(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201610883620.3
(22)申请日 2016.10.10
(71)申请人 重庆科技学院
地址 401331 重庆市沙坪坝区大学城东路
20号
(72)发明人 李家庆 陈实 周伟 吴凌
杜明华 李晓亮 唐海红 白竣仁
易军 李太福
(74)专利代理机构 重庆蕴博君晟知识产权代理
事务所(普通合伙) 50223
代理人 王玉芝 杨明
(51)Int.Cl.
A01K 67/02(2006.01)
(54)发明名称
系统
(57)摘要
本发明提供了一种基于物联网大数据分析
的宠物喂养方法及系统，其中的方法包括：采集
宠物的种类、性别、年龄、心跳频率、血压、体温、
构成影响因素矩阵X，并上传至服务器；其中，喂
食类型和喂食量构成决策变量；在服务器内利用
Elman神经网络建立影响因素矩阵X与宠物健康
指数之间的复杂非线性关系，获得宠物喂养模
型；利用SPEA-II算法对宠物喂养模型进行优化，
获得决策变量的一组最优解；将决策变量的该组
最优解作为宠物的推荐决策X *通过服务器下发
至用户的终端设备进行显示；用户根据终端设备
显示的推荐决策X *喂食宠物。利用本发明能够确
定最优的宠物喂养方案，为宠物营造了更好的生
活环境。权利要求书3页 说明书6页 附图2页CN 106614273 A 2017.05.10
C N 106614273
A
1.一种基于物联网大数据分析的宠物喂养方法，其特征在于，包括如下步骤： 步骤S1：采集宠物的种类、性别、年龄、心跳频率、血压、体温、活动量、喂食类型、喂食量，当前图像、当前体重构成影响因素矩阵X，并上传至服务器；其中，所述喂食类型和所述喂食量构成决策变量；
步骤S2：在服务器内利用Elman神经网络建立影响因素矩阵X与宠物健康指数之间的复杂非线性关系，获得宠物喂养模型；
步骤S3：利用SPEA-II算法对所述宠物喂养模型进行优化，获得所述决策变量的一组最优解；
步骤S4：将所述决策变量的该组最优解作为所述宠物的推荐决策X*通过所述服务器下发至用户的终端设备进行显示；
步骤S5：所述用户根据所述终端设备显示的推荐决策X*喂食所述宠物。
2.根据权利要求1所述的基于物联网大数据分析的宠物喂养方法，其特征在于，所述宠物喂养模型中X k＝[x k1,x k2,L,x kM](k＝1,2,L,S)为输入样本，S为训练样本的个数，W MI(g)为第g次迭代时输入层M与隐层I之间的权值矢量，W JP(g)为第g次迭代时隐层J与输出层P之间的权值矢量，W JC(g)为第g次迭代时隐层J与承接层C之间的权值矢量，Y k(g)＝[y k1(g),y k2 (g),L,y kP(g)](k＝1,2,L,S)为第g次迭代时的实际输出，d k＝[d k1,d k2,L,d kP](k＝1,2,L,S)为期望输出；以及，
建立所述宠物喂养模型的步骤包括：
步骤S21：初始化，设迭代次数g初值为0，分别赋给W MI(0)、W JP(0)、W JC(0)一个(0,1)区间的随机值；
步骤S22：随机输入样本X k；
步骤S23：对输入样本X k，前向计算所述Elman神经网络每层神经元的实际输出Y k(g)；
步骤S24：根据期望输出d k和实际输出Y k(g)，计算误差E(g)；
步骤S25：判断误差E(g)是否小于预设的误差值，如果大于或等于，进入步骤S26，如果小于，则进入步骤S29；
步骤S26：判断迭代次数g+1是否大于最大迭代次数，如果大于，进入步骤S29，否则，进入步骤S27；
步骤S27：对输入样本X k反向计算所述Elman神经网络每层神经元的局部梯度δ；
步骤S28：计算权值修正量ΔW，并修正权值；令g＝g+1，跳转至步骤S23；
其中，ΔW ij＝η·δij，η为学习效率；W ij(g+1)＝W ij(g)+ΔW ij(g)；
步骤S29：判断是否完成所有样本的训练；如果是，完成建模；如果否，跳转至步骤S22。
3.根据权利要求1所述的基于物联网大数据分析的宠物喂养方法，其特征在于，利用SPEA-II算法对所述宠物喂养模型进行优化的步骤，包括：
步骤S31：计算所述宠物喂养模型中种中每个个体的适应度F(i)＝R(i)+D(i)，其中， S(j)＝|{j|j∈P+Q∧i＞j}|；
式中，P为进化体，Q为归档集；
式中，M为归档集Q的个体数量，为个体i到其第k个相邻个体之间的欧式距离；
步骤S32：对所述种的个体进行环境选择，获得新的归档集Q t+1，t为当前迭代次数；其中，步骤S32包括：
步骤S321：在所述种中选取适应度小于1的个体放入所述归档集Q t+1中：
Q t+1＝{i|i∈P t+Q t∧F(i)＜1}；
