一种基于多源证据共现印证的宠物健康异常提示方法、系统、装置及存储介质与流程

本技术涉及智能宠物监测，尤其涉及一种基于多源证据共现印证的宠物健康异常提示方法、系统、装置及存储介质。

背景技术：

1、随着家庭养宠规模的扩大，宠物在家庭中的角色日益接近家庭成员，其健康状况受到越来越多的关注。然而宠物无法用语言表达不适，其叫声、如厕行为、进食饮水、体重变化以及所处环境的气体浓度等信号中，往往先于明显症状蕴含着健康状态变化的信息。近年来，以智能猫砂盆、智能喂食器、穿戴式监测设备为代表的宠物监测产品快速发展，相关专利文献提出了多种健康监测方案，大致可分为以下几类。

2、cn112369343b 公开了一种基于智能猫砂盆数据的宠物健康监测方案：采集宠物猫的体重、如厕次数、如厕时长、排便量等指标，将当日数值与其近七天均值比较得到变化率，再按固定百分比阈值区间（例如 0～5%、5%～10%、大于 10%）将健康状态划分为三级。该方案存在如下缺陷：其一，判定为单尺度、单点比值，"当日对七天均值"的比较方式无法区分一过性波动与持续性趋势变化，单日饮食波动即可能引起误判；其二，固定百分比阈值未考虑个体、品种、年龄间正常波动幅度的差异，跨个体可靠性不足；其三，各指标并列独立比对，指标之间没有任何跨模态印证，任一指标越限即调整健康等级，单次测量干扰直接传导至输出。

3、cn121596794a 公开了另一种驻置式健康监测方案：采集多维健康特征，为目标宠物建立个性化健康基线（均值±标准差形式），据此动态调整判定阈值，再将各维度的异常情况按固定权重加权求和得到综合评分，并映射为健康风险分级。该方案的缺陷在于：其一，判定参照为目标个体专属的健康基线，依赖个体数据的长期积累，设备启用初期（冷启动期）缺乏判定参照；其二，加权求和的综合评分将各源异常线性叠加，单源瞬时干扰（如称重误触、一次性少食）即可拉低综合评分造成误报；其三，方案未涉及声音维度，宠物叫声这一重要主诉信号完全缺失。

4、cn122207608a 公开了一种排泄物健康监测方法及系统，其检测层方案（见其从属权利要求）采集排泄场景的多模态数据（图像、重量、湿度、气味），将提取的特征相对基线偏离后经非线性组合得到健康指数。该方案的缺陷在于：其一，其"多源"限于排泄物相关的采集项，叫声信号仍缺位；其二，其融合仍属加权非线性组合，任一模态的误检仍会传导至健康指数，缺乏"多源一致才提示"的印证约束；其三，未限定各模态证据之间的时间关系，时间上互不相关的误检可以自由叠加。

5、cn121148665a 公开了一种宠物监测方案：由情绪识别模型与疾病识别模型并行处理多模态监测数据，再经结构化上下文接口汇总，由大语言模型输出监测结果。其缺陷在于：其一，判定依赖大模型推理，端侧算力要求、响应时延与云依赖成本高；其二，两个模型各自输出结果后仅靠大语言模型汇总，缺乏证据层面的时间共现约束，误报控制完全取决于模型泛化能力；其三，其输出疾病诊断信息，在专利客体适格性与宠物医疗合规层面均存在风险。

6、cn121709236a 公开了另一种方案：多模态监测数据经大模型分析得到各模态的异常概率，对各模态异常概率加权求和得到健康风险值并据此进行疾病预警。其缺陷在于：各模态权重固定，模态缺失时判定性能即明显退化；加权求和的数值耦合无法表达"多源一致才可信"的印证逻辑，单一模态的高异常概率即可抬高总风险值。

