CN114332932A - 健康预测方法、装置、电子设备及存储介质 - Google Patents
健康预测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114332932A CN114332932A CN202111632816.2A CN202111632816A CN114332932A CN 114332932 A CN114332932 A CN 114332932A CN 202111632816 A CN202111632816 A CN 202111632816A CN 114332932 A CN114332932 A CN 114332932A
- Authority
- CN
- China
- Prior art keywords
- pet
- time period
- information
- preset time
- nasal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请实施例公开了一种健康预测方法、装置、电子设备及存储介质,其中方法包括:电子设备通过获取每一预设时间段内宠物的鼻纹信息,并确定出每一预设时间段内宠物的身体健康状况;然后关联每一预设时间段内鼻纹信息和身体健康状况,生成样本信息,再根据样本信息对基础模型进行训练,得到健康预测模型;最后获取当前时间宠物的目标鼻纹信息,并将目标鼻纹信息输入到健康预测模型中确定宠物的目标身体健康状况。在本申请实施例中,通过将宠物的鼻纹信息输入到健康预测模型中,能够预测出宠物在下一时间段内的身体健康状况。
Description
技术领域
本申请涉及医疗技术领域,具体涉及一种健康预测方法、装置、电子设备及存储介质。
背景技术
由于环境因素和宠物自身抵抗力因素的影响,宠物也会患有疾病。但是由于宠物患病过程中往往是一个持续性的过程,在短时间内宠物所患疾病的症状往往是不会明显出现的。
因此,如何对宠物的健康状况进行预测,从而对宠物及时就医成为了亟待解决的问题。
发明内容
本申请实施例提供一种健康预测方法、装置、电子设备及存储介质。该健康预测方法能够对宠物的健康状况进行预测。
第一方面,本申请实施例提供了一种健康预测方法,包括:
获取每一预设时间段内宠物的鼻纹信息,并确定出每一预设时间段内宠物的身体健康状况;
关联每一预设时间段内鼻纹信息和身体健康状况,生成样本信息;
根据样本信息对基础模型进行训练,得到健康预测模型;
获取当前时间宠物的目标鼻纹信息,并将目标鼻纹信息输入到健康预测模型中确定宠物的目标身体健康状况。
第二方面,本申请实施例提供了一种健康预测装置,包括:
获取模块,用于获取每一预设时间段内宠物的鼻纹信息,并确定出每一预设时间段内宠物的身体健康状况;
关联模块,用于关联每一预设时间段内鼻纹信息和身体健康状况,生成样本信息;
训练模块,用于根据样本信息对基础模型进行训练,得到健康预测模型;
预测模块,用于获取当前时间宠物的目标鼻纹信息,并将目标鼻纹信息输入到健康预测模型中确定宠物的目标身体健康状况。
第三方面,本申请实施例中提供一种电子设备,包括存储有可执行程序代码的存储器、与存储器耦合的处理器;处理器调用存储器中存储的可执行程序代码,执行本申请实施例提供的健康预测方法中的步骤。
第四方面,本申请实施例提供了一种存储介质,存储介质存储有多条指令,指令适于处理器进行加载,以执行本申请实施例提供的健康预测方法中的步骤。
本申请实施例中,电子设备通过获取每一预设时间段内宠物的鼻纹信息,并确定出每一预设时间段内宠物的身体健康状况;然后关联每一预设时间段内鼻纹信息和身体健康状况,生成样本信息,再根据样本信息对基础模型进行训练,得到健康预测模型;最后获取当前时间宠物的目标鼻纹信息,并将目标鼻纹信息输入到健康预测模型中确定宠物的目标身体健康状况。在本申请实施例中,通过将宠物的鼻纹信息输入到健康预测模型中,能够预测出宠物在下一时间段内的身体健康状况。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的健康预测方法的第一流程示意图。
图2是本申请实施例提供的获取鼻纹信息的场景示意图。
图3是本申请实施例提供的健康预测方法的第二流程示意图。
图4是本申请实施例提供的健康预测装置的结构示意图。
图5是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
由于环境因素和宠物自身抵抗力因素的影响,宠物也会患有疾病。但是由于宠物患病过程中往往是一个持续性的过程,在短时间内宠物所患疾病的症状往往是不会明显出现的。
因此,如何对宠物的健康状况进行预测,从而对宠物及时就医成为了亟待解决的问题。
解决上述技术问题,本申请实施例提供了一种健康预测方法、装置、电子设备及存储介质。其中该健康预测方法可以预测出宠物的身体健康状况。
该健康预测方法可以应用于电脑、手机、平板电脑等常见的电子设备,还适用于如智能眼镜、智能手表、智能指环等穿戴式电子设备。在此不做限制。
请参阅图1,图1是本申请实施例提供的健康预测方法的第一流程示意图。该健康预测方法可以包括以下步骤:
110、获取每一预设时间段内宠物的鼻纹信息,并确定出每一预设时间段内宠物的身体健康状况。
在一些实施方式中,宠物的一些生理特征也能够反映出宠物的身体健康状况,比如猫、狗等宠物,鼻子的生理情况往往能够反映出宠物的身体健康情况,比如鼻子较干或者鼻子较湿,均对应着宠物的身体健康状况有所改变,当鼻子较干的时候,宠物可能出现体温异常的状况,当鼻子较湿的时候,宠物可能出现呼吸道问题。