步骤S322：如果所述归档集Q t+1中的个体数量小于M，则在上一代种P t和Q t中选择(M-| Q|)个适应度小于1的个体放入所述归档集Q t+1中；如果Q t+1中的个体数量大于M，则按照修建过程依次选择个体i从归档集Q t+1中删除：
其中，表示个体i与归档集Q t+1中第k个个体的欧式距离，当有至少一个个体在与其前l个邻近个体具有相同的最小欧式距离，且与其第k个邻近个体具有不同的距离时，删除一个具有最小欧式距离的个体；
步骤S323：判断迭代次数是否达到预设的上限；如果达到，输出所述归档集Q t+1的值；如果未达到，进行步骤S33；
步骤S33：对初始种进行选择、交叉、变异操作获得更新后的新种P t+1；
步骤S34：将所述种P t+1和所述归档集Q t+1代入步骤S31，循环步骤S31和步骤S32，直到迭代次数达到预设的上限为止，并输出当前Q的值。
4.根据权利要求1-3中任一项所述的基于物联网大数据分析的宠物喂养方法，其特征在于，
利用温度传感器采集所述宠物的体温；
利用心率传感器采集所述宠物的心跳频率；
利用血压传感器采集所述宠物的血压；
利用计步器采集所述宠物的活动量；
利用摄像头采集所述宠物在当前时刻的图像信息，并将图像信息转换成数字信号；以及，
利用采样电路分别与所述温度传感器、所述心率传感器、所述血压传感器、所述计步器、所述重量传感器进行连接，并将所述温度传感器、所述心率传感器、所述血压传感器、所述计步器分别采集到的宠物的体温、心跳频率、血压、活动量、当前体重转换成数字信号。
5.一种基于物联网大数据分析的宠物喂养系统，其特征在于，包括：
数据采集单元，用于采集宠物的种类、性别、年龄、心跳频率、血压、体温、活动量、喂食类型、喂食量，当前图像、当前体重构成影响因素矩阵X，并上传至服务器；其中，所述喂食类型和所述喂食量构成决策变量；
宠物喂养模型建立单元，用于在所述服务器内利用Elman神经网络建立影响因素矩阵X 与宠物健康指数之间的复杂非线性关系，获得宠物喂养模型；
决策变量最优解获取单元，用于利用SPEA-II算法对所述宠物喂养模型进行优化，获得所述决策变量的一组最优解，并作为所述宠物的推荐决策X*；
推荐决策下发单元，用于通过所述服务器将所述宠物的推荐决策X*下发至用户的终端设备进行显示。
基于物联网大数据分析的宠物喂养方法及系统技术领域
[0001]本发明涉及宠物智能喂养领域，具体涉及一种基于物联网大数据分析的宠物喂养方法及系统。
背景技术
[0002]随着国民经济的快速发展，宠物作为一种情感寄托越来越成为人们乐意选择的一种方式。但如果仅仅使用缺乏科学依据的个人经验对宠物进行喂养，其不合理的喂养方案可能会使宠物缺乏营养导致疾病或富营养化以致肥胖，都达不到我们预想的目标，间接造成大量的精力损失和金钱浪费。
[0003]目前，亟需解决的问题是建立一套全面的宠物喂养模型，并将宠物生理指标、饮食情况反馈给用户，让用户能及时对宠物喂食方案做出调整。影响宠物健康程度的各个因素之间往往体现出高度的复杂性和非线性，采用常规预测、分析方法存在一定难度。发明内容
[0004]本发明通过提供一种基于物联网大数据分析的宠物喂养方法及系统，以解决现有宠物喂养过程中因缺乏喂养经验，无法掌控最优的喂食方案而导致宠物饥饿或不健康的问题。
[0005]为解决上述问题，本发明采用以下技术方案予以实现：
[0006]一方面，本发明提供的基于物联网大数据分析的宠物喂养方法，包括：
[0007]步骤S1：采集宠物的种类、性别、年龄、心跳频率、血压、体温、活动量、喂食类型、喂食量，当前图像、当前体重构成影响因素矩阵X，并上传至服务器；其中，喂食类型和喂食量构成决策变量；
[0008]步骤S2：在服务器内利用Elman神经网络建立影响因素矩阵X与宠物健康指数之间的复杂非线性关系，获得宠物喂养模型；
[0009]步骤S3：利用SPEA-II算法对宠物喂养模型进行优化，获得决策变量的一组最优解；
[0010]步骤S4：将决策变量的该组最优解作为宠物的推荐决策X *通过服务器下发至用户的终端设备进行显示；
[0011]步骤S5：用户根据终端设备显示的推荐决策X *喂食宠物。
[0012]另一方面，本发明提供的基于物联网大数据分析的宠物喂养系统，包括：
[0013]数据采集单元，用于采集宠物的种类、性别、年龄、心跳频率、血压、体温、活动量、喂食类型、喂食量，当前图像、当前体重构成影响因素矩阵X，并上传至服务器；其中，喂食类型和喂食量构成决策变量；
[0014]宠物喂养模型建立单元，用于在服务器内利用Elman神经网络建立影响因素矩阵X 与宠物健康指数之间的复杂非线性关系，获得宠物喂养模型；
[0015]决策变量最优解获取单元，用于利用SPEA-II算法对宠物喂养模型进行优化，获得
说 明 书
1/6页CN 106614273 A
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议