一种基于个体专属时序基准的畜禽疫病分层滤波自适应预警方法

本发明涉及畜禽健康人工智能时序数据分析，尤其涉及一种基于个体专属时序基准的畜禽疫病分层滤波自适应预警方法。

背景技术：

1、规模化畜禽养殖过程中，疫病爆发前的潜伏期识别是实现早期干预、降低经济损失的关键环节。现有畜禽疫病预警技术主要采用全局固定阈值预警方案或单层时序模型预警方案。

2、其中，全局固定阈值预警方案设定统一的生理参数阈值（如体温超过40.5℃即判定为异常），对所有畜禽个体采用相同的判定标准，然而不同畜禽个体之间存在显著的生理差异——日龄、品种、基础代谢水平等因素均导致正常生理参数呈个体化分布，全局统一阈值无法区分个体间的正常生理差异，且畜禽在采食、饮水、争斗、转群等日常活动中会产生短时的生理参数波动，该类方案亦无法区分此类短时应激波动与疫病引发的持续性病理变化，导致大量误报。

3、而单层时序模型预警方案引入长短期记忆网络等时序模型对生理参数序列进行建模，尝试从时序变化中识别异常趋势，然而该类方案仅采用单层时序模型对原始信号直接建模，未对不同时间尺度的生理波动进行分离处理，短时喂食应激、转群应激与疫病潜伏期长达数日的渐进性体征偏移在时序信号中叠加呈现，单层模型难以将两者有效剥离，导致疫病潜伏前期的缓慢体征偏移被短时噪声掩盖，无法实现潜伏期提前预警。

4、综上所述，现有技术存在采用全局统一阈值导致个体差异被忽略、仅采用单层时序模型无法分离短时应激与疫病持续性病理变化、缺少多尺度时序窗口梯度提取机制难以捕捉疫病潜伏期缓慢体征偏移、阈值静态不变无法适配畜禽生长及季节环境带来的生理指标波动等技术缺陷。

5、因此，本发明提出一种基于个体专属时序基准的畜禽疫病分层滤波自适应预警方法以解决现有技术中存在的问题。

技术实现思路

1、针对上述问题，本发明的目的在于提出一种基于个体专属时序基准的畜禽疫病分层滤波自适应预警方法，以解决现有畜禽疫病预警技术中采用全局固定阈值导致个体差异被忽略、单层时序模型无法区分应激与疫病、缺少个体差异化基准及阈值无法自适应更新的问题。

2、为了实现本发明的目的，本发明通过以下技术方案实现：一种基于个体专属时序基准的畜禽疫病分层滤波自适应预警方法，包括以下步骤：

3、s1、构建目标畜禽个体的专属健康时序基准库

4、采集目标畜禽个体在无疫病状态下的连续生理时序数据，对采集的连续生理时序数据执行应激异常值剔除处理，生成目标畜禽个体的个体差异化生理基准区间，所述个体差异化生理基准区间包含体温基准区间、呼吸频率基准区间和心率基准区间，通过为每头畜禽单独建立健康基准，替代传统的全局统一阈值，从源头消除个体生理差异带来的误报根源；

5、s2、执行多尺度时序窗口特征提取处理

6、设置三个不同预设时间窗口宽度的滑动窗口，从目标畜禽个体的实时生理时序数据中分别提取短时滑动窗口内的瞬时特征值、中期滑动窗口内的波动幅度特征值以及长时滑动窗口内的体征变化梯度特征值，并对瞬时特征值、波动幅度特征值和体征变化梯度特征值执行多体征耦合关联度计算处理，生成多尺度时序梯度特征集，短时、中期、长时三个窗口分别捕捉瞬时应激、短期波动和长期渐变趋势，多体征关联度计算则挖掘体温、呼吸、心率之间的协同变化信息，为后续分层滤波提供区分应激与疫病的特征依据；

7、s3、执行双层分层滤波特征判别处理

8、将实时生理时序数据输入第一层短时滤波层，所述第一层短时滤波层对实时生理时序数据执行预设时间长度内的波动模式识别处理，生成瞬时应激波动识别结果，当瞬时应激波动识别结果判定当前时序波动属于瞬时应激波动时，滤除当前时序波动对应的时序数据段，不触发预警，将经过第一层短时滤波层处理后的残留时序数据序列输入第二层长时序滤波层，所述第二层长时序滤波层对残留时序数据序列执行超过预设持续时长的体征梯度偏移识别处理，生成疫病潜伏特征判定结果，两层滤波层采用级联架构，第一层专门负责滤除喂食、转群、争斗等短时间歇性应激波动，仅有通过第一层筛选的残留数据才进入第二层进行持续性病理渐变分析，这种分工机制保证了预警触发条件严格对应疫病潜伏特征而非生理噪声；