而宠物的鼻子较干或者鼻子较湿,鼻子上的生理特征会发生细微改变,比如鼻子上某一区域的鼻纹数量、鼻纹深度发生了改变。电子设备可以对宠物鼻纹信息进行获取,根据宠物的鼻纹信息确定出宠物的身体健康状况。
请一并参阅图2,图2是本申请实施例提供的获取鼻纹信息的场景示意图。
电子设备S10上设置有传感器S11,传感器S11可以对宠物的鼻子进行扫描,从而得到宠物的鼻纹信息。传感器S11可以是激光传感器、超声波传感器、图像传感器等传感器,电子设备可以在一定距离内对宠物的鼻子进行扫描,从而获取宠物的鼻纹信息。
具体的,在电子设备通过激光扫描时,可以通过tof(time of fly)传感器来对宠物的鼻子进行扫描,激光照射到鼻子上之后,由于不同的鼻纹对应的鼻纹深度是不同的,则激光照射到不同的鼻纹的时间也是不同的,从而使得不同的激光信号反射到激光传感器的时间也不同,发射的激光信号和对应的反射激光信号之间会产生相位差,电子设备从而根据该相位差来构建出宠物的鼻纹对应的三维空间鼻纹图,即3D鼻纹图。
电子设备还可以通过超声波扫描的宠物的鼻纹,通过超声波发射到宠物的鼻子上,由于不同的鼻纹对应的鼻纹深度是不同的,则超声波传播到不同的鼻纹的时间也是不同的,从而使得不同的超声波信号反射到超声波传感器的时间也不同,发射的超声波信号和对应的反射超声波信号之间会产生相位差,电子设备从而根据该相位差来构建出宠物的鼻纹对应的三维空间鼻纹图。
电子设备可以根据三维空间鼻纹图确定出鼻纹数量和鼻纹深度。例如,在三维空间鼻纹图中存在波峰和波谷,波峰和波谷之间交错分布从而构成鼻纹,其中鼻纹的数量可以根据波谷的数量来进行确定,即波谷的数量可以为鼻纹的数量。而波峰到波谷之间的深度则为鼻纹对应的深度。
电子设备还可以通过摄像头拍摄宠物的鼻子的图像,然后对鼻子的图像进行优化处理,得到多张优化图像,然后根据多张优化图像得到宠物的鼻纹图,再通过对鼻纹图进行识别,从而确定宠物鼻纹的数量和鼻纹的分布情况。
例如,电子设备可以在同一拍摄位置获取多张宠物的鼻子的图像,然后对多张宠物的鼻子的图像进行灰度处理,从而得到多张灰度图像,然后对灰度图像的进行亮度调节、对比度调节、锐化调节等处理方式,从而得到多张优化图像。电子设备再对多张优化图像进行图像融合处理,得到鼻纹图像。
电子设备可以对鼻纹图像进行识别处理,从而确定出最终宠物鼻纹对应的鼻纹数量和鼻纹的分布情况。
例如,由于在鼻纹图像中,鼻纹对应的波峰和波谷是不同的,因此鼻纹的波峰和波谷在鼻纹图像上分别对应的像素信息是不同的。比如波峰和波谷在鼻纹图像上分别对应的灰度值是不同的,在鼻纹图像上,波峰区域像素对应的灰度值比波谷区域像素对应的灰度值低。则电子设备可以针对于像素对应的灰度值进行识别,从而确定出波峰和波谷,最终电子设备可以根据波谷的数量确定出鼻纹数量。还可以根据波峰和波谷的分布情况确定出鼻纹的分布情况。
电子设备在获取到宠物的鼻子图像之后,还可以将宠物的鼻子图像输入到神经网络模型中进行图像分割,比如可以采用U-Net模型、Encoder-Decoder模型等图像分割模型对宠物鼻子的图像进行分割,即对鼻子上波峰对应的图像和波谷对应的图像进行分割,从而得到鼻纹中波峰对应的图像和/或波谷对应的图像,最后根据波峰对应的图像和/或波谷对应的图像确定出鼻纹的数量和鼻纹的分布情况。
需要说明的是,宠物鼻子上的鼻纹是波峰和波谷交错构成的,当获取到波峰对应的图像或波谷对应的图像之后,能够根据波峰的数量或者波谷的数量确定出鼻纹的数量。
在一些实施方式中,在电子设备得到宠物鼻纹的数量、鼻纹的深度、鼻纹的分布情况之后,可以根据这些信息生成宠物对应的鼻纹信息。
由于后续需要对基础模型进行训练,电子设备可以在每一预设时间段内,在宠物的鼻子上确定出至少一个相同的目标区域,然后获取至少一个相同的目标区域对应的鼻纹信息。
比如,在第一预设时间段内,确定出鼻子中部上的区域为目标区域,并获取目标区域内的鼻纹信息。在第二预设时间段内,还将鼻子中部上的区域为目标区域,并获取目标区域内的鼻纹信息。第一预设时间段和第二预设时间段分别对应的鼻纹信息均是在目标区域获取的。
在宠物的鼻子上,一些区域的鼻纹特征较为明显,比如在宠物鼻子的中部。而一些鼻子上的区域鼻纹特征不是很明显,比如在宠物鼻子的边缘。可以在宠物鼻子的中部确定出至少一个目标区域,然后获取目标区域对应的鼻纹信息。
电子设备还可以先确定出鼻孔区域和鼻子边缘区域,然后去除鼻孔区域和鼻子边缘区域,将鼻子上剩余的区域确定为可以获取鼻纹的区域,然后在可以获取鼻纹的区域上确定出至少一个目标区域。
在一些实施方式中,电子设备可以获取至少一个目标区域对应的鼻纹数量和/或鼻纹深度,然后根据鼻纹数量和/或鼻纹深度确定宠物的鼻纹信息。
例如,电子设备可以确定每一条鼻纹的鼻纹深度的分布情况,得到鼻纹深度分布图,然后根据鼻纹深度分布图确定宠物的鼻纹信息。如上述可知,可以通过激光扫描、超声波扫描等方式来获取目标区域内每一条鼻纹的深度情况,然后根据每一条鼻纹的深度情况构造出鼻纹深度分布图。
在一些实施方式中,电子设备还可以在三维空间鼻纹图(鼻纹深度分布图)的目标区域内确定出多个目标波峰点和多个目标波谷点,目标波峰点是高度高于第一预设高度的波峰点,目标波谷是高度低于第二预设高度的波谷点。然后确定每个目标波峰点与最近的目标波谷点之间的矢量距离,然后根据每个目标波峰点与最近的目标波谷点之间的矢量距离生成宠物对应的鼻纹信息。
在一些实施方式中,电子设备还可以通过在目标区域中确定多个目标子区域,并确定每一目标子区域对应的鼻纹数量,然后根据每一目标子区域对应的鼻纹数量确定宠物的鼻纹信息。
