一种畜牧疫病全链路监测预警系统的制作方法

本发明涉及疫病监测，更具体的说是涉及一种畜牧疫病全链路监测预警系统。

背景技术：

1、动物疫病是制约畜牧业高质量发展的重要风险因素。非洲猪瘟、高致病性禽流感、口蹄疫、布鲁氏菌病等重大动物疫病的突发和传播，不仅给养殖业造成巨大经济损失，还威胁公共卫生安全和国家生物安全。当前，正在推动构建多点触发、反应灵敏的动物疫病监测预警体系，聚焦养殖、屠宰、流通、无害化处理等全产业链关键环节，扩大监测病种和范围，提升动物疫病早发现能力。

2、然而，现有畜牧疫病监测预警技术存在以下显著不足：

3、第一，数据采集碎片化，跨环节数据难以贯通。现有系统多聚焦于单一养殖场或单一环节的环境与体征监测，养殖、免疫、检疫、屠宰、无害化处理等全链条数据相互孤立，形成“数据孤岛”，个体id与饲料批次、环境单元的关联率仅约30%，数据利用率低下。现有专利如cn121279786a仅采集养殖场短期动态环境数据和长期静态养殖数据，未将养殖、流通、屠宰等下游环节数据纳入监测体系，缺乏从源头到终端的全链路数据耦合能力。

4、第二，知识表达维度单一，缺乏时空语义关联。现有疫病预警系统多依赖单一传感器数据或统计模型，未能将养殖场时空位置、流行病史、环境因子、动物个体档案等多维知识进行结构化关联。虽然已出现构建猪、牛、羊等畜禽知识图谱的探索，但现有知识图谱仅关注疾病静态知识，缺乏时间维度和空间维度的动态语义关联，难以捕捉疫病跨时空传播规律-。即便已有融合时空图网络的知识增强方法，也仅聚焦于特定疫病（如蓝耳病）的单个预警场景，未构建支撑多种疫病通用预警的时空知识图谱。

5、第三，数据可信度存疑，预警结果难以溯源。畜牧数据来自养殖户上报、第三方检测、政府监管等多个主体，数据质量参差不齐。现有系统对监测数据的真实性缺乏有效验证机制。虽然区块链技术已被初步应用于畜牧数据存储-和溯源管理-，但其应用多局限于事后溯源，缺乏在预警决策过程中主动评估数据可信度的机制，导致预警结果难以获得监管部门和养殖主体的双重信任。

6、第四，预警模型缺乏多模态融合与早期预测能力。现有预警主要依赖临床症状发现后的人工判断，或基于单一环境参数的阈值触发，缺乏多模态数据（视觉、音频、环境、体征）的跨模态融合分析能力。现有的智能预警虽然能对疑似患病猪只提前预警，但预警时间窗口普遍较短（3-7天），难以实现对新发突发动物疫情的早期感知和精确预测，预警结果也存在较多的误报和漏报。

7、本发明目的在于克服现有技术的上述缺陷，提供一种基于四维时空知识图谱与全链路可信数据融合的畜牧疫病监测预警系统，实现从养殖端到消费端的全链路数据贯通、四维时空知识的语义推理、可信数据的动态评估以及多模态融合的早期预警。

技术实现思路

1、有鉴于此，本发明提供了一种畜牧疫病全链路监测预警系统，以解决背景技术中的技术问题。

2、为了实现上述目的，本发明采用如下技术方案：

3、本发明公开了一种畜牧疫病全链路监测预警系统，包括：

4、全链路多模态感知层，包括部署于养殖、免疫、检疫、屠宰、无害化处理全产业链环节的环境传感器、智能耳标、深度相机、麦克风阵列及高光谱成像装置，用于采集环境参数、动物生命体征、行为姿态、异常声音及胴体病理特征的多模态数据；

5、全链路可信数据融合层，包括基于区块链与数据湖协同的全链路数据可信存证模块、数据置信度动态评分模块以及全链路批次关联引擎，用于生成各数据的置信度权重并建立多维关联索引；

