CN108064745A - 动物嚎叫监测系统以及基于机器学习的嚎叫状态识别方法 - Google Patents
动物嚎叫监测系统以及基于机器学习的嚎叫状态识别方法 Download PDFInfo
- Publication number
- CN108064745A CN108064745A CN201611018917.XA CN201611018917A CN108064745A CN 108064745 A CN108064745 A CN 108064745A CN 201611018917 A CN201611018917 A CN 201611018917A CN 108064745 A CN108064745 A CN 108064745A
- Authority
- CN
- China
- Prior art keywords
- yelping
- animal
- information
- state
- module
- 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
- 241001465754 Metazoa Species 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000010801 machine learning Methods 0.000 title claims abstract description 21
- 210000001260 vocal cord Anatomy 0.000 claims abstract description 61
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 230000033001 locomotion Effects 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 235000003642 hunger Nutrition 0.000 claims description 8
- 230000037351 starvation Effects 0.000 claims description 8
- 206010011224 Cough Diseases 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000036407 pain Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 230000001934 delay Effects 0.000 claims description 2
- 230000008021 deposition Effects 0.000 claims description 2
- 239000010409 thin film Substances 0.000 claims description 2
- 241001342895 Chorus Species 0.000 claims 1
- HAORKNGNJCEJBX-UHFFFAOYSA-N cyprodinil Chemical compound N=1C(C)=CC(C2CC2)=NC=1NC1=CC=CC=C1 HAORKNGNJCEJBX-UHFFFAOYSA-N 0.000 claims 1
- 241000894007 species Species 0.000 abstract description 5
- 230000036541 health Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000003187 abdominal effect Effects 0.000 description 2