例如,电子设备在宠物鼻子上确定出目标区域之后,可以对该目标区域进行划分,从而得到多个目标子区域,然后确定出每一目标子区域中的鼻纹数量。电子设备根据每一目标子区域对应的鼻纹数量生成宠物的鼻纹信息。
在对目标区域进行划分时,可以根据预设的划分规则来进行划分,比如先确定出宠物鼻子的形状,然后根据宠物鼻子的形状确定出每一个目标子区域对应的形状。然后根据目标区域所涵盖的面积来确定出划分的目标子区域的数量,比如目标区域面积越大,划分的目标子区域的数量越多,目标区域的面积越小,则划分的目标子区域的数量越少。
在一些实施方式中,电子设备在宠物的鼻纹上确定出至少要一个目标区域之后,可以获取目标区域的鼻纹数量和每一条鼻纹对应的鼻纹深度,然后根据鼻纹数量和每一条鼻纹对应的鼻纹深度生成宠物的鼻纹信息。
需要说明的是,以上内容中针对于宠物的鼻纹信息的获取只是例举,在实际获取宠物的鼻纹信息的方式中,还可以采取其他方式来确定出宠物的鼻纹信息。
在一些实施方式中,电子设备还可以获取每一个预设时间段内宠物的身体健康状况,比如,在第一预设时间段内获取宠物的身体健康状况,在第二预设时间段内再获取一次宠物的身体健康状况。
在宠物身体健康时,则宠物对应的身体健康状况为良好,则对应的身体健康状况量化值为100。如果宠物对应的身体健康状况为生病,则对应的身体健康状况量化值为100以下,具体可以根据实际的身体健康状况而定。
在一些实施方式中,若在预设时间段内宠物患有疾病,确定疾病的疾病类型、用药信息、症状信息,然后根据疾病类型、用药信息、症状信息中的至少一种生成确定出宠物的身体健康状况。
具体的,电子设备可以确定疾病类型、用药信息、症状信息分别对应的第一量化值;然后根据疾病类型、用药信息、症状信息分别对应的第一量化值生成第二量化值;最后根据第二量化值确定宠物的身体健康状况。也就是说将第二量化值确定为宠物的身体健康状况量化值,从而反映出宠物的身体健康状况。
120、关联每一预设时间段内鼻纹信息和身体健康状况,生成样本信息。
在一些方式中,电子设备可以关联每一预设时间段内鼻纹信息和身体健康状况。
比如,在第一预设时间段内,获取的宠物的鼻纹信息A和宠物的身体健康状况1关联,然后生成第一子样本信息。在第二预设时间段内,获取的宠物的鼻纹信息B和宠物的身体健康状况2关联,然后生成第二子样本信息。
通过关联每一预设时间段内鼻纹信息和身体健康状况,就能够得到多个子样本信息,然后根据子样本信息构成样本信息。需要说明的是,该样本信息可以是历史时间段内的样本信息,每一样本信息对应的预设时间段,也为历史时间内的预设时间段。
在一些实施方式中,当电子设备获取了预设个数的预设时间段内对应的子样本信息之后,则可以对整个样本信息进行全部更新。比如预设个数为10个,在历史时间内,获取了10个相邻的预设时间段对应的子样本信息,当获取到第10个预设时间段之后的第11个预设时间段对应的子样本信息之后,此时电子设备可以删除原有样本信息,并以第11个预设时间段对应的子样本信息开始保存,重新构建样本信息。
在一些实施方式中,在电子设备上的样本信息可以只保留预设个数的子样本新,比如样本信息只能够保留10个子样本信息。原有的10个样本是在历史时间内,获取的10个相邻的预设时间段对应的子样本信息,当获取到第10个预设时间段之后的第11个预设时间段对应的子样本信息时,电子设备可以删除第一个预设时间段对应的子样本信息,保留第11个预设时间段对应的子样本信息,从而实现更新样本信息。
130、根据样本信息对基础模型进行训练,得到健康预测模型。
在一些实施方式中,在电子设备得到样本信息之后,可以根据样本信息对基础模型进行训练。电子设备可以将上一预设时间段对应的样本信息输入到基础模型之中,得到健康预测结果,然后根据健康预测结果和上一预设时间段相邻的下一预设时间段对应的身体健康状况确定健康预测模型。
比如,在预设时间段A对应的子样本信息输入到基础模型中,得到基础模型输出的第一结果,然后将第一结果和预设时间段B对应的身体健康状况进行对比,如果第一结果和预设时间段B对应的身体健康状况一致,则认为基础模型输出的预测结果是准确的,此时认为基础模型训练完成,得到健康预测模型。其中预设时间段B为预设时间段A相邻的下一预设时间段。
又比如,在一组样本信息中包含了预设个数的子样本信息,按照时间顺序将多个子样本信息依次输入到基础模型中进行训练,当倒数第二个子样本信息输入到模型之后,模型输出的预测结果和最后一个子样本信息中的身体健康状况一致。则认为基础模型训练完成,得到健康预测模型。
在一些实施方式中,电子设备还可以将健康预测结果和下一预设时间段对应的身体健康状况进行对比,得到对比结果,若比对结果大于预设比对阈值,则确定基础模型训练完成,得到健康预测模型。
比如,将上一预设时间段内的样本信息输入到基础模型之后,得到的健康预测结果为身体健康状况量化值80,而下一预设时间段内对应的身体健康状况量化值90,二者对比之后,对比结果为预测结果准确率为88%,而预设比对阈值为80%,对比结果大于预设对比阈值,则认为基础模型训练完成,得到健康预测模型。
140、获取当前时间宠物的目标鼻纹信息,并将目标鼻纹信息输入到健康预测模型中确定宠物的目标身体健康状况。
在一些实施方式中,当电子设备确定好健康预测模型之后,电子设备可以获取当前时间宠物的目标鼻纹信息,并将目标鼻纹信息输入到健康预测模型中,然后得到宠物的目标身体健康状况。
当主人得知宠物的目标身体健康状况之后,如果宠物的目标身体健康状况不佳,比如身体健康状况量化值为50,低于预设健康阈值80,则此时认为宠物的身体不够健康,此时可以生成提醒信息,从而提醒用户带领宠物就医。