6、四维时空知识图谱构建与推理层，包括基于时间化三元组和空间语义标记的知识图谱构建模块以及时空图谱推理引擎，用于构建带时间戳和空间语义的图谱本体并进行动态推理；

7、图时空大模型驱动的风险评估与预警层，包括场内时空注意力通道、场间空间图卷积通道、门控融合网络以及多时间窗口风险预测模块，用于输出多时间窗口风险概率及可解释预警结果；

8、孪生仿真与干预决策支持层，包括三维数字孪生模型构建模块、基于代理模型的疫病传播仿真引擎以及多策略并行对比仿真模块，用于在孪生环境中进行多策略干预效果对比和最优方案生成。

9、通过设置全链路多模态感知层、可信数据融合层、四维时空知识图谱层、图时空大模型预警层及孪生仿真决策层，首次构建了覆盖养殖、免疫、检疫、屠宰、无害化处理全产业链的畜牧疫病监测预警闭环体系，解决了现有系统数据孤岛严重、缺乏跨环节贯通能力的根本问题，实现了从源头到终端的全链路数据采集、融合、推理、预警与决策一体化，显著提升了系统对重大动物疫病的综合防控能力。

10、优选的，在上述的一种畜牧疫病全链路监测预警系统中，所述基于区块链与数据湖协同的全链路数据可信存证模块中，各感知节点采集的数据经边缘计算节点预处理后，数据本体同步写入分布式数据湖，同时计算数据的哈希值并将哈希值上链存证，每一数据记录附带时间戳、设备id、数据源标识和区块链交易id，用于后续数据追溯和审计。

11、采用区块链与数据湖协同存证机制，将数据本体存储于数据湖的同时将哈希值上链存证，并为每条记录附加时间戳、设备id、数据源标识和交易id，使得任意监测数据均可追溯至原始采集节点且不可篡改，解决了畜牧数据来源分散、易被伪造、事后审计困难的痛点，大幅增强了监管部门和养殖主体对预警系统的信任度。

12、优选的，在上述的一种畜牧疫病全链路监测预警系统中，所述数据置信度动态评分模块从数据源可信等级、历史上报准确率、数据自洽性校验和异常偏离度四个维度对数据批次进行加权评分，输出介于0与1之间的置信度权重；其中数据源可信等级按信息上报主体的类型预设为低、中、高三个等级，历史上报准确率基于历史上报数据与实际确诊结果的匹配率计算，数据自洽性校验通过多模态数据间的冗余约束残差计算，异常偏离度基于局部离群因子算法计算；各维度的权重采用熵权法动态确定，且该置信度权重被嵌入到知识图谱构建和所有后续预警计算中。

13、从数据源可信等级、历史上报准确率、数据自洽性、异常偏离度四个维度对数据批次进行加权评分，并采用熵权法动态确定各维度权重，输出0~1之间的置信度权重且将该权重嵌入所有后续计算，使得低质量数据对知识图谱构建和预警结果的贡献被数学上严格抑制，在实际数据质量波动的养殖环境中可降低误报率。

14、优选的，在上述的一种畜牧疫病全链路监测预警系统中，所述全链路批次关联引擎构建多维关联索引，建立个体id、饲料批次、环境单元编号、检疫批次编号、屠宰批次编号之间的关联张量；关联强度基于时间差衰减函数和id匹配逻辑计算，实现养殖信息与下游检疫、屠宰信息的正向与反向对照。

15、通过全链路批次关联引擎构建个体id、饲料批次、环境单元、检疫批次、屠宰批次之间的多维关联张量，并利用时间差衰减函数和id匹配逻辑计算关联强度，实现了养殖信息与下游检疫、屠宰信息的正向与反向对照，打通了长期以来阻隔产业链各环节的“数据墙”，使单一个体的全生命周期健康档案得以贯通，数据利用率大大提高。

16、优选的，在上述的一种畜牧疫病全链路监测预警系统中，所述四维时空知识图谱中，时间维度的表达为以时间戳标记每个实体和关系的有效时段与变迁序列，形成时间化三元组表示；空间维度的表达为为每个养殖场节点引入空间位置坐标、养殖密度以及物流路径向量作为空间语义标记，并构建养殖场之间的空间邻接关系及物流运输路径关系；所述时空图谱推理引擎采用基于空间邻接权重与时间衰减因子的加权随机游走算法，动态发现跨时空传播路径。