- 206010006451 bronchitis Diseases 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010002091 Anaesthesia Diseases 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/26—Recognition of special voice characteristics, e.g. for use in lie detectors; Recognition of animal voices
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Environmental Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Artificial Intelligence (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种动物嚎叫监测系统以及基于机器学习的嚎叫状态识别方法。该监测系统包括:采集装置和智能终端应用,采集装置采集被监测动物的接触压力、声带振动状态和嚎叫信息,并根据接触压力大小判断是否发生有效接触;智能终端应用接收采集装置的有效动物数据,并将其识别为动物嚎叫状态。该识别方法,能够学习得出被监测动物在不同运动状态下的正常嚎叫状态,并能基于学得信息识别出动物的嚎叫状态。本发明的系统可以实现对动物嚎叫的自动检测以及远程实时监测,不需要人工检测或记录,能节省大量的人力;本发明的方法能够排除动物的种类、年龄、个体和运动状态等差异,真正为每个被监测对象量身定做,达到精准有效的嚎叫检测目标。
Description
技术领域
本发明涉及动物健康监测领域,特别涉及动物嚎叫监测系统以及基于机器学习的嚎叫状态识别方法。
背景技术
为动物配备合适的可穿戴设备不仅能够帮助主人随时随地掌握动物的动向,还能对其身体状况有一定的了解。动物的嚎叫是其的一种表达语言,嚎叫监测是评价动物身体状态的重要方式之一,嚎叫监测的及时性、准确性、可靠性直接影响对动物身体状态的监测,对动物的合理化管理和照料。
传统动物嚎叫检测采取单个样点分析,非常不便于跟踪动物状态变化,而且目前对动物身体状态的测量主要靠手工来完成,主人需要每天人工观察动物状态,判断动物需求,记录嚎叫规律,这是一个很大的工作量。而且,某些动物,如放养的牛无法配合状态身体检测,往往需要麻醉才能实现,对于这类动物,传统的嚎叫检测方式无法实施高频率的检测。
此外,不同种类动物、同种类动物不同年龄段、同种类动物同年龄不同个体、同个体动物不同运动状态,往往具有不同的嚎叫状态,如:得了支气管炎的牛嚎叫,声音清脆,短而干,疼痛比较明显;而得了支气管炎的狗嚎叫为肺泡音粗厉和有锣音。因而,动物嚎叫的监测应考虑动物的种类、年龄、个体、运动状态等差异,而传统方式很难全面做到。
发明内容
本发明的目的在于提供一个动物嚎叫监测系统以及基于机器学习的嚎叫状态识别方法,该动物嚎叫监测系统能够自动地采集动物的嚎叫状态信息,实现对动物身体状态的实时远程监控,不需要主人人工检测并记录结果,节省人力,检测结果更加准确,用以解决传统嚎叫检测方式工作量大的问题;而且,系统采用基于机器学习的嚎叫状态识别方法,能够学习得出被监测动物在不同身体状态下的嚎叫现象,并能基于学得的嚎叫状态信息识别出动物对应的身体状态,即动物的处于正常嚎叫次数、持续嚎叫或偶尔嚎叫的状态。机器学习的动物嚎叫状态识别方法能够排除动物的种类、年龄、个体和运动状态等差异,真正为每个被监测对象量身定做,达到精准有效的嚎叫监测目的。