本申请实施例中,电子设备通过获取每一预设时间段内宠物的鼻纹信息,并确定出每一预设时间段内宠物的身体健康状况;然后关联每一预设时间段内鼻纹信息和身体健康状况,生成样本信息,再根据样本信息对基础模型进行训练,得到健康预测模型;最后获取当前时间宠物的目标鼻纹信息,并将目标鼻纹信息输入到健康预测模型中确定宠物的目标身体健康状况。在本申请实施例中,通过将宠物的鼻纹信息输入到健康预测模型中,能够预测出宠物在下一时间段内的身体健康状况。
为了更加详细的了解本申请实施例提供的健康预测方法,请参阅图3,图3是本申请实施例提供的健康预测方法的第二流程示意图。该健康预测方法可以包括以下步骤:
201、在每一预设时间段内,在动物的鼻子上确定出至少一个相同的目标区域。
电子设备可以在每一预设时间段内,在宠物的鼻子上确定出至少一个相同的目标区域,然后获取至少一个相同的目标区域对应的鼻纹信息。
比如,在第一预设时间段内,确定出鼻子中部上的区域为目标区域,并获取目标区域内的鼻纹信息。在第二预设时间段内,还将鼻子中部上的区域为目标区域,并获取目标区域内的鼻纹信息。第一预设时间段和第二预设时间段分别对应的鼻纹信息均是在目标区域获取的。
在宠物的鼻子上,一些区域的鼻纹特征较为明显,比如在宠物鼻子的中部。而一些鼻子上的区域鼻纹特征不是很明显,比如在宠物鼻子的边缘。可以在宠物鼻子的中部确定出至少一个目标区域,然后获取目标区域对应的鼻纹信息。
电子设备还可以先确定出鼻孔区域和鼻子边缘区域,然后去除鼻孔区域和鼻子边缘区域,将鼻子上剩余的区域确定为可以获取鼻纹的区域,然后在可以获取鼻纹的区域上确定出至少一个目标区域。
202、获取至少一个目标区域对应的鼻纹数量和/或鼻纹深度。
具体的,在电子设备通过激光扫描时,可以通过tof(time of fly)传感器来对宠物的鼻子进行扫描,激光照射到鼻子上之后,由于不同的鼻纹对应的鼻纹深度是不同的,则激光照射到不同的鼻纹的时间也是不同的,从而使得不同的激光信号反射到激光传感器的时间也不同,发射的激光信号和对应的反射激光信号之间会产生相位差,电子设备从而根据该相位差来构建出宠物的鼻纹对应的三维空间鼻纹图,即3D鼻纹图。
电子设备还可以通过超声波扫描的宠物的鼻纹,通过超声波发射到宠物的鼻子上,由于不同的鼻纹对应的鼻纹深度是不同的,则超声波传播到不同的鼻纹的时间也是不同的,从而使得不同的超声波信号反射到超声波传感器的时间也不同,发射的超声波信号和对应的反射超声波信号之间会产生相位差,电子设备从而根据该相位差来构建出宠物的鼻纹对应的三维空间鼻纹图。
电子设备可以根据三维空间鼻纹图确定出鼻纹数量和鼻纹深度。例如,在三维空间鼻纹图中存在波峰和波谷,波峰和波谷之间交错分布从而构成鼻纹,其中鼻纹的数量可以根据波谷的数量来进行确定,即波谷的数量可以为鼻纹的数量。而波峰到波谷之间的深度则为鼻纹对应的深度。
电子设备还可以通过摄像头拍摄宠物的鼻子的图像,然后对鼻子的图像进行优化处理,得到多张优化图像,然后根据多张优化图像得到宠物的鼻纹图,再通过对鼻纹图进行识别,从而确定宠物鼻纹的数量和鼻纹的分布情况。
例如,电子设备可以在同一拍摄位置获取多张宠物的鼻子的图像,然后对多张宠物的鼻子的图像进行灰度处理,从而得到多张灰度图像,然后对灰度图像的进行亮度调节、对比度调节、锐化调节等处理方式,从而得到多张优化图像。电子设备再对多张优化图像进行图像融合处理,得到鼻纹图像。
电子设备可以对鼻纹图像进行识别处理,从而确定出最终宠物鼻纹对应的鼻纹数量和鼻纹的分布情况。
例如,由于在鼻纹图像中,鼻纹对应的波峰和波谷是不同的,因此鼻纹的波峰和波谷在鼻纹图像上分别对应的像素信息是不同的。比如波峰和波谷在鼻纹图像上分别对应的灰度值是不同的,在鼻纹图像上,波峰区域像素对应的灰度值比波谷区域像素对应的灰度值低。则电子设备可以针对于像素对应的灰度值进行识别,从而确定出波峰和波谷,最终电子设备可以根据波谷的数量确定出鼻纹数量。还可以根据波峰和波谷的分布情况确定出鼻纹的分布情况。
电子设备在获取到宠物的鼻子图像之后,还可以将宠物的鼻子图像输入到神经网络模型中进行图像分割,比如可以采用U-Net模型、Encoder-Decoder模型等图像分割模型对宠物鼻子的图像进行分割,即对鼻子上波峰对应的图像和波谷对应的图像进行分割,从而得到鼻纹中波峰对应的图像和/或波谷对应的图像,最后根据波峰对应的图像和/或波谷对应的图像确定出鼻纹的数量和鼻纹的分布情况。
需要说明的是,宠物鼻子上的鼻纹是波峰和波谷交错构成的,当获取到波峰对应的图像或波谷对应的图像之后,能够根据波峰的数量或者波谷的数量确定出鼻纹的数量。
203、根据鼻纹数量和/或鼻纹深度确定宠物的鼻纹信息。
在一些实施方式中,电子设备可以确定每一条鼻纹的鼻纹深度的分布情况,得到鼻纹深度分布图,然后根据鼻纹深度分布图确定宠物的鼻纹信息。
例如,电子设备还可以在鼻纹深度分布图的目标区域内确定出多个目标波峰点和多个目标波谷点,目标波峰点是高度高于第一预设高度的波峰点,目标波谷是高度低于第二预设高度的波谷点。然后确定每个目标波峰点与最近的目标波谷点之间的矢量距离,然后根据每个目标波峰点与最近的目标波谷点之间的矢量距离生成宠物对应的鼻纹信息。
在一些实施方式中,电子设备还可以通过在目标区域中确定多个目标子区域,并确定每一目标子区域对应的鼻纹数量,然后根据每一目标子区域对应的鼻纹数量确定宠物的鼻纹信息。
例如,电子设备在宠物鼻子上确定出目标区域之后,可以对该目标区域进行划分,从而得到多个目标子区域,然后确定出每一目标子区域中的鼻纹数量。电子设备根据每一目标子区域对应的鼻纹数量生成宠物的鼻纹信息。
在一些实施方式中,电子设备在宠物的鼻纹上确定出至少要一个目标区域之后,可以获取目标区域的鼻纹数量和每一条鼻纹对应的鼻纹深度,然后根据鼻纹数量和每一条鼻纹对应的鼻纹深度生成宠物的鼻纹信息。
