用于动物健康监测的系统和方法与流程
2、已经做出了一些努力来跟踪垫料箱的活动，以此来评估猫的健康状况。例如，已经使用相机、视频记录装置和/或秤来捕捉猫的垫料箱活动。虽然这些装置可能有助于跟踪关于猫行为的一些基本信息，但这些装置通常提供一维信息，可能需要具备资格的行为学家来解读，并且/或者可能无法提供有关更微妙和/或非视觉线索的良好数据。
2.根据权利要求1所述的方法，其中所述动物监测装置通过网络将所述负载数据、所述动物分类事件或两者从数据通信器传送到客户端装置。
3.根据权利要求1所述的方法，还包括鉴别所述动物分类事件与先前记录的动物分类事件或先前记录的动物分类事件的模式相比的变化。
4.根据权利要求1所述的方法，其中所述三个或更多个负载传感器单独地以20hz至110hz对负载进行采样。
5.根据权利要求1所述的方法，其中所述三个或更多个负载传感器单独地以30hz至80hz对负载进行采样。
6.根据权利要求1所述的方法，其中所述三个或更多个负载传感器单独地对至多10kg的负载进行采样。
8.根据权利要求7所述的方法，其中所述平台具有矩形形状，并且所述四个负载传感器各自定位在所述平台的不同拐角处。
9.根据权利要求1所述的方法，其中所述动物监测装置具有三个负载传感器，并且所述平台呈三角形的形状。
10.根据权利要求9所述的方法，其中所述平台具有三角形形状，并且所述三个负载传感器各自定位在所述平台的不同拐角处。
11.根据权利要求1所述的方法，其中将所述动物行为属性分类为动物分类事件采用归一化逻辑来分析所述负载数据。
14.根据权利要求12所述的动物监测系统，其中所述处理器和所述存储器在物理上远离所述动物监测装置定位，并且通过网络与所述数据通信器通信。
16.根据权利要求12所述的动物监测系统，其中所述三个或更多个负载传感器具有20hz至110hz的采样率。
17.根据权利要求12所述的动物监测系统，其中所述三个或更多个负载传感器包括具有圆形点接触的全桥配置。
18.根据权利要求12所述的动物监测系统，其中所述三个或更多个负载传感器单独地具有至多10kg的最大负载能力。
19.根据权利要求12所述的动物监测系统，其中所述动物监测装置具有四个负载传感器并且所述平台呈矩形的形状，并且其中所述四个负载传感器各自定位在所述平台的不同拐角处。
20.根据权利要求19所述的动物监测系统，其中所述平台具有400mm至600mm的x轴维度测量值以及250mm至450mm的y轴维度测开云科技量值。
21.根据权利要求12所述的动物监测系统，其中所述动物监测装置具有三个负载传感器并且所述平台呈三角形的形状，并且其中所述三个负载传感器各自定位在所述平台的不同拐角处。
24.根据权利要求23所述的方法，其中所述多次离散动物排泄包括排尿事件和排便事件两者。
25.根据权利要求23所述的方法，其中所述多次离散动物排泄包括第一次排泄和第二次排泄，并且其中所述动物分类事件还包括在所述第一次排泄之前的第一次排泄前阶段和在所述第二次排泄之前的第二次排泄。
26.根据权利要求25所述的方法，其中所述动物分类事件还包括在所述第二次排泄之后发生的排泄后阶段。
27.根据权利要求23所述的方法，其中使用所述阶段分离算法的分类确定在所述动物交互期间不存在多次离散动物排泄，其形式要么是无动物排泄，要么是仅单次动物排泄。
28.根据权利要求23所述的方法，还包括鉴别所述动物分类事件与先前记录的动物分类事件相比的变化。
29.根据权利要求28所述的方法，还包括将所述动物分类事件的所述变化与和所述动物相关的身体、行为或精神健康问题关联起来。
30.根据权利要求29所述的方法，其中所述身体健康问题是选自泌尿系统疾病、肾病、糖尿病、甲状腺功能亢进、自发性膀胱炎、消化问题或关节炎的猫疾病，并且所述精神健康问题选自焦虑、紧张或认知功能减退。
31.根据权利要求28所述的方法，其中鉴别动物分类事件的所述变化包括鉴别动物排泄的变化。
32.根据权利要求28所述的方法，还包括生成指示所述动物分类事件的所述变化的通知，其中在与所述装置事件相关联的参数满足阈值之后生成所述通知。
34.根据权利要求23所述的方法，其中对所述动物行为属性进行分类还包括基于动物与所含垫料的交互来分析来自所述三个或更多个负载传感器的所述负载数据以测量所述动物的重量分布、事件的位置、事件的持续时间、移动模式、进入力、离开力、所述动物交互的波动性或它们的组合。