7、cn121938610a 公开了一种基于项圈的方案：项圈多源采集数据上传云端，结合大模型与兽医知识库生成健康报告。其缺陷在于：判定在云端完成，依赖网络与大模型推理，缺乏确定性的异常判定结构，实时性、断网可用性与数据隐私均受制约。

8、cn120260586a 公开了一种叫声分析方法：对正常/异常叫声进行人工标注二分类，用深度网络对叫声流滑窗定位异常片段。其缺陷在于：人工标注成本高、异常边界主观；且叫声声学特征存在显著的个体、品种、年龄差异，基于标注训练得到的通用判定边界跨个体不可靠。

9、cn120731890a 公开了另一种叫声利用方案：将叫声参数按叫声类型调整权重，计算情感强度值与健康值，再由数值得到多维异常风险等级。其缺陷在于：情感强度值与健康值数值耦合，单模态异常即影响总分；判定结果受环境上下文因素影响；融合发生在数值层而非证据层，单源干扰无法在结构上被隔离。

10、cn122397627a 公开了一种智能猫砂盆排泄物健康分析方案：在如厕中、如厕后离开前、自动清理后三个阶段分别采集排泄物图像，各阶段分别得到子结果后按置信度加权融合输出分析结果。该方案的缺陷在于：其一，判据为单一图像模态，叫声主诉信号完全缺失；其二，置信度加权融合路线对单源干扰不设防——各阶段子结果的加权运算无法表达"多源一致才可信"的印证逻辑，单一阶段的误检按权重传导至最终输出；其三，不存在跨模态的时间窗共现约束。

11、另有一类方案将多传感器信息用于宠物身份识别与测量归属。cn116267670a 公开的喂食系统通过影像识别宠物身份，将识别到的个体与进食数据关联。cn119014337a（授权公告号 cn119014337b）公开的供给器通过影像传感器识别宠物身份，结合称重与接近传感，以"低头姿态×重量数据协同判断"的方式获取单只宠物的饮食重量、次数与时长。需要指出，这类方案中多传感器"协同"服务于同一个测量值（该宠物的进食量）的准确归属与可靠性，实质是对同一测量值的一致性校验，其目的与结构均不同于在异常证据层进行跨模态时间窗共现印证；且其全文未涉及异常检测、健康提示与音频维度。

12、综上所述，现有技术存在以下共性问题：其一，部分方案的判定参照依赖个体统计量的长期积累，冷启动期缺乏可用参照；其二，普遍采用加权求和、加权融合、综合评分或大模型汇总的方式将各源结果数值耦合为单一输出，任一数据源的瞬时干扰都会传导至最终结果，即现有方案对单源干扰不设防；其三，声音维度普遍缺失，或依赖高成本的人工标注；其四，依赖大模型的方案带来端侧部署成本、时延与断网可用性问题；其五，各源结果之间缺乏证据层面的时间共现约束，时间上互不相关的误检可以自由叠加为报警输出。

13、有鉴于此，需要一种不依赖个体基线长期积累、不依赖大模型推理与人工标注、对单源干扰不设防的多源印证方案，以在冷启动条件下即可对宠物健康异常给出可靠、可解释、可端侧部署的提示。

技术实现思路

1、本技术所要解决的技术问题是：在不依赖个体统计参照长期积累、不依赖大模型推理与人工标注的前提下，如何将声音数据与行为、生理、环境等多源监测数据可靠地映射为宠物健康异常提示，压制单源瞬时干扰引起的误报，补足冷启动能力，并支持端侧低成本部署。

2、第一方面，本技术提供一种宠物健康异常提示方法，包括：获取目标宠物的声音数据，以及所述目标宠物相关的至少一种监测数据；其中，所述至少一种监测数据属于所述目标宠物的行为数据、生理数据和环境数据中的至少一种类型；对各数据源分别独立地进行异常检测，得到各数据源的分源异常证据；其中，所述声音数据对应声音数据源，所述至少一种监测数据中的每种数据各自对应一个独立的数据源；进行共现判定，所述共现判定包括：判定来自至少两个不同数据源的分源异常证据是否对应于同一时间窗，若是，则判定共现成立；其中，所述时间窗按数据源预先配置，且所述时间窗跨越不同数据源的数据采集周期；在所述共现成立时，输出针对所述目标宠物的健康异常提示。