204、确定出每一预设时间段内宠物的身体健康状况。
在一些实施方式中,电子设备还可以获取每一个预设时间段内宠物的身体健康状况,比如,在第一预设时间段内获取宠物的身体健康状况,在第二预设时间段内再获取一次宠物的身体健康状况。
在宠物身体健康时,则宠物对应的身体健康状况为良好,则对应的身体健康状况量化值为100。如果宠物对应的身体健康状况为生病,则对应的身体健康状况量化值为100以下,具体可以根据实际的身体健康状况而定。
在一些实施方式中,若在预设时间段内宠物患有疾病,确定疾病的疾病类型、用药信息、症状信息,然后根据疾病类型、用药信息、症状信息中的至少一种生成确定出宠物的身体健康状况。
具体的,电子设备可以确定疾病类型、用药信息、症状信息分别对应的第一量化值;然后根据疾病类型、用药信息、症状信息分别对应的第一量化值生成第二量化值;最后根据第二量化值确定宠物的身体健康状况。也就是说将第二量化值确定为宠物的身体健康状况量化值,从而反映出宠物的身体健康状况。
例如,疾病类型对应容易治疗的疾病,则疾病类型对应的第一量化值为80,用药信息对应为轻微用药,则用药信息对应的第一量化值为70,症状信息对应轻微症状,则症状信息对应的第一量化值为90。
电子可以确定疾病类型对应的权重值为0.5、用药信息对应的权重值为0.2、症状信息对应的权重值为0.3。则疾病类型对应的第一量化值乘以对应的权重值,用药信息对应的第一量化值乘以对应的权重值,症状信息对应的第一量化值乘以对应的权重值,将所得结果相加,得到第二量化值为81。则将第二量化值确定为宠物的身体健康状况量化值,从而反映出宠物的身体健康状况。
205、关联每一预设时间段内鼻纹信息和身体健康状况,生成样本信息。
在一些方式中,电子设备可以关联每一预设时间段内鼻纹信息和身体健康状况。
比如,在第一预设时间段内,获取的宠物的鼻纹信息A和宠物的身体健康状况1关联,然后生成第一子样本信息。在第二预设时间段内,获取的宠物的鼻纹信息B和宠物的身体健康状况2关联,然后生成第二子样本信息。
通过关联每一预设时间段内鼻纹信息和身体健康状况,就能够得到多个子样本信息,然后根据子样本信息构成样本信息。需要说明的是,该样本信息可以是历史时间段内的样本信息,每一样本信息对应的预设时间段,也为历史时间内的预设时间段。
在一些实施方式中,当电子设备获取了预设个数的预设时间段内对应的子样本信息之后,则可以对整个样本信息进行全部更新。比如预设个数为10个,在历史时间内,获取了10个相邻的预设时间段对应的子样本信息,当获取到第10个预设时间段之后的第11个预设时间段对应的子样本信息之后,此时电子设备可以删除原有样本信息,并以第11个预设时间段对应的子样本信息开始保存,重新构建样本信息。
在一些实施方式中,在电子设备上的样本信息可以只保留预设个数的子样本新,比如样本信息只能够保留10个子样本信息。原有的10个样本是在历史时间内,获取的10个相邻的预设时间段对应的子样本信息,当获取到第10个预设时间段之后的第11个预设时间段对应的子样本信息时,电子设备可以删除第一个预设时间段对应的子样本信息,保留第11个预设时间段对应的子样本信息,从而实现更新样本信息。
206、将上一预设时间段对应的子样本信息输入到基础模型之中,得到健康预测结果。
比如,在预设时间段A对应的子样本信息输入到基础模型中,得到基础模型输出的第一结果。
207、将健康预测结果和下一预设时间段对应的身体健康状况进行对比,得到对比结果。
然后将第一结果和预设时间段B对应的身体健康状况进行对比,如果第一结果和预设时间段B对应的身体健康状况一致,则认为基础模型输出的预测结果是准确的,此时认为基础模型训练完成,得到健康预测模型。其中预设时间段B为预设时间段A相邻的下一预设时间段。
208、若比对结果大于预设比对阈值,则确定基础模型训练完成,得到健康预测模型。
比如,将上一预设时间段内的样本信息输入到基础模型之后,得到的健康预测结果为身体健康状况量化值80,而下一预设时间段内对应的身体健康状况量化值90,二者对比之后,对比结果为预测结果准确率为88%,而预设比对阈值为80%,对比结果大于预设对比阈值,则认为基础模型训练完成,得到健康预测模型。
209、获取当前时间宠物的目标鼻纹信息,并将目标鼻纹信息输入到健康预测模型中确定宠物的目标身体健康状况。
在一些实施方式中,当电子设备确定好健康预测模型之后,电子设备可以获取当前时间宠物的目标鼻纹信息,并将目标鼻纹信息输入到健康预测模型中,然后得到宠物的目标身体健康状况。
当主人得知宠物的目标身体健康状况之后,如果宠物的目标身体健康状况不佳,比如身体健康状况量化值为50,低于预设健康阈值80,则此时认为宠物的身体不够健康,此时可以生成提醒信息,从而提醒用户带领宠物就医。
在本申请实施例中,通过在每一预设时间段内,在动物的鼻子上确定出至少一个相同的目标区域,获取至少一个目标区域对应的鼻纹数量和/或鼻纹深度,根据鼻纹数量和/或鼻纹深度确定动物的鼻纹信息,确定出每一预设时间段内宠物的身体健康状况,关联每一预设时间段内鼻纹信息和身体健康状况,生成样本信息。将上一预设时间段对应的子样本信息输入到基础模型之中,得到健康预测结果,将健康预测结果和下一预设时间段对应的身体健康状况进行对比,得到对比结果。若比对结果大于预设比对阈值,则确定基础模型训练完成,得到健康预测模型。最后获取当前时间宠物的目标鼻纹信息,并将目标鼻纹信息输入到健康预测模型中确定宠物的目标身体健康状况。从而实现对宠物的身体健康状况的预测。
