摘要
21世纪的今天，中国是世界上最大的猪肉生产国和进口国。在非洲猪瘟和新冠疫情的双重冲击下，中国的生猪产能急剧下滑。政府在保证生猪产业“稳产保供”的基础上，相继出台大量的政策法规，大力扶持生猪养殖业建设规模化的养殖场提高生猪产量。随着互联网、云计算、大数据的蓬勃发展，畜牧业智能化已成为一种普遍趋势，养殖户在日常饲养生猪的过程中仅凭养殖经验进行养殖，没有充足的知识储备以及学习环境，在遇到养殖问题时没有解决的依据，并且生猪疾病症状复杂多样，传统的疾病诊断又过多地依赖于专家的经验，诊断效率低，目前如何解决这一系列问题已成为研究的热点。贝叶斯网络是一种原理简单，逻辑清晰，应用过程中切实有效的算法，本文根据生猪疾病结构的特点，利用数据资源总结出生猪疾病的规律，选取主成分分析法对疾病信息进行探索，再结合贝叶斯网络算法对生猪疾病诊断模型进行研究，进而提高诊断效率，方便养殖户运用。 首先，采集原始数据，原始数据包括收集到的猪场生猪疾病数据以及互联网中公开的生猪疾病信息。为使其规范化，对其进行分词处理，并对词性进行标注，清洗不需要的数据信息，在该领域权威专家的协助下对数据信息进行数字化以及归一化处理，最后完成数据预处理。 其次，把预处理后的数据输入到RandomForest算法诊断模型、AdaBoost算法诊断模型、XGBoost算法诊断模型中，并对模型进行调参优化。再将预处理后的数据通过主成分分析提取综合指标，降低数据维度，提高贝叶斯网络的优势，进而建立基于主成分分析法和贝叶斯网络算法结合的诊断模型。随后将四个模型进行对比分析，通过对比当前四种生猪疾病诊断模型的学习曲线和评价指标，表明主成分分析法处理后的贝叶斯网络建立的模型诊断效果最好，并且可通过生猪所表现的症状信息准确判断出生猪所患疾病类型。 最后，针对生猪疾病的特点设计生猪疾病诊断系统。根据用户输入的生猪疾病信息，诊断出生猪疾病类型以及患此病的概率。该模型实现的功能主要包括生猪疾病信息检索功能，生猪产业动态功能和智能诊断功能。简单的界面供养殖户进行独立诊断，基本满足用户的日常需求，达到预期的设计效果。
NETL