3、在一种可能的实施方式中，对各数据源分别独立地进行异常检测，得到各数据源的分源异常证据，包括：对所述声音数据进行叫声事件检测，得到至少一个叫声事件；提取所述叫声事件的声学特征，其中所述声学特征包括基频特征、共振峰特征、能量分布特征和节奏特征中的至少一种；将所述声学特征与预设参考统计范围进行比较，在所述声学特征相对所述预设参考统计范围的偏离满足预设偏离条件时，将所述叫声事件确定为异常叫声事件；其中，所述预设参考统计范围为预先对多种宠物的样本声学特征进行统计得到的种群级统计范围；根据所述异常叫声事件，得到所述声音数据源的分源异常证据。

4、在一种可能的实施方式中，所述行为数据、所述生理数据和所述环境数据中的至少一种类型包括以下至少一种监测数据源：所述目标宠物所处的驻置式监测设备采集的体重数据、进食量数据、饮水量数据、如厕频次数据、如厕时长数据，以及所述目标宠物所处环境的环境气体浓度数据；穿戴式监测设备采集的所述目标宠物的心率数据、体温数据、活动量数据和呼吸数据中的至少一种；拍摄所述目标宠物得到的图像数据，所述图像数据用于提取所述目标宠物的外观特征和/或体态特征；其中，各所述监测数据源分别归属于所述行为数据、所述生理数据或所述环境数据，并各自作为一个独立的数据源参与所述分源异常检测。

5、在一种可能的实施方式中，所述方法还包括：针对所述至少一种监测数据所表征的监测指标，分别在至少两个时间尺度上确定趋势特征；其中，每一时间尺度上的所述趋势特征表征对应的监测指标在该时间尺度内的变化方向和变化速率；当至少两个时间尺度上的所述趋势特征所表征的变化方向一致，且所述变化速率满足对应时间尺度上预设的速率条件时，生成趋势异常证据；所述趋势异常证据作为所述分源异常证据之一，参与所述共现判定。

6、在一种可能的实施方式中，所述共现判定包括：为各数据源分别配置判定时间窗；其中，各数据源对应的判定时间窗的窗宽为预设值，且至少两个数据源对应的窗宽根据对应数据源所监测指标相对健康异常的响应延迟特征差异化配置；在来自至少两个不同数据源的分源异常证据分别落入相互重叠的判定时间窗时，判定共现成立；其中，参与共现的所述至少两个不同数据源包括所述声音数据源，以及行为数据源和生理数据源中的至少一种。

7、在一种可能的实施方式中，所述输出针对所述目标宠物的健康异常提示，包括：确定提示等级参数，所述提示等级参数包括以下至少两项：共现的分源异常证据的来源数量；共现持续成立的窗数；以及根据趋势异常证据确定的趋势速率等级，所述趋势异常证据根据监测指标在至少两个时间尺度上的趋势特征预先确定；根据所确定的所述提示等级参数中的各项，按照预设逻辑条件确定所述健康异常提示的等级；输出具有所确定的等级的所述健康异常提示。

8、在一种可能的实施方式中，所述方法还包括：当根据所述至少一种监测数据检测到所述目标宠物发生如厕事件或进食事件时，触发音频采集，得到音频数据；对所述音频数据进行异常检测，得到所述声音数据源的分源异常证据。

