(jù)指令從所述采集數(shù)據(jù)緩存模塊和狀態(tài)數(shù)據(jù)緩存模塊中獲取所需的信息，并通過屏幕或語音等方式向用戶展示查詢結(jié)果。

可選的，所述智能終端應用包括狀態(tài)數(shù)據(jù)傳輸模塊。所述狀態(tài)數(shù)據(jù)傳輸模塊將體溫的狀態(tài)數(shù)據(jù)傳輸給遠程網(wǎng)絡端的智能監(jiān)測系統(tǒng)，該系統(tǒng)對狀態(tài)數(shù)據(jù)提供進一步的智能分析和服務。

所述的采集裝置穿戴于動物的頸部，或腿部，或胸部，或頭部等，采集裝置的綁縛帶中設置有電池組，可以擴大電池容量，實現(xiàn)更長時間的數(shù)據(jù)采集；

所述的壓力傳感器為半導體壓電阻型或靜電容量型。

所述的溫度傳感器為基于熱敏電阻或熱電偶的溫度傳感器。

所述的加速度傳感器為壓電式，或壓阻式，或電容式等的加速度傳感器。

所述智能終端應用可以基于android、ios、window10等主流移動平臺開發(fā)，也可以是定制的軟硬件平臺。

為實現(xiàn)上述目的，本發(fā)明提供一種基于機器學習的體溫狀態(tài)識別方法，能夠針對特定的被監(jiān)測動物個體進行機器學習，學習并得出該動物處于各類體溫狀態(tài)的規(guī)則，然后基于這些規(guī)則進行體溫狀態(tài)識別，達到健康監(jiān)測的目標。

所述基于機器學習的體溫狀態(tài)識別方法的機器學習過程包括以下步驟：

(1)對于特定某個或某種動物，在不同的體溫狀態(tài)(如健康/正常體溫、發(fā)燒/體溫過高、體溫過低)下，針對不同運動狀態(tài)(如睡眠、靜止、輕微運動、普通運動、劇烈運動)采集加速度a和體溫t；

(2)用一定長度的時間窗去采樣加速度a及體溫t信息，計算時間窗內(nèi)加速度平均值和體溫平均值保存為訓練樣例，如；

(3)讀取訓練樣例集，對同種體溫狀態(tài)的樣例按加速度平均值大小對樣例進行排序；

(4)對排序后的訓練樣例集，對同種體溫狀態(tài)按連續(xù)樣例體溫均值變化值大小分為幾類，最后得到學習的結(jié)果，保存為規(guī)則集，如：

…

…

…

所述基于機器學習的體溫狀態(tài)識別方法的機器識別過程包括以下步驟：

(1)對于特定的被檢測動物采集加速度a和體溫t；

(2)用一定長度的時間窗去采樣加速度a及體溫t信息，計算時間窗內(nèi)加速度平均值和體溫平均值

(3)從規(guī)則集中查詢同時匹配加速度和體溫的規(guī)則，即加速度平均值處于規(guī)則條件的范圍內(nèi)，且體溫平均值處于規(guī)則條件的范圍內(nèi)；

(4)如果步驟(3)找到了匹配規(guī)則，則根據(jù)規(guī)則識別出動物的體溫狀態(tài)，并結(jié)束識別過程；

(5)如果步驟(3)找不到了匹配規(guī)則，則從體溫狀態(tài)為“正常體溫”的規(guī)則集中查詢匹配加速度的規(guī)則，即加速度平均值處于規(guī)則條件的范圍內(nèi)，然后，找出同條規(guī)則的規(guī)則條件中的體溫范圍

(6)如果比小，則體溫狀態(tài)為“過低體溫”，如果比大，則體溫狀態(tài)為“過高體溫”。

本發(fā)明所達到的有益效果如下：

(1)本發(fā)明的體溫監(jiān)測系統(tǒng)可以實現(xiàn)對動物體溫的自動檢測以及遠程實時監(jiān)測，不需要人工記錄被檢測動物的體溫狀況，節(jié)省大量的人力，減輕勞動力；