相应的,本申请实施例还提供了一种健康预测装置,如图4所示,图4是本申请实施例提供的健康预测装置的结构示意图。该健康预测包括:
获取模块310,用于获取每一预设时间段内宠物的鼻纹信息,并确定出每一预设时间段内宠物的身体健康状况。
获取模块310还用于在每一预设时间段内,在宠物的鼻子上确定出至少一个相同的目标区域;获取至少一个相同的目标区域对应的鼻纹信息。
获取模块310还用于获取至少一个目标区域对应的鼻纹数量和/或鼻纹深度;根据鼻纹数量和/或鼻纹深度确定宠物的鼻纹信息。
获取模块310还用于若在预设时间段内宠物患有疾病,确定疾病的疾病类型、用药信息、症状信息;根据疾病类型、用药信息、症状信息中的至少一种生成确定出宠物的身体健康状况。
获取模块310还用于确定疾病类型、用药信息、症状信息分别对应的第一量化值;根据疾病类型、用药信息、症状信息分别对应的第一量化值生成第二量化值;根据第二量化值确定宠物的身体健康状况。
关联模块320,用于关联每一预设时间段内鼻纹信息和身体健康状况,生成样本信息。
训练模块330,用于根据样本信息对基础模型进行训练,得到健康预测模型。
训练模块330还用于将上一预设时间段对应的子样本信息输入到基础模型之中,得到健康预测结果;根据健康预测结果和上一预设时间段相邻的下一预设时间段对应的身体健康状况确定健康预测模型。
训练模块330还用于将健康预测结果和下一预设时间段对应的身体健康状况进行对比,得到对比结果;若比对结果大于预设比对阈值,则确定基础模型训练完成,得到健康预测模型。
预测模块340,用于获取当前时间宠物的目标鼻纹信息,并将目标鼻纹信息输入到健康预测模型中确定宠物的目标身体健康状况。
本申请实施例中,电子设备通过获取每一预设时间段内宠物的鼻纹信息,并确定出每一预设时间段内宠物的身体健康状况;然后关联每一预设时间段内鼻纹信息和身体健康状况,生成样本信息,再根据样本信息对基础模型进行训练,得到健康预测模型;最后获取当前时间宠物的目标鼻纹信息,并将目标鼻纹信息输入到健康预测模型中确定宠物的目标身体健康状况。在本申请实施例中,通过将宠物的鼻纹信息输入到健康预测模型中,能够预测出宠物在下一时间段内的身体健康状况。
相应的,本申请实施例还提供一种电子设备,如图5所示,该电子设备可以包括有一个或一个以上计算机可读存储介质的存储器401、输入单元402、显示单元403、传感器404、包括有一个或者一个以上处理核心的处理器405、以及电源406等部件。本领域技术人员可以理解,图5中示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
存储器401可用于存储软件程序以及模块,处理器405通过运行存储在存储器401的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器401可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器401可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器401还可以包括存储器控制器,以提供处理器405和输入单元402对存储器401的访问。
输入单元402可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,在一个具体的实施例中,输入单元402可包括触敏表面以及其他输入设备。触敏表面,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器405,并能接收处理器405发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面,输入单元402还可以包括其他输入设备。具体地,其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元403可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元403可包括显示面板,可选的,可以采用液晶显示器(LCD,Liquid CrystalDisplay)、有机发光二极管(OLED,Organic Light-Emitting Diode)等形式来配置显示面板。进一步的,触敏表面可覆盖显示面板,当触敏表面检测到在其上或附近的触摸操作后,传送给处理器405以确定触摸事件的类型,随后处理器405根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图5中,触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能,但是在某些实施例中,可以将触敏表面与显示面板集成而实现输入和输出功能。
电子设备还可包括至少一种传感器404,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板的亮度,接近传感器可在电子设备移动到耳边时,关闭显示面板和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别电子设备姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于电子设备还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