9、在一种可能的实施方式中，所述方法应用于存在多只宠物的监测环境，所述方法还包括：在监测到所述多只宠物中任一宠物相关的事件时，从预先配置的多种归属手段中确定所述事件的归属个体；其中，所述事件为通过所述至少一种监测数据监测到的事件，所述多种归属手段包括以下至少一种：识别宠物携带的电子标签所表征的身份信息；根据称重数据确定的称重特征进行个体区分；以及根据宠物图像识别得到的外观特征进行个体区分；将所述事件相关联的分源异常证据与所述归属个体绑定，得到归属于所述归属个体的个体化异常证据；按照个体分别维护所述归属个体的趋势特征，所述趋势特征根据与所述归属个体绑定的历史监测数据在至少两个时间尺度上确定；所述共现判定按照个体分别执行，包括：针对同一归属个体，判定归属于所述归属个体的分源异常证据中来自至少两个不同数据源的异常证据是否对应于同一时间窗；输出的所述健康异常提示携带共现成立的归属个体的个体标识。

10、在一种可能的实施方式中，所述方法还包括：获取所述目标宠物所处环境的环境气体浓度数据；其中，所述环境气体浓度数据包括氨气浓度数据和/或总挥发性有机物浓度数据；根据所述环境气体浓度数据在至少两个时间尺度内分别的变化方向和变化速率，生成气体趋势异常证据；其中，所述气体趋势异常证据为环境数据对应数据源的分源异常证据；根据如厕行为监测数据确定如厕行为异常证据；其中，所述如厕行为监测数据包括如厕频次数据和/或如厕时长数据，所述如厕行为异常证据为行为数据对应数据源的分源异常证据；在所述气体趋势异常证据与所述如厕行为异常证据对应于同一时间窗时，判定共现成立，并输出针对所述目标宠物的泌尿系统相关健康提示。

11、在一种可能的实施方式中，所述方法还包括：在输出所述健康异常提示之后，接收用户针对所述健康异常提示输入的确认信息或否认信息；响应于所述确认信息或所述否认信息，对预设参考统计范围和/或趋势判定条件参数进行修正；其中，所述预设参考统计范围用于判定监测数据相对统计范围的偏离，所述趋势判定条件参数为根据监测指标在至少两个时间尺度上的趋势特征进行异常判定所依据的参数；其中，所述确认信息或所述否认信息为用户输入的显式二值反馈。

12、在一种可能的实施方式中，所述对各数据源分别独立地进行异常检测，以及所述共现判定，由边缘端设备执行；所述输出针对所述目标宠物的健康异常提示，包括：由所述边缘端设备在本地输出所述健康异常提示。

13、在一种可能的实施方式中，所述方法还包括：所述边缘端设备将所述分源异常证据和/或所述至少一种监测数据上传至云端设备；所述云端设备根据上传的所述分源异常证据和/或所述至少一种监测数据执行多时间尺度的趋势复核，并根据复核结果更新趋势参考范围和/或等级映射参数；所述云端设备将更新后的所述趋势参考范围和/或所述等级映射参数下发至所述边缘端设备。

14、第二方面，本技术提供一种应用于驻置式监测设备的宠物健康异常提示方法，包括：通过所述驻置式监测设备的设备本体，以常规称重方式获取目标宠物的体重数据，以及所述目标宠物的进食相关数据和/或如厕相关数据；获取所述目标宠物所处环境的环境气体浓度数据；当根据所述进食相关数据或所述如厕相关数据检测到所述目标宠物发生进食事件或如厕事件时，触发音频采集，得到音频数据；对所述体重数据、所述进食相关数据和/或所述如厕相关数据、所述环境气体浓度数据以及所述音频数据各自对应的数据源分别独立地进行异常检测，得到各数据源的分源异常证据；根据所述进食相关数据和/或所述如厕相关数据在至少两个时间尺度内分别的变化方向和变化速率，生成趋势异常证据，所述趋势异常证据作为所述分源异常证据之一；判定来自至少两个不同数据源的分源异常证据是否对应于同一时间窗，若是，则判定共现成立，其中所述时间窗按数据源预先配置，且所述时间窗跨越不同数据源的数据采集周期；在所述共现成立时，输出针对所述目标宠物的健康异常提示。

