1.一种蛋鸡采食行为的预测方法，其特征在于，所述预测方法包括：获取采食参数；

对所述采食参数进行处理以获得处理后采食参数；

对所述处理后采食参数进行分析以获得采食行为的量化数据；

基于所述量化数据生成对应的采食行为预测信息。

2.根据权利要求1所述的预测方法，其特征在于，所述对所述采食参数进行处理以获得处理后采食参数，包括：对所述采食参数进行降噪处理以获得降噪后参数；

判断所述降噪后参数中是否存在与相邻参数的偏差大于预设偏差阈值的异常参数；

在所述降噪后参数中存在所述异常参数的情况下，对所述异常参数进行替换操作，并将替换后的参数作为降噪后参数；

对所述降噪后参数进行时间序列分段操作，以获得分段后参数；

对所述分段后参数执行重要点获取操作，以获得处理后采食参数。

3.根据权利要求2所述的预测方法，其特征在于，所述对所述处理后采食参数进行分析以获得采食行为的量化数据，包括：获取与每个所述重要点对应的饲料重量，并获得相邻重要点之间的饲料重量差；

获取每个所述重要点之间的时间差；

将所述饲料重量差与所述时间差先后放入差值集合中，并按照预设方法对所述差值集合中的值进行分类以获得分类结果；

基于所述分类结果对采食行为和非采食行为进行统计并获得统计数据，将所述统计数据作为采食行为的量化数据。

4.根据权利要求3所述的预测方法，其特征在于，所述基于所述量化数据生成对应的采食行为预测信息，包括：对所述量化数据进行预处理以获得预处理量化数据；

通过预设神经算法基于所述预处理量化数据进行学习以获得预测结果；

将所述预测结果与采食行为的实际值进行比较，以获得评估结果；

基于所述评估结果对所述预设神经算法进行调整，以获得调整后神经算法；

基于所述调整后神经算法获得与所述量化数据对应的采食行为预测信息。

5.根据权利要求1-4中任一权利要求所述的预测方法，其特征在于，所述预测方法还包括：在基于所述量化数据生成对应的采食行为预测信息之前，获取当前场景的视频监控信息；

基于所述视频监控信息对所述量化数据进行校正操作。

6.一种蛋鸡采食行为的预测装置，其特征在于，所述预测装置包括：处理器，用于：

获取采食参数；

对所述采食参数进行处理以获得处理后采食参数；

对所述处理后采食参数进行分析以获得采食行为的量化数据；

基于所述量化数据生成对应的采食行为预测信息。

7.根据权利要求6所述的预测装置，其特征在于，所述对所述采食参数进行处理以获得处理后采食参数，包括：对所述采食参数进行降噪处理以获得降噪后参数；

判断所述降噪后参数中是否存在与相邻参数的偏差大于预设偏差阈值的异常参数；

在所述降噪后参数中存在所述异常参数的情况下，对所述异常参数进行替换操作，并将替换后的参数作为降噪后参数；

对所述降噪后参数进行时间序列分段操作，以获得分段后参数；

对所述分段后参数执行重要点获取操作，以获得处理后采食参数。

8.根据权利要求7所述的预测装置，其特征在于，所述对所述处理后采食参数进行分析以获得采食行为的量化数据，包括：获取与每个所述重要点对应的饲料重量，并获得相邻重要点之间的饲料重量差；

获取每个所述重要点之间的时间差；

将所述饲料重量差与所述时间差先后放入差值集合中，并按照预设方法对所述差值集合中的值进行分类以获得分类结果；

基于所述分类结果对采食行为和非采食行为进行统计并获得统计数据，将所述统计数据作为采食行为的量化数据。

9.根据权利要求8所述的预测装置，其特征在于，所述基于所述量化数据生成对应的采食行为预测信息，包括：对所述量化数据进行预处理以获得预处理量化数据；

通过预设神经算法基于所述预处理量化数据进行学习以获得预测结果；

将所述预测结果与采食行为的实际值进行比较，以获得评估结果；

基于所述评估结果对所述预设神经算法进行调整，以获得调整后神经算法；

基于所述调整后神经算法获得与所述量化数据对应的采食行为预测信息。

10.根据权利要求1-4中任一权利要求所述的预测装置，其特征在于，所述预测装置还包括视频采集装置，所述视频采集装置用于：在基于所述量化数据生成对应的采食行为预测信息之前，获取当前场景的视频监控信息；

所述处理器还用于：

基于所述视频监控信息对所述量化数据进行校正操作。