基于SOM神经网络的猪病远程智能诊断算法研究

陈佳涛　陈鑫　王梅

摘 要：随着生猪养殖规模化和集约化的发展，猪病危害日益凸显，严重制约了我国养猪业的发展。为了满足生猪养殖场对兽医资源的需求，本系统利用现代数字化信息技术，从专家人工诊断和基于SOM神经网络的智能诊断两种机制，为猪病诊断提供一种直观、便捷的远程辅助诊断工具。

关键词：养殖规模；猪病诊断；SOM神经网络

文章编号：1004-7026（2018）13-0092-01 中国图书分类号：TH165.3 文献标志码：A

1 引言

随着我国经济的发展和人们物质需求的不断增加，我国的养猪业获得了持续稳定的发展。但是猪病的危害日益严重，给我国的养猪业造成了巨大的经济损失。随着信息技术在动物疫病的防控方面的发展，以计算机技术为支撑的畜禽远程诊断系统为畜禽疾病诊断提供了一个新的研究方向。因此，结合畜禽养殖用户的需求，建立一个智能化、数字化的兽医远程交互诊断平台刻不容缓。

2 系统诊断机制

2.1 专家人工诊断

用户登录系统，通过提示输入猪群的发病情况（流行状况、临床和病理变化），上传从种猪生产信息监控系统中获取的生猪实时图片，生成猪病报告。专家通过登录系统获取猪病报告，对猪病进行诊断并给出处方建议。

2.2 远程智能诊断

2.2.1 建立猪病信息数据库

为保证猪病信息的准确性，系统采用人工获取的方式，广泛地收集猪病诊断方面的资料，包括实体图书、论文期刊等，从中挑选系统所需的知识整理成原始资料，然后将这些原始知识交由猪病专家进行修改和完善。最终得到适合生猪场远程诊断系统应用的知识，建立猪病信息数据库[1]，其信息项目列表见表1。

2.2.2 基于SOM神经网络的智能诊断模型

我们在系统中使用SOM神经网络诊断，它的特点是将相邻关系强加在簇质心上，互为邻居的簇之间比非邻居的簇之间更相关，这种联系有利于聚类结果的解释和可视化。

2.2.3 智能诊断步骤

系统的智能诊断方式采用基于SOM神经网络对生猪病情诊断聚类模型，诊断步骤如下：

从数据库中选取1 000组患病生猪的各项健康指标数据以及各组对应的病情诊断结果，对这1000组数据进行归一化处理。

用SOM神经网络对每一组样本数据进行训练学习，得到生猪病情诊断的训练集，以此作为诊断的标准数据库，根据训练结果，主要提取出8大类常见生猪疾病，分别为营养不良、消化不良、体温异常、内分泌异常、肺部感染、身体囊肿、心脏不适、炎症[2]。

在训练数据过程中，我们分别进行了步数为50、100、200、500、1 000的样本数据训练。当训练步数为500时，每个样本就已经被划为一类，这种结果更加细化。当训练步数为1 000时，同样每个样本被划为一类，因此再提高训练步数毫无意义。

将待诊断的生猪相应的各项健康指标数据输入到SOM神经网络中。

若输出神经元在输出层的位置与某标准病情样本的位置相同，说明待诊断生猪具有相应的病情；若输出神经元在输出层的位置介于很多标准病情之间，说明这几种标准病情都可能有，且各病情的程度由该位置与相应标准病情样本位置的欧拉距离决定。

3 结束语

养殖业未来的发展趋势将实现无人养殖，完全由系统自主决策，实现数字化远程诊断与远程调控的全方面覆盖。猪场远程诊断系统也会在这样的环境下，朝着移动、多样、实时等方面进一步发展，不断推进养殖业的可持续发展。

参考文献：

[1]李盼玉.基于智能手机的猪病远程诊断系统的设计与实现[D].安徽农业大学，2015.

[2]徐峰.猪病诊断专家系统研究[D].中國农业大学，2005.