本发明属于农业养殖，特别是一种基于人工智能的鹅均匀度评估方法及系统。
背景技术：
1、在畜牧业，尤其是种鹅的养殖行业中，鹅因其优良的肉质和较高的生产效益而受到广泛养殖。为了提高养殖效率和市场竞争力，鹅的健康状况和生长发育的均匀性是养殖户非常关心的问题。鹅群整体的均匀性直接关联到养殖成本、肉品质量和鹅只的市场价值。因此，如何准确快速地评估鹅的均匀度成为了养殖行业的一项重要任务。
2、传统的均匀度评估方法主要依靠人工观测和个体抽样称重，通过经验判断来评判鹅群体的整体成长状态。这种方法不仅耗时耗力，而且主观性强，准确性和可重复性不足。此外，它也无法提供有关鹅群行为模式的信息，这些模式往往预示着群体健康状况的变化。为了改进评估的准确性和效率，养殖业需要一种客观、自动化和智能化的解决方案。
技术实现思路
1、本发明的目的是提供一种基于人工智能的鹅均匀度评估方法及系统，以解决现有技术中的不足，能够满足提供更加高效、准确的人工智能驱动的鹅均匀度评估方案，以满足现代养殖业的高标准需求。
2、本申请的一个实施例提供了一种基于人工智能的鹅均匀度评估方法，所述方法包括：
3、采集鹅的形态数据和行为数据；
4、利用预先构建的深度形态学习网络，根据所述形态数据生成对应的形态特征矢量；
5、利用预先构建的复合异构网络模型以分析鹅间的社会互动和行为同步性，根据所述行为数据生成对应的行为特征矢量；
6、根据所述形态特征矢量和所述行为特征矢量，评估鹅的均匀度。
7、可选的，所述利用预先构建的深度形态学习网络，根据所述形态数据生成对应的形态特征矢量，包括：
8、构建并训练神经符号转换网络，该网络用于通过模拟人类神经系统处理信息的方式来分析和处理形态数据，其中，利用神经符号的时变特性进行深度学习训练，并利用类脑计算方法调整和优化网络参数；
9、利用训练完成的神经符号转换网络，将所述形态数据转化为动态的神经符号序列，从动态的神经符号序列中提取形态特征矢量。
10、可选的，所述利用预先构建的复合异构网络模型以分析鹅间的社会互动和行为同步性，根据所述行为数据生成对应的行为特征矢量，包括：
11、构建并训练复合异构网络模型，该模型结合图卷积网络和时间序列分析网络，其中，所述图卷积网络用于处理结构化的图信息，所述时间序列网络用于捕捉行为数据中的时间依赖性；
12、将所述行为数据输入训练完成的复合异构网络模型，输出对应的行为特征矢量，其中，所述特征矢量综合考虑鹅的个体行为和群体互动行为。
13、可选的，所述根据所述形态特征矢量和所述行为特征矢量，评估鹅的均匀度，包括：
14、根据所述形态特征矢量和所述行为特征矢量，基于以下公式计算鹅的行为-形态融合指标：
15、
16、其中，所述guef为行为-形态融合指标，所述sigmaq2为行为数据的方差，所述sigmam为形态数据的方差，所述deltaq为行为特征矢量，所述deltam为形态特征矢量，所述theta和所述omega为动态调整权重；
17、根据所述行为-形态融合指标，评估鹅的均匀度。
18、可选的，所述根据所述行为-形态融合指标，评估鹅的均匀度,包括：
19、判断所述行为-形态融合指标所处的数值范围；其中，
20、如果大于第一预设阈值，评估鹅的均匀度为高等级；
21、如果大于第二预设阈值且小于等于第一预设阈值，评估鹅的均匀度为中等级；
22、如果小于等于第二预设阈值，评估鹅的均匀度为低等级。
23、本申请的又一实施例提供了一种基于人工智能的鹅均匀度评估系统，所述系统包括：
24、采集模块，用于采集鹅的形态数据和行为数据；
25、第一生成模块，用于利用预先构建的深度形态学习网络，根据所述形态数据生成对应的形态特征矢量；
26、第二生成模块，用于利用预先构建的复合异构网络模型以分析鹅间的社会互动和行为同步性，根据所述行为数据生成对应的行为特征矢量；
27、评估模块，用于根据所述形态特征矢量和所述行为特征矢量，评估鹅的均匀度。
28、本申请的又一实施例提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项中所述的方法。
29、本申请的又一实施例提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项中所述的方法。
30、与现有技术相比，本发明提供的一种基于人工智能的鹅均匀度评估方法，通过采集鹅的形态数据和行为数据；利用预先构建的深度形态学习网络，根据所述形态数据生成对应的形态特征矢量；利用预先构建的复合异构网络模型以分析鹅间的社会互动和行为同步性，根据所述行为数据生成对应的行为特征矢量；根据所述形态特征矢量和所述行为特征矢量，评估鹅的均匀度，从而能够满足提供更加高效、准确的人工智能驱动的鹅均匀度评估方案，以满足现代养殖业的高标准需求。
1.一种基于人工智能的鹅均匀度评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述利用预先构建的深度形态学习网络，根据所述形态数据生成对应的形态特征矢量，包括：
3.根据权利要求2所述的方法，其特征在于，所述利用预先构建的复合异构网络模型以分析鹅间的社会互动和行为同步性，根据所述行为数据生成对应的行为特征矢量，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述形态特征矢量和所述行为特征矢量，评估鹅的均匀度，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述行为-形态融合指标，评估鹅的均匀度,包括：
6.一种基于人工智能的鹅均匀度评估系统，其特征在于，所述系统包括：
7.根据权利要求6所述的系统，其特征在于，所述第一生成模块，具体用于：
8.根据权利要求7所述的系统，其特征在于，所述第二生成模块，具体用于：
9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1-5中任一项所述的方法。
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1-5中任一项所述的方法。