为实现上述目的,本发明的方案是:一个动物嚎叫监测系统,该系统包括采集装置和智能终端应用。所述采集装置穿戴在动物身体上,用于动物嚎叫、声带振动状态、接触压力等信息采集的;所述智能终端应用接收采集装置采集的信息,并基于这些信息对动物嚎叫状态(如正常嚎叫、持续嚎叫、偶尔嚎叫)进行识别;所述采集装置与所述智能终端应用连接;
所述采集装置包括音频采集器和绑缚带,所述音频采集器两侧均固定连接长度可调的绑缚带,所述的绑缚带用于将采集装置与动物固定,所述绑腹带内置电池组,所述的采集装置中嵌装有压力传感器、振动传感器、音频传感器、控制模块、数据缓存模块以及数据传输模块,所述的压力传感器和音频传感器紧贴动物皮肤设置,所述采集装置可以通过绑缚带两端的卡扣连接,或者直接绑在一起,实现穿戴在动物身上;
所述压力传感器、音频传感器和振动传感器用于采集动物的接触压力、咳嗽和声带振动信息;
所述控制模块与所述压力传感器、音频传感器和声带振动传感器连接,用于配置压力传感器、音频传感器、振动传感器的工作参数和控制它们的工作状况,并能接收接触压力、嚎叫状态和声带振动信息,及判断接收信息是否有效;
所述数据缓存模块与所述控制模块连接,从所述控制模块接收并缓存有效的接触压力、嚎叫和声带振动信息;
所述数据传输模块与所述数据缓存模块连接和所述智能终端应用连接,从所述数据缓存模块获取数据信息,并发送给所述智能终端应用;
所述智能终端应用包括采集数据传输模块、采集数据缓存模块、嚎叫状态识别模块、状态数据缓存模块;
所述采集数据传输模块用于接收所述采集装置采集的动物数据,并处理后存入所述采集数据缓存模块;
所述采集数据缓存模块用于缓存接收到的动物数据,并在缓存数据满足嚎叫状态识别要求时,传输给所述嚎叫状态识别模块;
所述嚎叫状态识别模块将采集到的动物数据识别为动物的嚎叫状态,并将动物嚎叫状态数据传输给所述状态数据缓存模块;
所述动物嚎叫监测系统用于动物嚎叫状态采集包括如下步骤:
(1)所述控制模块设置的所述压力传感器、所述振动传感器和所述音频传感器的采集频率;
(2)所述压力传感器检测与动物皮肤的接触压力,所述振动传感器检测动物声带振动信息,所述音频传感器检测动物嚎叫信息;
(3)所述控制模块接收步骤(2)中检测到的接触压力信息、声带振动信息以及动物嚎叫信息,并根据接触压力信息来判断采集装置是否与动物皮肤接触:如果没有接触,则抛弃所有同时刻采集的信息;如果有效接触,则将数据存入数据缓存模块中;
(4)安装在主人智能设备上的所述智能终端应用通过所述采集数据传输模块接收所述采集装置的所述数据缓存模块中接触压力信息、振动信息和嚎叫信息,并将信息适当处理后传输给所述采集数据缓存模块;
(5)所述智能终端应用的所述状态识别模块基于动物的声带振动状态信息和嚎叫信息识别出动物的嚎叫状态信息。
可选的,所述智能终端应用包括人机交互模块。所述人机交互模块用于接收用户交互指令,根据指令从所述采集数据缓存模块和状态数据缓存模块中获取所需的信息,并通过屏幕或语音等方式向用户展示查询结果。
可选的,所述智能终端应用包括状态数据传输模块。所述状态数据传输模块将咳嗽的状态数据传输给远程网络端的智能监测系统,该系统对状态数据提供进一步的智能分析和服务。
所述的采集装置穿戴于动物的喉部,采集装置的绑缚带中设置有电池组,可以扩大电池容量,实现更长时间的数据采集;
所述的压力传感器为半导体压电阻型或静电容量型。
所述的音频传感器为基于薄膜电容或动圈电磁的音频传感器。
所述的振动传感器为压电式,或压阻式,或电容式等的振动传感器。
所述智能终端应用可以基于Android、IOS、Window 10等主流移动平台开发,也可以是定制的软硬件平台。
为实现上述目的,本发明提供一种基于机器学习的嚎叫状态识别方法,能够针对特定的被监测动物个体进行机器学习,学习并得出该动物处于各类嚎叫状态的规则,然后基于这些规则进行嚎叫状态识别,达到健康监测的目标。
所述基于机器学习的嚎叫状态识别方法的机器学习过程包括以下步骤:
(1)对于特定某个或某种动物,在正常运动状态(如睡眠、轻微运动、普通运动)下,针对不同身体状态(如舒适、饥饿、重度饥饿、疼痛、生病)采集声带振动程度a和嚎叫次数t;
(2)用一定长度的时间窗去采样声带振动程度a及嚎叫次数t信息,计算时间窗内声带振动程度平均值和嚎叫次数平均值保存为训练样例,如;
(3)读取训练样例集,对同种嚎叫状态的样例按声带振动程度平均值大小对样例进行排序;
(4)对排序后的训练样例集,对同种嚎叫状态按连续样例嚎叫次数均值变化值大小分为几类,最后得到学习的结果,保存为规则集,如:
所述基于机器学习的嚎叫状态识别方法的机器识别过程包括以下步骤:
(1)对于特定的被检测动物采集声带振动程度a和嚎叫次数t;
(2)用一定长度的时间窗去采样声带振动程度a及嚎叫次数t信息,计算时间窗内声带振动程度平均值和嚎叫次数平均值
(3)从规则集中查询同时匹配声带振动程度和嚎叫状态的规则,即声带振动平均值处于规则条件的范围内,且嚎叫次数平均值处于规则条件的范围内;
(4)如果步骤(3)找到了匹配规则,则根据规则识别出动物的嚎叫状态,并结束识别过程;
(5)如果步骤(3)找不到了匹配规则,则从嚎叫状态为“正常嚎叫”的规则集中查询匹配声带振动程度的规则,即声带振动的平均值处于规则条件的范围内,然后,找出同条规则的规则条件中的嚎叫次数范围
(6)如果比小,则嚎叫状态为“偶尔嚎叫”,如果比大,则咳嗽状态为“持续嚎叫”。
本发明所达到的有益效果如下:
(1)本发明的嚎叫监测系统可以实现对动物嚎叫的自动检测以及远程实时监测,不需要人工记录被检测动物的身体状况,节省大量的人力,减轻劳动力;
(2)本发明的嚎叫监测系统设置有振动传感器以及压力传感器,可以检测采集装置是否与动物有效接触,以及动物在不同运动状态下的嚎叫状态,检测结果更准确;
(3)本发明的嚎叫监测系统设置有智能终端应用,可以基于动物的声带振动信息、压力信息和嚎叫音频信息进行学习并进行智能识别,机器学习特性使得本系统可以适用于几乎所有动物的嚎叫状态识别,且能兼顾被测动物的个体声音特性,真正实现私人定制,识别结果也更加精准;
(4)本发明还可以通过与远程网络上的智能监测系统连接,将嚎叫状态信息上传到远程系统中,相关人员可以通过网络随时了解被监测动物的历史嚎叫状况,并能通过专家系统来分析被监测对象不同的嚎叫变化,实现更加精准的健康监测;
(5)本发明的采集装置采用电池组来提供能源,能够实现更长时间的供电需求,减少设备充电的次数,提高设备使用的效率。
附图说明
图1是本发明的采集装置结构图;
图2是本发明的动物嚎叫监测系统结构原理图;
图3是本发明的动物嚎叫采集流程图;
图4是本发明的嚎叫状态识别模型的学习过程;
图5是本发明的嚎叫状态识别模型的实施过程。
具体实施方式
下面结合附图对本发明作进一步详细的说明。
实施例一
本实施例中的动物嚎叫监测系统包括穿戴在动物身上、用于动物嚎叫音频采集的采集装置和用于动物嚎叫监测的智能终端应用。
如图1所示,所述采集装置包括嚎叫音频采集器和绑缚带,所述嚎叫音频采集器两侧均固定连接长度可调的绑缚带,所述的绑缚带用于将采集装置与动物固定,所述绑腹带内置电池组,所述的采集装置中嵌装有压力传感器、振动传感器、音频传感器,所述的压力传感器、振动传感器和音频传感器紧贴动物皮肤设置。所述采集装置可以通过绑缚带两端的卡扣连接,或者直接绑在一起,实现穿戴在动物身上。
如图2所示,所述采集装置1包括压力传感器11、音频传感器12、振动传感器13、控制模块14、数据缓存模块15以及数据传输模块16。所述压力传感器11、音频传感器12和振动传感器13与所述控制模块14连接,所述控制模块14与所述数据缓存模块15连接,所述数据缓存模块15与数据传输模块16连接。
如图2所示,所述智能终端应用2包括采集数据传输模块21、采集数据缓存模块22、嚎叫状态识别模块23、状态数据缓存模块24。所述采集数据传输模块21与所述采集数据缓存模块22连接,所述采集数据缓存模块22与所述嚎叫状态识别模块23连接,所述嚎叫状态识别模块23与所述状态数据缓存模块24连接。