9、s4、执行日度自适应基准迭代更新处理

10、以预设时间周期获取目标畜禽个体的健康状态生理数据，基于健康状态生理数据对个体差异化生理基准区间执行微调更新处理，生成更新后的个体差异化生理基准区间，并根据环境温湿度数据和日龄数据对更新后的个体差异化生理基准区间的上下限阈值执行偏移修正处理，生成自适应基准阈值，每日根据畜禽最新健康数据微调基准区间，同时引入环境温湿度和日龄两个外部因子对阈值进行补偿修正，使预警基准能够跟随畜禽生长和季节变化动态调整，避免阈值老化导致漏报或误报；

11、s5、执行多体征耦合分级预警输出处理

12、根据疫病潜伏特征判定结果，计算目标畜禽个体的体温偏移量、呼吸频率偏移量和心率偏移量，根据体温偏移量、呼吸频率偏移量和心率偏移量同步偏移程度，匹配预设三级预警等级中的对应等级，输出与对应等级关联的预警信号，利用体温、呼吸、心率三种体征的同步偏离程度划定三级预警等级，偏离体征越多则预警等级越高，有效区分轻症趋向与重症趋向，为养殖者提供差异化的响应决策依据。

13、进一步改进在于：所述s1中，采集连续生理时序数据时，连续采集目标畜禽个体在7天内的体温时序数据、呼吸频率时序数据和心率时序数据，执行应激异常值剔除处理的具体步骤为：采用滑动中值滤波算法对连续生理时序数据执行平滑处理，计算每个采样时刻的滑动中位值，将偏离滑动中位值超过预设偏差倍率的采样点标记为应激异常值并剔除，以剔除应激异常值后的剩余平稳时序数据段的均值与标准差作为个体差异化生理基准区间的中心值与波动范围，所述预设偏差倍率为3倍，以7天平稳期数据为基础建立基准，滑动中值滤波则有效剔除短时应激引起的突变值，保障所建基准反映的是畜禽真实基础生理状态而非偶然波动。

14、进一步改进在于：所述s2中，所述短时滑动窗口的预设时间窗口宽度为24小时，所述中期滑动窗口的预设时间窗口宽度为72小时，所述长时滑动窗口的预设时间窗口宽度为7天，所述瞬时特征值为滑动窗口末端时刻的生理参数实测值，所述波动幅度特征值为滑动窗口内生理参数最大值与最小值的差值，所述体征变化梯度特征值为滑动窗口起始时刻至终止时刻的生理参数线性回归斜率，24小时窗口反映当日实时状态，72小时窗口捕捉三日内的波动幅度变化，7天窗口通过线性回归斜率量化长期渐变趋势，三个尺度互补覆盖了从瞬态到稳态的完整时域信息。

15、进一步改进在于：所述s2中，执行多体征耦合关联度计算处理的具体步骤为：分别计算体温、呼吸频率和心率三种体征类型各自对应的瞬时特征值、波动幅度特征值和体征变化梯度特征值，将三种体征类型同一滑动窗口内的同一类型特征值按照预设权重系数执行加权求和运算，生成单一时序窗口的多体征耦合关联度系数，通过加权求和将三种体征的同类特征融合为单一关联度系数，既保留了各体征独立变化的贡献，又以综合量化形式反映多体征协同偏离程度，便于后续滤波层统一处理。

16、进一步改进在于：所述s3中，所述第一层短时滤波层采用轻量化卷积神经网络结构，所述轻量化卷积神经网络结构包含若干个一维卷积核，所述一维卷积核的时间覆盖长度为2小时，执行波动模式识别处理的具体步骤为：一维卷积核在实时生理时序数据上执行滑动卷积运算，提取预设时间长度内的局部时序波动形态特征，将局部时序波动形态特征输入全连接分类层，输出瞬时应激波动类别概率值，当瞬时应激波动类别概率值大于预设概率阈值时，判定当前时序波动属于瞬时应激波动，轻量化卷积神经网络以其对局部形态特征的强提取能力，在2小时覆盖窗口内精准识别喂食、争斗等应激波动的典型波形模式，快速滤除该类噪声使其不进入后续预警链路。

17、进一步改进在于：所述第一层短时滤波层采用门控循环单元网络结构替换轻量化卷积神经网络结构，所述门控循环单元网络结构包含若干个门控循环单元，所述门控循环单元的时间覆盖长度为2小时，执行波动模式识别处理的具体步骤为：门控循环单元在实时生理时序数据上按时间顺序执行序列状态更新运算，提取预设时间长度内的时序状态变化特征，将时序状态变化特征输入分类输出层，输出瞬时应激波动类别概率值，当瞬时应激波动类别概率值大于预设概率阈值时，判定当前时序波动属于瞬时应激波动，门控循环单元作为轻量化卷积神经网络的替代方案，其循环结构擅长捕捉时序依赖关系，在保持同等2小时覆盖窗口的条件下以更低计算开销实现应激波动的有效识别，适合部署于计算资源受限的边缘端设备。