17、在知识图谱中内嵌时间化三元组（实体、关系、起始时间、结束时间）和空间语义标记（位置坐标、养殖密度、物流路径），并采用基于空间邻接权重与时间衰减因子的加权随机游走算法进行跨时空传播路径发现，使得系统能够自动推理出“某养殖场的疫病可能经由共用运输车辆传播至另一养殖场”等高阶语义关系，相比仅依赖静态知识图谱的现有技术，跨时空传播路径检索召回率提升。

18、优选的，在上述的一种畜牧疫病全链路监测预警系统中，所述图时空大模型的场内时空注意力通道以单一养殖场为分析单元，结合多模态感知数据序列和该场实体的图谱嵌入，并利用数据置信度权重对注意力分值进行自适应调节，提取场内风险演化特征；场间空间图卷积通道以养殖场为节点、以空间距离和流通关联为边构建邻接矩阵，采用带自环的图卷积网络提取场间风险传播特征，并用邻域平均置信度对场间特征进行修正；场内通道与场间通道的输出通过门控融合网络进行动态加权融合，所述门控融合网络的融合权重由当前养殖场的平均置信度及历史预警准确率统计信息驱动；融合后的特征输入多时间窗口风险预测模块，分别输出短期、中期和长期三个时间窗口的风险概率。

19、采用双通道图时空大模型--场内通道利用置信度自适应调节的时空注意力网络提取养殖场内部风险演化特征，场间通道利用带自环的图卷积网络提取场间风险传播特征并经邻域平均置信度修正，再通过门控融合网络由置信度和历史准确率驱动动态融合两通道输出，实现了对时空双重特征的并行提取与自适应加权。

20、优选的，在上述的一种畜牧疫病全链路监测预警系统中，所述孪生仿真与干预决策支持层在图时空大模型输出的风险概率超过设定阈值时自动触发；在三维孪生模型中，每个动物个体被建模为具有易感、潜伏、感染、康复、死亡五种状态的代理个体，状态转移概率由传播系数、潜伏期转化率、康复率及死亡率决定，其中传播系数随空间隔离距离、消杀频率及数据置信度衰减因子动态调整；系统在孪生环境中并行运行多个差异化干预策略的仿真实例，每个策略由隔离半径、扑杀比例和消杀频率三个参数定义；仿真引擎输出每个策略下的累计感染数量、疫情持续时间和经济损失评估，并根据用户设定的权重组合选择使加权目标函数最小的策略作为最优干预方案。

21、在数字孪生环境中基于seir-d代理模型对每个动物个体进行状态仿真，并将传播系数动态关联隔离距离、消杀频率及数据置信度衰减因子；预警触发后并行运行多种干预策略（隔离半径、扑杀比例、消杀频率），根据用户设定的权重自动选择使累计感染、疫情持续时间、经济损失加权目标函数最小的最优方案，实现了从风险预警到精准干预决策的智能化闭环，可使干预成本降低。

22、优选的，在上述的一种畜牧疫病全链路监测预警系统中，所述多时间窗口风险预测模块采用多任务学习方式，同时对三个时间窗口的风险概率进行预测，损失函数为各窗口交叉熵损失的加权和加上模型参数的l2正则项，其中不同时间窗口的损失权重随窗口长度的增大而递减；每个预警输出附带可解释性信息，包括：触发预警的具体传感器数据异常项索引列表及对应置信度评分、四维时空知识图谱中关联到的高风险传播节点列表及其关联路径描述、以及置信度评分的变化趋势对预警置信区间的影响分析。

23、采用多任务学习方式同时预测短期（13天）、中期（47天）、长期（814天）三个时间窗口的风险概率，损失函数对各窗口交叉熵损失进行递减加权，并且每个预警输出自动附带触发异常特征索引列表、高风险传播节点列表及置信度变化趋势分析，解决了现有预警模型输出“黑箱化”、缺乏可解释性的问题，满足了兽医监管部门对预警理由追溯和责任认定的实际需求。