如图3所示,所述动物嚎叫监测系统的嚎叫音频采集流程包括如下步骤:
(1)步骤101,用户通过所述采集装置的所述控制模块设置压力传感器、振动传感器、音频传感器的信息采集频率,对于健康状况良好的动物,可以设置较低的采集频率,对于健康状况较差的动物,则应设置较高的采集频率;
(2)步骤102,所述采集装置通过压力传感器检测与动物接触的压力信息,振动传感器同时检测动物的声带振动信息,音频传感器同时检测动物的音频信息;
(3)步骤103,所述控制模块检测采集的接触压力信息,如果接触压力值大于阈值,则判定为采集装置与动物发生了有效接触,所有信息有效,转到步骤104;如果接触压力值小于阈值,则判定为采集装置与动物没有发生有效接触,所有信息无效,转到步骤107,即抛弃无效的采集信息,且结束采集流程;
(4)步骤104,所述采集装置的所述数据缓存模块将检测到的接触压力信息、加速度信息以及嚎叫信息存储起来;
(5)步骤105,所述智能终端应用从所述采集装置接收接触压力信息声带振动信息以及动物嚎叫信息;对于实时性要求高且通信网络顺畅,智能终端应用可以按采集频率获取数据;对于实时性要求不高或者通信网络较差甚至断开,智能终端应用可以降低数据获取频率或等到通信网络恢复顺畅后再传输;
(6)步骤106,基于机器学习后的嚎叫状态识别规则集合,所述智能终端应用的所述嚎叫状态识别模块将动物的声带振动和嚎叫信息识别为动物的嚎叫状态信息。
实施例二
本实施例二在实施例一的基础上,智能终端应用还设置有人机交互模块26。所述人机交互模块26与采集数据缓存模块22和状态数据缓存模块24连接。
所述人机交互模块26用于接收用户通过触屏、键盘和语音等交互方式提供的指令,并从采集数据缓存模块22和状态数据缓存模块24中按指令取出数据,然后用屏幕或语音等方式将取出的数据展示给用户。
实施例三
本实施例三在实施例一或实施例二的基础上,智能终端应用还设置有状态数据传输模块25。所述状态数据传输模块25与本地的状态数据缓存模块24和远程的智能监测系统3连接。
所述状态数据传输模块25将所述的智能终端应用2通过Internet、TD-SCDMA或WCDMA等远程通信网与智能监测系统3相连,用于将动物体温状态信息上传到智能监测系统3,作为历史数据以备查询或进行更深入的智能分析。
实施例四
如图3所示,所述基于机器学习的嚎叫状态识别方法包括一个学习过程和一个识别过程。
学习过程主要是通过对动物在“正常嚎叫”的嚎叫状态下,针对不同运动状态采集声带振动信息和嚎叫信息,并通过分类算法得出不同声带振动状况,及不同运动状态下的动物正常嚎叫状态。所述机器学习过程包括以下步骤:
(1)对于特定某个或某种动物,在正常运动状态(如睡眠、轻微运动、普通运动)下,针对不同身体状态(如舒适、饥饿、重度饥饿、疼痛、生病)采集声带振动程度a和嚎叫次数t;
(2)用一定长度的时间窗去采样声带振动程度a及嚎叫次数t信息,计算时间窗内声带振动程度平均值和嚎叫次数平均值保存为训练样例,如;
(3)读取训练样例集,按嚎叫振动程度平均值大小对样例进行排序;
(4)对排序后的训练样例集,按连续样例嚎叫次数均值变化值大小分为几类,最后得到学习的结果,保存为规则集,如:
所述基于机器学习的嚎叫状态识别方法的机器识别过程包括以下步骤:
(1)对于特定的被检测动物采集声带振动程度a和嚎叫次数t;
(2)用一定长度的时间窗去采样声带振动程度a及嚎叫次数t信息,计算时间窗内声带振动程度平均值和嚎叫次数平均值
(3)从规则集中查询匹配声带振动的规则,即声带振动程度的平均值处于规则条件的范围内,然后,找出同条规则的规则条件中的嚎叫次数范围
(4)如果比大,且比小,则嚎叫状态为“正常嚎叫”;如果比小,则咳嗽状态为“偶尔嚎叫”;如果比大,则嚎叫状态为“持续嚎叫”。
实施例五