处理器405是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器401内的软件程序和/或模块,以及调用存储在存储器401内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。可选的,处理器405可包括一个或多个处理核心;优选的,处理器405可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器405中。
电子设备还包括给各个部件供电的电源406(比如电池),优选的,电源可以通过电源管理系统与处理器405逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源406还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出,电子设备还可以包括摄像头、蓝牙模块等,在此不再赘述。具体在本实施例中,电子设备中的处理器405会加载存储器401上存储的计算机程序,处理器405通过加载计算机程序,从而实现各种功能:
获取每一预设时间段内宠物的鼻纹信息,并确定出每一预设时间段内宠物的身体健康状况;
关联每一预设时间段内鼻纹信息和身体健康状况,生成样本信息;
根据样本信息对基础模型进行训练,得到健康预测模型;
获取当前时间宠物的目标鼻纹信息,并将目标鼻纹信息输入到健康预测模型中确定宠物的目标身体健康状况。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种计算机可读存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的任一种健康预测方法中的步骤。例如,该指令可以执行如下步骤:
获取每一预设时间段内宠物的鼻纹信息,并确定出每一预设时间段内宠物的身体健康状况;
关联每一预设时间段内鼻纹信息和身体健康状况,生成样本信息;
根据样本信息对基础模型进行训练,得到健康预测模型;
获取当前时间宠物的目标鼻纹信息,并将目标鼻纹信息输入到健康预测模型中确定宠物的目标身体健康状况。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本申请实施例所提供的任一种健康预测方法中的步骤,因此,可以实现本申请实施例所提供的任一种健康预测方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种健康预测方法、装置、电子设备及存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种健康预测方法,其特征在于,包括:
获取每一预设时间段内宠物的鼻纹信息,并确定出每一预设时间段内宠物的身体健康状况;
关联所述每一预设时间段内所述鼻纹信息和所述身体健康状况,生成样本信息;
根据所述样本信息对基础模型进行训练,得到健康预测模型;
获取当前时间宠物的目标鼻纹信息,并将所述目标鼻纹信息输入到健康预测模型中确定宠物的目标身体健康状况。
2.根据权利要求1所述的健康预测方法,其特征在于,所述获取每一预设时间段内宠物的鼻纹信息,包括:
在所述每一预设时间段内,在所述宠物的鼻子上确定出至少一个相同的目标区域;
获取所述至少一个相同的目标区域对应的鼻纹信息。
3.根据权利要求2所述的健康预测方法,其特征在于,所述获取所述至少一个目标区域对应的鼻纹信息,包括:
获取所述至少一个目标区域对应的鼻纹数量和/或鼻纹深度;
根据所述鼻纹数量和/或所述鼻纹深度确定所述宠物的鼻纹信息。
4.根据权利要求1所述的健康预测方法,其特征在于,所述确定出每一预设时间段内宠物的身体健康状况,包括:
若在预设时间段内所述宠物患有疾病,确定所述疾病的疾病类型、用药信息、症状信息;
根据所述疾病类型、用药信息、症状信息中的至少一种生成确定出所述宠物的身体健康状况。
5.根据权利要求4所述的健康预测方法,其特征在于,所述根据所述疾病类型、用药信息、症状信息中的至少一种生成确定出所述宠物的身体健康状况,包括:
确定所述疾病类型、用药信息、症状信息分别对应的第一量化值;
根据所述疾病类型、用药信息、症状信息分别对应的第一量化值生成第二量化值;
根据所述第二量化值确定所述宠物的身体健康状况。
6.根据权利要求1-5任一项所述的健康预测方法,其特征在于,所述根据所述样本信息对基础模型进行训练,得到健康预测模型,包括:
将上一预设时间段对应的子样本信息输入到所述基础模型之中,得到健康预测结果;
根据所述健康预测结果和所述上一预设时间段相邻的下一预设时间段对应的所述身体健康状况确定所述健康预测模型。
7.根据权利要求6所述的健康预测方法,其特征在于,所述根据所述健康预测结果和所述上一预设时间段相邻的下一预设时间段对应的所述身体健康状况确定所述健康预测模型,包括:
将所述健康预测结果和所述下一预设时间段对应的所述身体健康状况进行对比,得到对比结果;
若所述比对结果大于预设比对阈值,则确定所述基础模型训练完成,得到所述健康预测模型。
8.一种健康预测装置,其特征在于,包括:
获取模块,用于获取每一预设时间段内宠物的鼻纹信息,并确定出每一预设时间段内宠物的身体健康状况;
关联模块,用于关联所述每一预设时间段内所述鼻纹信息和所述身体健康状况,生成样本信息;
训练模块,用于根据所述样本信息对基础模型进行训练,得到健康预测模型;
预测模块,用于获取当前时间宠物的目标鼻纹信息,并将所述目标鼻纹信息输入到健康预测模型中确定宠物的目标身体健康状况。
9.一种电子设备,其特征在于,包括:
存储有可执行程序代码的存储器、与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1至7任一项所述的健康预测方法中的步骤。