35.根据权利要求23所述的方法，其中对所述动物行为属性进行分类还包括分析来自所述三个或更多个负载传感器的所述负载数据以鉴别或测量所述动物进入承载所含垫料的垫料箱、所述动物选择特定排泄位置的移动量、选择特定排泄位置的时间量、准备所述特定排泄位置所消耗的时间量、准备所述特定排泄位置所消耗的能量、覆盖所述排泄物所消耗的时间量、覆盖所述排泄物所消耗的能量、所述排泄的持续时间、从所述动物进入到离开的所述装置事件的总持续时间、所述排泄物的重量、所述排泄期间所述动物的运动、所述排泄期间单个负载传感器上的步长/斜率检测、所述动物离开所定位的所述垫料箱、涉及所述垫料箱的一个或多个运动或冲击、或它们的组合。
36.根据权利要求23所述的方法，其中对所述动物行为属性进行分类还包括基于动物与所含垫料的交互在基于时域特征的时域和基于频域特征的频域两者中分析来自所述三个或更多个负载传感器的负载数据，其中所述时域特征包括均值、中值、标准偏差、范围、自相关或它们的组合，并且其中所述时域特征被创建为用于所述机器学习分类器的一个或多个输入，并且其中所述频域特征包括中值、能量、功率谱密度或它们的组合，并且其中所述频域特征被创建为用于所述机器学习分类器的一个或多个输入。
37.根据权利要求23所述的方法，其中对所述动物行为属性进行分类还包括基于动物与所含垫料的交互来分析来自所述三个或更多个负载传感器的所述负载数据以确定所述动物的移动模式，所述移动模式包括所覆盖距离、速度、加速度、移动方向、对准、从进入定位在所述平台上的垫料箱的进入点到所述垫料箱的中心的距离、排泄位置、休息位置、所述垫料箱的优选象限或它们的组合。
38.根据权利要求23所述的方法，还包括基于各个动物独有的动物分类事件来生成所述各个动物的动物行为模型。
39.根据权利要求23所述的方法，其中所述三个或更多个负载传感器单独地具有2.5hz至110hz的采样率。
40.根据权利要求23所述的方法，其中所述三个或更多个负载传感器单独地具有至多10kg的最大负载能力。
42.根据权利要求41所述的动物监测系统，其中所述阶段分离算法能够将排尿事件与排便事件分开分类。
43.根据权利要求42所述的动物监测系统，其中所述阶段分离算法能够对在所述排尿事件之前的第一次排泄前阶段和在所述排便事件之前的第二次排泄进行分类。
44.根据权利要求42所述的动物监测系统，其中所述阶段分离算法能够对在所述排尿事件和所述排便事件都已经发生之后发生的排泄后阶段进行分类。
45.根据权利要求41所述的动物监测系统，其中所述阶段分离算法能够确定在所述动物交互期间不存在多次离散动物排泄，其形式要么是无动物排泄，要么是仅单次动物排泄。
46.一种其上包含指令的非暂态机器可读存储介质，所述指令在被执行时使得处理器执行监测动物的健康状况的方法，所述方法包括：
47.根据权利要求46所述的非暂态机器可读存储介质，其中所述阶段分离算法能够将排尿事件与排便事件分开分类。
48.根据权利要求47所述的非暂态机器可读存储介质，其中所述阶段分离算法能够对在所述排尿事件之前的第一次排泄前阶段和在所述排便事件之前的第二次排泄进行分类。
49.根据权利要求47所述的非暂态机器可读存储介质，其中所述阶段分离算法能够对在所述排尿事件和所述排便事件都已经发生之后发生的排泄后阶段进行分类。
50.根据权利要求46所述的非暂态机器可读存储介质，其中所述阶段分离算法能够确定在所述动物交互期间不存在多次离散动物排泄，其形式要么是无动物排泄，要么是仅单次动物排泄。
本公开提供了用于动物健康监测的系统和方法。可从动物监测装置获得负载数据，该动物监测装置包括与在其上承载所含垫料的平台相关联的三个或更多个负载传感器，其中该三个或更多个负载传感器中的各个负载传感器彼此分开，并且彼此独立地接收来自该平台的压力输入，其中该三个或更多个负载传感器单独地以2.5Hz至110Hz对负载进行采样。如果基于负载数据确定与所含垫料的交互是由于动物与所含垫料的交互，则可识别与该动物相关的动物行为属性。可使用机器学习分类器将该动物行为属性分类为动物分类事件。
M·A·多纳沃恩,N·兰根菲尔德-麦科伊,R·T-S·麦高恩,H·杜桑,M·B·卡马拉杰,V·维贾亚拉詹,V·戈文达拉扬,A·辛格,S·马利佩迪,A·S·纳萨努鲁,A·克里希南,D·R·拉维,D·J·舍伍德,R·S·马奎尔,J·W·J·斯通,G·E·M·洛根,羽鸟智子,P·M·豪布里克,W·S·希姆范德洛夫
技术研发人员：M·A·多纳沃恩,N·兰根菲尔德-麦科伊,R·T-S·麦高恩,H·杜桑,M·B·卡马拉杰,V·维贾亚拉詹,V·戈文达拉扬,A·辛格,S·马利佩迪,A·S·纳萨努鲁,A·克里希南,D·R·拉维,D·J·舍伍德,R·S·马奎尔,J·W·J·斯通,G·E·M·洛根,羽鸟智子,P·M·豪布里克,W·S·希姆范德洛夫
1. 纤维素纳米纤维材料的制备、改性及应用 2. 造纸法再造烟叶、新型烟草开发 3.生物质资源基油田助剂（封堵、驱油和钻井） 4. 改性植物纤维开发