(2)本發(fā)明的體溫監(jiān)測系統(tǒng)設置有加速度傳感器以及壓力傳感器，可以檢測采集裝置是否與動物有效接觸，以及動物在不同運動狀態(tài)下的體溫，檢測結(jié)果更準確；

(3)本發(fā)明的體溫監(jiān)測系統(tǒng)設置有智能終端應用，可以基于動物的加速度信息、壓力信息和體溫信息進行學習并進行智能識別，機器學習特性使得本系統(tǒng)可以適用于幾乎所有動物的體溫識別，且能兼顧被測動物的個體體溫特性，真正實現(xiàn)私人定制，識別結(jié)果也更加精準；

(4)本發(fā)明還可以通過與遠程網(wǎng)絡上的智能監(jiān)測系統(tǒng)連接，將體溫狀態(tài)信息上傳到遠程系統(tǒng)中，相關人員可以通過網(wǎng)絡隨時了解被監(jiān)測動物的歷史體溫狀況，并能通過專家系統(tǒng)來分析被監(jiān)測對象不同的體溫變化，實現(xiàn)更加精準的健康監(jiān)測；

(5)本發(fā)明的采集裝置采用電池組來提供能源，能夠?qū)崿F(xiàn)更長時間的供電需求，減少設備充電的次數(shù)，提高設備使用的效率。

附圖說明

圖1是本發(fā)明的采集裝置結(jié)構圖；

圖2是本發(fā)明的動物體溫監(jiān)測系統(tǒng)結(jié)構原理圖；

圖3是本發(fā)明的動物體溫采集流程圖；

圖4是本發(fā)明的體溫狀態(tài)識別模型的學習過程；

圖5是本發(fā)明的體溫狀態(tài)識別模型的實施過程。

具體實施方式

下面結(jié)合附圖對本發(fā)明作進一步詳細的說明。

實施例一

本實施例中的動物體溫監(jiān)測系統(tǒng)包括穿戴在動物身上、用于動物體溫采集的采集裝置和用于動物體溫監(jiān)測的智能終端應用。

如圖1所示，所述采集裝置包括體溫采集器和綁縛帶，所述體溫采集器兩側(cè)均固定連接長度可調(diào)的綁縛帶，所述的綁縛帶用于將采集裝置與動物固定，所述綁腹帶內(nèi)置電池組，所述的采集裝置中嵌裝有壓力傳感器、加速度傳感器、溫度傳感器，所述的壓力傳感器和溫度傳感器緊貼動物皮膚設置。所述采集裝置可以通過綁縛帶兩端的卡扣連接，或者直接綁在一起，實現(xiàn)穿戴在動物身上。

如圖2所示，所述采集裝置1包括壓力傳感器11、溫度傳感器12、加速度傳感器13、控制模塊14、數(shù)據(jù)緩存模塊15以及數(shù)據(jù)傳輸模塊16。所述壓力傳感器11、溫度傳感器12和加速度傳感器13與所述控制模塊14連接，所述控制模塊14與所述數(shù)據(jù)緩存模塊15連接，所述數(shù)據(jù)緩存模塊15與數(shù)據(jù)傳輸模塊16連接。

如圖2所示，所述智能終端應用2包括采集數(shù)據(jù)傳輸模塊21、采集數(shù)據(jù)緩存模塊22、體溫狀態(tài)識別模塊23、狀態(tài)數(shù)據(jù)緩存模塊24。所述采集數(shù)據(jù)傳輸模塊21與所述采集數(shù)據(jù)緩存模塊22連接，所述采集數(shù)據(jù)緩存模塊22與所述體溫狀態(tài)識別模塊23連接，所述體溫狀態(tài)識別模塊23與所述狀態(tài)數(shù)據(jù)緩存模塊24連接。

如圖3所示，所述動物體溫監(jiān)測系統(tǒng)的體溫采集流程包括如下步驟：

(1)步驟101，用戶通過所述采集裝置的所述控制模塊設置壓力傳感器、加速度傳感器、溫度傳感器的信息采集頻率，對于健康狀況良好的動物，可以設置較低的采集頻率，對于健康狀況較差的動物，則應設置較高的采集頻率；

(2)步驟102，所述采集裝置通過壓力傳感器檢測與動物接觸的壓力信息，加速度傳感器同時檢測動物的加速度信息，溫度傳感器同時檢測動物的體溫信息；

(3)步驟103，所述控制模塊檢測采集的接觸壓力信息，如果接觸壓力值大于閾值，則判定為采集裝置與動物發(fā)生了有效接觸，所有信息有效，轉(zhuǎn)到步驟104；如果接觸壓力值小于閾值，則判定為采集裝置與動物沒有發(fā)生有效接觸，所有信息無效，轉(zhuǎn)到步驟107，即拋棄無效的采集信息，且結(jié)束采集流程；

(4)步驟104，所述采集裝置的所述數(shù)據(jù)緩存模塊將檢測到的接觸壓力信息、加速度信息以及體溫信息存儲起來；

(5)步驟105，所述智能終端應用從所述采集裝置接收接觸壓力信息、加速度信息以及動物體溫信息；對于實時性要求高且通信網(wǎng)絡順暢，智能終端應用可以按采集頻率獲取數(shù)據(jù)；對于實時性要求不高或者通信網(wǎng)絡較差甚至斷開，智能終端應用可以降低數(shù)據(jù)獲取頻率或等到通信網(wǎng)絡恢復順暢后再傳輸；

(6)步驟106，基于機器學習后的體溫狀態(tài)識別規(guī)則集合，所述智能終端應用的所述體溫狀態(tài)識別模塊將動物的加速度和體溫信息識別為動物的體溫狀態(tài)信息。

實施例二

本實施例二在實施例一的基礎上，智能終端應用還設置有人機交互模塊26。所述人機交互模塊26與采集數(shù)據(jù)緩存模塊22和狀態(tài)數(shù)據(jù)緩存模塊24連接。

所述人機交互模塊26用于接收用戶通過觸屏、鍵盤和語音等交互方式提供的指令，并從采集數(shù)據(jù)緩存模塊22和狀態(tài)數(shù)據(jù)緩存模塊24中按指令取出數(shù)據(jù)，然后用屏幕或語音等方式將取出的數(shù)據(jù)展示給用戶。實施例三

本實施例三在實施例一或?qū)嵤├幕A上，智能終端應用還設置有狀態(tài)數(shù)據(jù)傳輸模塊25。所述狀態(tài)數(shù)據(jù)傳輸模塊25與本地的狀態(tài)數(shù)據(jù)緩存模塊24和遠程的智能監(jiān)測系統(tǒng)3連接。

所述狀態(tài)數(shù)據(jù)傳輸模塊25將所述的智能終端應用2通過internet、td-scdma或wcdma等遠程通信網(wǎng)與智能監(jiān)測系統(tǒng)3相連，用于將動物體溫狀態(tài)信息上傳到智能監(jiān)測系統(tǒng)3，作為歷史數(shù)據(jù)以備查詢或進行更深入的智能分析。

實施例四

如圖3所示，所述基于機器學習的體溫狀態(tài)識別方法包括一個學習過程和一個識別過程。

學習過程主要是通過對動物在“健康/正常體溫”的體溫狀態(tài)下，針對不同運動狀態(tài)采集加速度和體溫信息，并通過分類算法得出不同加速度狀況，及不同運動狀態(tài)下的動物正常體溫范圍。所述機器學習過程包括以下步驟：

(1)對于特定某個或某種動物，在“健康/正常體溫”的體溫狀態(tài)下，針對不同運動狀態(tài)(如睡眠、靜止、輕微運動、普通運動、劇烈運動)采集加速度a和體溫t；

(2)用一定長度的時間窗去采樣加速度a及體溫t信息，計算時間窗內(nèi)加速度平均值和體溫平均值保存為訓練樣例，如；

(3)讀取訓練樣例集，按加速度平均值大小對樣例進行排序；

(4)對排序后的訓練樣例集，按連續(xù)樣例體溫均值變化值大小分為幾類，最后得到學習的結(jié)果，保存為規(guī)則集，如：

…

所述基于機器學習的體溫狀態(tài)識別方法的機器識別過程包括以下步驟：

(1)對于特定的被檢測動物采集加速度a和體溫t；

(2)用一定長度的時間窗去采樣加速度a及體溫t信息，計算時間窗內(nèi)加速度平均值和體溫平均值

(3)從規(guī)則集中查詢匹配加速度的規(guī)則，即加速度平均值處于規(guī)則條件的范圍內(nèi)，然后，找出同條規(guī)則的規(guī)則條件中的體溫范圍

(4)如果比大，且比小，則體溫狀態(tài)為“正常體溫”；如果比小，則體溫狀態(tài)為“過低體溫”；如果比大，則體溫狀態(tài)為“過高體溫”。

實施例五

本實施例五在實施例四的基礎上，所述學習過程在對“健康/正常體溫”的體溫狀態(tài)信息進行學習的基礎上，增加對“發(fā)燒/體溫過高”、“體溫過低”體溫狀態(tài)信息的學習。所述機器學習過程包括以下步驟：

(1)對于特定某個或某種動物，在不同的體溫狀態(tài)(如健康/正常體溫、發(fā)燒/體溫過高、體溫過低)下，針對不同運動狀態(tài)(如睡眠、靜止、輕微運動、普通運動、劇烈運動)采集加速度a和體溫t；

(2)用一定長度的時間窗去采樣加速度a及體溫t信息，計算時間窗內(nèi)加速度平均值和體溫平均值保存為訓練樣例，如；

(3)讀取訓練樣例集，對同種體溫狀態(tài)的樣例按加速度平均值大小對樣例進行排序；

(4)對排序后的訓練樣例集，對同種體溫狀態(tài)按連續(xù)樣例體溫均值變化值大小分為幾類，最后得到學習的結(jié)果，保存為規(guī)則集，如：

…

…

…

所述基于機器學習的體溫狀態(tài)識別方法的機器識別過程包括以下步驟：

(1)對于特定的被檢測動物采集加速度a和體溫t；

(2)用一定長度的時間窗去采樣加速度a及體溫t信息，計算時間窗內(nèi)加速度平均值和體溫平均值

(3)從規(guī)則集中查詢同時匹配加速度和體溫的規(guī)則，即加速度平均值處于規(guī)則條件的范圍內(nèi)，且體溫平均值處于規(guī)則條件的范圍內(nèi)；

(4)如果步驟(3)找到了匹配規(guī)則，則根據(jù)規(guī)則識別出動物的體溫狀態(tài)，并結(jié)束識別過程；

(5)如果步驟(3)找不到了匹配規(guī)則，則從體溫狀態(tài)為“正常體溫”的規(guī)則集中查詢匹配加速度的規(guī)則，即加速度平均值處于規(guī)則條件的范圍內(nèi)，然后，找出同條規(guī)則的規(guī)則條件中的體溫范圍

(6)如果比小，則體溫狀態(tài)為“過低體溫”，如果比大，則體溫狀態(tài)為“過高體溫”。

可以理解的是，以上實施方式僅僅是為了說明本發(fā)明的原理而采用的示例性實施方式，然而本發(fā)明并不局限于此。對于本領域內(nèi)的普通技術人員而言，在不脫離本發(fā)明的精神和實質(zhì)的情況下，可以做出各種變型和改進，這些變型和改進也視為本發(fā)明的保護范圍。