18、进一步改进在于：所述s3中，所述第二层长时序滤波层采用长短期记忆网络结构，所述长短期记忆网络结构包含若干个长短期记忆单元，所述长短期记忆单元的时间步长覆盖长度为36小时，执行体征梯度偏移识别处理的具体步骤为：将残留时序数据序列按时间顺序逐时间步输入长短期记忆单元，所述长短期记忆单元更新隐藏状态和记忆细胞状态，将各时间步的隐藏状态输入时序注意力层，所述时序注意力层对各时间步的隐藏状态分配注意力权重，生成加权融合特征向量，将加权融合特征向量输入分类输出层，所述分类输出层输出疫病潜伏特征概率值，当疫病潜伏特征概率值大于预设潜伏判定阈值时，判定检出疫病潜伏特征，长短期记忆网络专门处理经第一层滤波后的残留序列，36小时时间步长覆盖足够捕捉疫病潜伏期缓慢体征偏移的持续累积过程，引入的注意力机制进一步强化对关键时段的关注，使模型在噪声滤除后更灵敏地识别病理渐变趋势。

19、进一步改进在于：所述s4中，所述预设时间周期为1个自然日，执行微调更新处理的具体步骤为：将当日健康状态生理数据的平稳时序段均值与当前个体差异化生理基准区间的中心值执行指数加权移动平均运算，以运算结果作为更新后的个体差异化生理基准区间中心值，以当日健康状态生理数据的标准差与历史标准差的加权平均值作为更新后的个体差异化生理基准区间波动范围，执行偏移修正处理的具体步骤为：获取当日平均环境温度值、当日平均环境相对湿度值及目标畜禽个体的当前日龄值，分别查询预设环境温度补偿系数表、预设环境湿度补偿系数表和预设日龄补偿系数表，对应获取温度补偿偏移量、湿度补偿偏移量和日龄补偿偏移量，将温度补偿偏移量、湿度补偿偏移量和日龄补偿偏移量求和生成综合补偿偏移量，将更新后的个体差异化生理基准区间的上下限阈值分别与综合补偿偏移量执行同向加法运算，生成自适应基准阈值，每日以指数加权移动平均方式吸收最新健康数据，赋予近期数据更高权重以灵敏追踪生理基线漂移，同时环境温湿度和日龄三种补偿偏移量以查表方式获得并叠加修正阈值，确保基准自适应能力覆盖生长和季节两大主要变因。

20、进一步改进在于：所述s5中，计算目标畜禽个体的体温偏移量、呼吸频率偏移量和心率偏移量的具体步骤为：分别将体温、呼吸频率和心率三类体征的当前实时值与对应自适应基准阈值的上限值和下限值执行比较，所述偏移量在对应体征的当前实时值处于对应自适应基准阈值区间内时取零值，在当前实时值超出上限值时取当前实时值与上限值的差值，在当前实时值低于下限值时取当前实时值与下限值的差值，每类体征的偏移量以其当前值偏离自适应基准阈值区间的幅度来度量，区间内表示正常无偏移，超出上限或低于下限时以离界距离量化偏离严重程度，为后续分级预警提供归一化的偏离输入值。

21、进一步改进在于：所述s5中，匹配预设三级预警等级中的对应等级的具体步骤为：分别判断三类体征各自对应的偏移量是否大于各自对应的预设偏移阈值，统计偏移量大于各自预设偏移阈值的体征类型总数，当体征类型总数为1时匹配一级预警等级，当体征类型总数为2时匹配二级预警等级，当体征类型总数为3时匹配三级预警等级，所述三级预警等级的严重程度高于二级预警等级，所述二级预警等级的严重程度高于一级预警等级，依据体温、呼吸、心率三类体征中超出各自偏移阈值的数量来映射预警等级，一类体征超标触发初级预警提醒关注，两类体征超标触发中级预警建议介入检查，三类体征同步超标触发最高级预警提示紧急处置，分级机制实现了预警强度的精细分层。

22、本发明的有益效果为：本发明通过个体差异化生理基准替代全局固定阈值，基础误报率极大降低，在此基础上叠加双层分层滤波后整体误报率进一步降低，个体基准提供正常参照基线、双层滤波提供有效变化判别机制，双重特征组合产生远超单一优化的协同降噪效果，且通过不同时序窗口分别提取瞬时值、波动幅度和变化梯度，能够捕捉疫病潜伏期长达数日的渐进性体征偏移，可提前发出无临床症状的潜伏预警，而现有单层时序模型仅在临床症状出现后方能报警，另外通过每日基准迭代更新结合环境温湿度与日龄的多因子补偿修正，使预警阈值能够跟随畜禽个体生长和季节环境变化动态调整，跨仔猪、育肥猪、蛋鸡等多种养殖场景通用，无需人工重新标定。