10.一种存储介质,其特征在于,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1至7任一项所述的健康预测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111632816.2A CN114332932A (zh) | 2021-12-29 | 2021-12-29 | 健康预测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111632816.2A CN114332932A (zh) | 2021-12-29 | 2021-12-29 | 健康预测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114332932A true CN114332932A (zh) | 2022-04-12 |
Family
ID=81014170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111632816.2A Pending CN114332932A (zh) | 2021-12-29 | 2021-12-29 | 健康预测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114332932A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114999021A (zh) * | 2022-05-17 | 2022-09-02 | 中联重科股份有限公司 | 用于确定油温异常原因的方法、处理器、装置及存储介质 |
-
2021
- 2021-12-29 CN CN202111632816.2A patent/CN114332932A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114999021A (zh) * | 2022-05-17 | 2022-09-02 | 中联重科股份有限公司 | 用于确定油温异常原因的方法、处理器、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11181985B2 (en) | Dynamic user interactions for display control | |
US10219222B2 (en) | Adjusting mobile device state based on user intentions and/or identity | |
CN104995581B (zh) | 电子设备的手势检测管理 | |
CN107977110A (zh) | 用于获取指纹信息的电子装置和方法 | |
JP2011501134A (ja) | 追跡および観測用ロボット | |
KR20190110690A (ko) | 복수의 입력 간에 매핑된 정보 제공 방법 및 이를 지원하는 전자 장치 | |
CN114332932A (zh) | 健康预测方法、装置、电子设备及存储介质 | |
CN114283943A (zh) | 健康预测方法、装置、电子设备及存储介质 | |
CN114287887A (zh) | 疾病诊断方法、装置、电子设备及存储介质 | |
WO2019134606A1 (zh) | 终端的控制方法、装置、存储介质及电子设备 | |
CN114242224A (zh) | 医生推荐方法、装置、电子设备及存储介质 | |
CN114283936A (zh) | 疾病诊断方法、装置、电子设备及存储介质 | |
CN111796980B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN114283452A (zh) | 动物性格分析方法、装置、电子设备及存储介质 | |
JP6264003B2 (ja) | 座標入力システム、座標指示部、座標入力部、座標入力システムの制御方法、及びプログラム | |
CN103221912A (zh) | 输入命令 | |
CN112331312A (zh) | 标注质量确定方法、装置、设备及介质 | |
JP2021517314A (ja) | 電子機器確定方法、システム、コンピュータシステムおよび読取り可能な記憶媒体 | |
US20240069641A1 (en) | Information processing apparatus, information processing method, and program | |
US11915504B2 (en) | Home UI system for managing digital ink | |
CN114842961A (zh) | 生理周期预测方法、装置、电子设备及存储介质 | |
CN115393604A (zh) | 一种行为检测方法、装置、设备及存储介质 | |
JP2018018474A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN115187986A (zh) | 文本识别方法、装置、电子设备及存储介质 | |
CN113590014A (zh) | 基于姿态动作的电梯召唤方法、装置和计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |