基于SOM神經網絡的豬病遠程智能診斷算法研究

陳佳濤　陳鑫　王梅

摘 要：隨著生豬養殖規模化和集約化的發展，豬病危害日益凸顯，嚴重制約了我國養豬業的發展。為了滿足生豬養殖場對獸醫資源的需求，本系統利用現代數字化信息技術，從專家人工診斷和基于SOM神經網絡的智能診斷兩種機制，為豬病診斷提供一種直觀、便捷的遠程輔助診斷工具。

關鍵詞：養殖規模；豬病診斷；SOM神經網絡

文章編號：1004-7026（2018）13-0092-01 中國圖書分類號：TH165.3 文獻標志碼：A

1 引言

隨著我國經濟的發展和人們物質需求的不斷增加，我國的養豬業獲得了持續穩定的發展。但是豬病的危害日益嚴重，給我國的養豬業造成了巨大的經濟損失。隨著信息技術在動物疫病的防控方面的發展，以計算機技術為支撐的畜禽遠程診斷系統為畜禽疾病診斷提供了一個新的研究方向。因此，結合畜禽養殖用戶的需求，建立一個智能化、數字化的獸醫遠程交互診斷平臺刻不容緩。

2 系統診斷機制

2.1 專家人工診斷

用戶登錄系統，通過提示輸入豬群的發病情況（流行狀況、臨床和病理變化），上傳從種豬生產信息監控系統中獲取的生豬實時圖片，生成豬病報告。專家通過登錄系統獲取豬病報告，對豬病進行診斷并給出處方建議。

2.2 遠程智能診斷

2.2.1 建立豬病信息數據庫

為保證豬病信息的準確性，系統采用人工獲取的方式，廣泛地收集豬病診斷方面的資料，包括實體圖書、論文期刊等，從中挑選系統所需的知識整理成原始資料，然后將這些原始知識交由豬病專家進行修改和完善。最終得到適合生豬場遠程診斷系統應用的知識，建立豬病信息數據庫[1]，其信息項目列表見表1。

2.2.2 基于SOM神經網絡的智能診斷模型

我們在系統中使用SOM神經網絡診斷，它的特點是將相鄰關系強加在簇質心上，互為鄰居的簇之間比非鄰居的簇之間更相關，這種聯系有利于聚類結果的解釋和可視化。

2.2.3 智能診斷步驟

系統的智能診斷方式采用基于SOM神經網絡對生豬病情診斷聚類模型，診斷步驟如下：

從數據庫中選取1 000組患病生豬的各項健康指標數據以及各組對應的病情診斷結果，對這1000組數據進行歸一化處理。

用SOM神經網絡對每一組樣本數據進行訓練學習，得到生豬病情診斷的訓練集，以此作為診斷的標準數據庫，根據訓練結果，主要提取出8大類常見生豬疾病，分別為營養不良、消化不良、體溫異常、內分泌異常、肺部感染、身體囊腫、心臟不適、炎癥[2]。

在訓練數據過程中，我們分別進行了步數為50、100、200、500、1 000的樣本數據訓練。當訓練步數為500時，每個樣本就已經被劃為一類，這種結果更加細化。當訓練步數為1 000時，同樣每個樣本被劃為一類，因此再提高訓練步數毫無意義。

將待診斷的生豬相應的各項健康指標數據輸入到SOM神經網絡中。

若輸出神經元在輸出層的位置與某標準病情樣本的位置相同，說明待診斷生豬具有相應的病情；若輸出神經元在輸出層的位置介于很多標準病情之間，說明這幾種標準病情都可能有，且各病情的程度由該位置與相應標準病情樣本位置的歐拉距離決定。

3 結束語

養殖業未來的發展趨勢將實現無人養殖，完全由系統自主決策，實現數字化遠程診斷與遠程調控的全方面覆蓋。豬場遠程診斷系統也會在這樣的環境下，朝著移動、多樣、實時等方面進一步發展，不斷推進養殖業的可持續發展。

參考文獻：

[1]李盼玉.基于智能手機的豬病遠程診斷系統的設計與實現[D].安徽農業大學，2015.

[2]徐峰.豬病診斷專家系統研究[D].中國農業大學，2005.