15、第三方面，本技术提供一种驻置式宠物健康异常提示系统，包括：设备本体，包括称重模块、环境气体传感模块和事件检测模块；所述称重模块用于以常规称重方式采集目标宠物的体重数据，以及所述目标宠物的进食相关数据和/或如厕相关数据；所述环境气体传感模块用于采集所述目标宠物所处环境的环境气体浓度数据；所述事件检测模块用于根据所述进食相关数据或所述如厕相关数据，检测所述目标宠物发生的进食事件或如厕事件；音频采集模块，用于在所述事件检测模块检测到所述进食事件或所述如厕事件时被触发，采集音频数据；处理器，用于对所述体重数据、所述进食相关数据和/或所述如厕相关数据、所述环境气体浓度数据以及所述音频数据各自对应的数据源分别独立地进行异常检测，得到各数据源的分源异常证据；根据至少两个时间尺度上的趋势特征生成趋势异常证据；判定来自至少两个不同数据源的分源异常证据是否对应于按数据源预先配置的同一时间窗，并在共现成立时输出针对所述目标宠物的健康异常提示；通信模块，用于将所述分源异常证据和/或采集得到的数据对外发送，和/或接收下发的参数。

16、第四方面，本技术提供一种宠物健康异常提示装置，包括存储器与处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现上述第一方面或第二方面的方法中任一实施方式的步骤。

17、第五方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现上述第一方面或第二方面的方法中任一实施方式的步骤。

18、与现有技术相比，本技术的有益效果包括：

19、（1）提示可靠性高、误报少。本技术对各数据源分别独立地进行异常检测形成分源异常证据，只有当来自至少两个不同数据源的分源异常证据在同一时间窗内共现时才输出提示；称重误触、一次性少食、一声偶然尖叫等单源瞬时干扰，因缺乏其他数据源在同一时间窗内的印证而被天然过滤。同时，判定过程为确定性逻辑，每一次提示均可回溯到具体的证据组合与时间窗关系，可解释、可审计。

20、（2）冷启动即可用。判定所参照的统计范围为预先按多种宠物样本统计得到的种群级参考统计范围，配合趋势特征判定，不依赖目标个体专属统计量的长期积累，设备部署完成后即可提供监测保护，不存在无参照的空窗期。

21、（3）差异化时间窗贴合模态特性。各数据源的判定时间窗按其监测指标相对健康异常的响应延迟特征差异化配置，符合不同模态信号在时间尺度上的天然差异（例如行为指标的变化在数日内逐步显现，而叫声为即时信号），减少一刀切窗宽造成的漏配与误配。

22、（4）多时间尺度趋势一致性提升趋势检出可靠度。短时间尺度与长时间尺度的趋势特征同向、且各尺度变化速率均满足预设条件时才生成趋势异常证据，能够区分一过性波动与持续性变化，抑制单日抖动引起的误判。

23、（5）事件触发音频降低功耗与隐私暴露。仅在检测到如厕事件或进食事件时触发音频采集，相比持续监听显著降低音频模块的占空比与存储开销，避免对家庭环境的全天候录音，同时补足声音主诉信号，使声音证据与行为证据在时间上天然对齐。

24、（6）端侧部署友好。异常检测与共现判定为确定性规则逻辑，无大模型推理依赖，可在低算力边缘端设备上执行并本地输出提示，时延低、断网可用，云端仅承担趋势复核与参数更新等非实时任务。

25、（7）可与个体适配类方案叠加。本技术方案不依赖个体专属参照，可作为冷启动基座独立使用，也可以与基于个体数据的适配类方案（例如个体声纹适配类方案）叠加部署，构成"冷启动基座+个性化增强"的完整演进路径，两种方案互不冲突、效果互补。