24、优选的，在上述的一种畜牧疫病全链路监测预警系统中，所述场内时空注意力通道采用时空图注意力网络，将置信度权重作为注意力分值的乘性调节因子，置信度越高的时间步和传感器特征在注意力汇聚中获得越高的贡献权重；所述场间空间图卷积通道采用带自环的图卷积网络，其邻接矩阵的每个元素基于地理距离、养殖密度差异和物流路径相似度三者的乘积计算。

25、场内时空注意力通道将置信度权重作为注意力分值的乘性调节因子，使高置信度的时间步和传感器特征获得更高贡献权重；场间图卷积网络的邻接矩阵基于地理距离、养殖密度差异和物流路径相似度三者的乘积计算，使空间关系的刻画更加精细和真实，显著提升了模型对数据质量差异的鲁棒性和对复杂传播网络的建模精度。

26、优选的，在上述的一种畜牧疫病全链路监测预警系统中，所述孪生仿真与干预决策支持层还包含反馈更新机制：将实际确诊或排除的结果与预警输出进行比对，用于更新置信度评分模型中的历史上报准确率指标，并将新产生的确诊数据作为正样本触发图时空大模型的在线参数更新，形成从数据采集到预警再到决策反馈的闭环迭代优化。

27、通过反馈更新机制将实际确诊或排除结果与预警输出比对，动态更新置信度评分模型中的历史上报准确率指标，并将新确诊数据作为正样本触发图时空大模型的在线参数更新，形成“数据采集→预警→决策→反馈→模型优化”的闭环迭代，使系统在实际运行中持续自我改进。

28、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种畜牧疫病全链路监测预警系统，本发明通过构建覆盖养殖、免疫、检疫、屠宰、无害化处理全产业链的多模态感知网络，结合区块链与数据湖协同存证、四维数据置信度动态评分及全链路批次关联引擎，有效解决了现有技术中数据采集碎片化、跨环节难以贯通的问题，实现了畜牧数据从源头到终端的可信存证、质量可量化评估及全生命周期追溯，显著提升了数据利用率与系统可信度。在此基础上，本发明构建了内嵌时间化三元组和空间语义标记的四维时空知识图谱，并采用加权随机游走算法进行跨时空传播路径推理，将静态知识图谱拓展为动态时空语义网络，克服了传统知识表达维度单一、缺乏时空关联的缺陷，使系统具备理解疫病时空传播规律的高阶推理能力。本发明进一步设计了双通道图时空大模型，其中场内置信度自适应注意力通道利用数据置信度权重调节注意力分值，精准提取养殖场内部风险演化特征；场间邻域置信度修正图卷积通道基于地理距离、养殖密度及物流路径构建空间邻接矩阵，并采用邻域平均置信度修正场间传播特征；两通道通过门控融合网络由置信度及历史准确率动态融合，实现了对场内演化与场间传播的并行建模与自适应加权，显著提升了多时间窗口风险概率预测的准确性、鲁棒性和可解释性，相比现有技术大幅延长了预警提前量、降低了误报漏报风险。预警触发后，系统自动启动基于seir-d代理模型的数字孪生仿真引擎，在三维孪生环境中并行推演多种干预策略（隔离半径、扑杀比例、消杀频率）的疫情演化过程，并依据加权目标函数自动生成最优干预方案，首次实现了从风险预警到精准决策的智能化闭环，有效降低了防控成本与疫情扩散风险。最后，系统通过反馈更新机制将实际确诊或排除结果用于动态修正置信度评分模型中的历史上报准确率指标，并触发图时空大模型的在线参数更新，形成了“数据采集-知识融合-预警输出-仿真决策-反馈优化”的全链路闭环迭代，使系统在实际运行中持续自我改进，长期保持高水平的预警性能与决策支持能力。

29、综上所述，本发明在数据可信贯通、时空知识表达、多模态融合预警、孪生仿真决策及闭环迭代优化等方面均取得了突破性进步，显著提升了畜牧疫病监测预警的全面性、精准性、前瞻性、可解释性与智能化水平，对保障畜牧业高质量发展及公共卫生安全具有重大意义