本实施例五在实施例四的基础上,所述学习过程在对“正常嚎叫”的嚎叫状态信息进行学习的基础上,增加对“偶尔嚎叫”、“持续嚎叫”嚎叫状态信息的学习。所述机器学习过程包括以下步骤:
(1)对于特定某个或某种动物,在正常运动状态(如睡眠、轻微运动、普通运动)下,针对不同身体状态(如舒适、饥饿、重度饥饿、疼痛、生病)采集声带振动程度a和嚎叫次数t;
(2)用一定长度的时间窗去采样声带振动程度a及嚎叫次数t信息,计算时间窗内声带振动程度平均值和嚎叫次数平均值保存为训练样例,如;
(3)读取训练样例集,对同种嚎叫状态的样例按声带振动程度平均值大小对样例进行排序;
(4)对排序后的训练样例集,对同种嚎叫状态按连续样例嚎叫次数均值变化值大小分为几类,最后得到学习的结果,保存为规则集,如:
所述基于机器学习的嚎叫状态识别方法的机器识别过程包括以下步骤:
(1)对于特定的被检测动物采集声带振动程度a和嚎叫次数t;
(2)用一定长度的时间窗去采样声带振动程度a及嚎叫次数t信息,计算时间窗内声带振动程度平均值和嚎叫次数平均值
(3)从规则集中查询同时匹配声带振动程度和嚎叫状态的规则,即声带振动程度平均值处于规则条件的范围内,且嚎叫次数平均值处于规则条件的范围内;
(4)如果步骤(3)找到了匹配规则,则根据规则识别出动物的嚎叫状态,并结束识别过程;
(5)如果步骤(3)找不到了匹配规则,则从嚎叫状态为“正常嚎叫”的规则集中查询匹配声带振动程度的规则,即声带振动程度的平均值处于规则条件的范围内,然后,找出同条规则的规则条件中的嚎叫次数范围
(6)如果比小,则嚎叫状态为“偶尔嚎叫”,如果比大,则嚎叫状态为“持续嚎叫”。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种动物嚎叫监测系统,其特征在于,包括:采集装置和智能终端应用,所述采集装置与所述智能终端应用连接;
所述采集装置穿戴在动物身体上,用于动物音频、声带振动、接触压力等信息采集的;
所述智能终端应用接收采集装置采集的信息,并基于这些信息对动物嚎叫状态(如正常嚎叫、持续嚎叫、偶尔嚎叫)进行识别。
2.根据权利要求1所述的动物嚎叫监测系统,其特征在于,所述采集装置包括嚎叫音频采集器和绑缚带,所述嚎叫音频采集器两侧均固定连接长度可调的绑缚带,所述的绑缚带用于将采集装置与动物固定,所述绑缚带内置电池组,所述的采集装置中嵌装有压力传感器、振动传感器、音频传感器、控制模块、数据缓存模块以及数据传输模块,所述的压力传感器、振动传感器和音频传感器紧贴动物皮肤设置,所述采集装置可以通过绑缚带两端的卡扣连接,或者直接绑在一起,实现穿戴在动物身上;
所述压力传感器、音频传感器和振动传感器用于采集动物的接触压力、嚎叫和声带振动信息;
所述控制模块与所述压力传感器、音频传感器和振动传感器连接,用于配置压力传感器、音频传感器、振动传感器的工作参数和控制它们的工作状况,并能接收接触压力、嚎叫和声带振动信息,及判断接收信息是否有效;
所述数据缓存模块与所述控制模块连接,从所述控制模块接收并缓存有效的接触压力、嚎叫和振动信息;
所述数据传输模块与所述数据缓存模块连接和所述智能终端应用连接,从所述数据缓存模块获取数据信息,并发送给所述智能终端应用。
3.根据权利要求1所述的动物嚎叫监测系统,其特征在于,所述智能终端应用包括采集数据传输模块、采集数据缓存模块、嚎叫状态识别模块、状态数据缓存模块;
所述采集数据传输模块用于接收所述采集装置采集的动物数据,并处理后存入所述采集数据缓存模块;
所述采集数据缓存模块用于缓存接收到的动物数据,并在缓存数据满足嚎叫状态识别要求时,传输给所述嚎叫状态识别模块;
所述嚎叫状态识别模块将采集到的动物数据识别为动物的嚎叫状态,并将动物嚎叫状态数据传输给所述状态数据缓存模块。
4.根据权利要求1所述的动物嚎叫监测系统,其特征在于,该系统用于动物嚎叫状态采集包括如下步骤:
(1)所述控制模块设置的所述压力传感器、所述振动传感器和所述音频传感器的采集频率;
(2)所述压力传感器检测与动物皮肤的接触压力,所述振动传感器检测动物声带振动信息,所述音频传感器检测动物嚎叫信息;
(3)所述控制模块接收步骤(2)中检测到的接触压力信息、声带振动信息以及动物咳嗽信息,并根据接触压力信息来判断采集装置是否与动物皮肤接触:如果没有接触,则抛弃所有同时刻采集的信息;如果有效接触,则将数据存入数据缓存模块中;
(4)安装在主人智能设备上的所述智能终端应用通过所述采集数据传输模块接收所述采集装置的所述数据缓存模块中接触压力信息、声带振动信息和嚎叫信息,并将信息适当处理后传输给所述采集数据缓存模块;
(5)所述智能终端应用的所述状态识别模块基于动物的声带振动信息和嚎叫信息识别出动物的嚎叫状态信息。
5.根据权利要求3所述的智能终端应用系统,其特征在于,所述智能终端应用还包括:人机交互模块;所述人机交互模块与所述采集数据缓存模块和状态数据缓存模块连接;
所述人机交互模块用于接收用户交互指令,根据指令从所述采集数据缓存模块和状态数据缓存模块中获取所需的信息,并通过屏幕或语音等方式向用户展示查询结果。
6.根据权利要求3所述的智能终端应用系统,其特征在于,所述智能终端应用还包括:状态数据传输模块;所述状态数据传输模块与所述状态数据缓存模块和所述智能监测系统连接;
所述状态数据传输模块将咳嗽的状态数据传输给远程网络端的智能监测系统,该系统对状态数据提供进一步的智能分析和服务。
7.根据权利要求1所述的动物嚎叫监测系统,其特征在于,所述的采集装置穿戴于动物的喉部,采集装置的绑缚带中设置有电池组,可以扩大电池容量,实现更长时间的数据采集;
所述的压力传感器为半导体压电阻型或静电容量型;
所述的音频传感器为基于薄膜电容或动圈电磁的音频传感器。
所述的振动传感器为压电式,或压阻式,或电容式等的振动传感器。
8.根据权利要求1所述的动物嚎叫监测系统,其特征在于,所述智能终端应用可以基于Android、IOS、Window 10等主流移动平台开发,也可以是定制的软硬件平台。
9.为实现上述目的,本发明提供一种基于机器学习的嚎叫状态识别方法,该方法包括:学习过程和识别过程;
所述机器学习过程包括以下步骤:
(1)对于特定某个或某种动物,在正常运动状态(如睡眠、轻微运动、普通运动)下,针对不同身体状态(如舒适、饥饿、重度饥饿、疼痛、生病)采集声带振动程度和嚎叫次数;
(2)用一定长度的时间窗去采样声带振动及嚎叫信息,计算时间窗内声带振动的平均程度和嚎叫次数平均值,保存为训练样例;
(3)读取训练样例集,按声带振动程度平均值大小对样例进行排序;
(4)对排序后的训练样例集,按连续样例嚎叫次数均值变化值大小分为几类,最后得到学习的结果,保存为规则集;
所述机器识别过程包括以下步骤:
(1)对于特定的被检测动物采集声带振动状态和嚎叫次数;
(2)用一定长度的时间窗去采样声带振动信息及嚎叫状态信息,计算时间窗内声带振动平均程度和嚎叫次数平均值;
(3)从规则集中查询匹配声带振动的规则,即声带振动平均程度处于规则条件的声带振动范围内,然后,找出同条规则的规则条件中的嚎叫状态;
(4)如果嚎叫次数均值介于嚎叫次数范围最小值和嚎叫次数范围最大值之间,则嚎叫状态为“正常嚎叫”;如果嚎叫次数均值比嚎叫次数范围最小值小,嚎叫状态为“偶尔嚎叫”;如果嚎叫次数均值比嚎叫次数范围最大值大,则嚎叫状态为“持续嚎叫”。同时,嚎叫次数结合声带振动程度,可以判断出动物的身体状态。
10.根据权利要求9所述的基于机器学习的嚎叫状态识别方法,其特征在于,所述学习过程在对“正常嚎叫”的嚎叫状态信息进行学习的基础上,增加对“持续嚎叫”、“偶尔嚎叫”嚎叫状态信息的学习,所述规则集也增加了相应的规则;相应地,所述识别过程,需要增加对“持续嚎叫”、“偶尔嚎叫”嚎叫状态规则的应用;增加声带振动程度和嚎叫次数相结合的信息学习,所述规则集也增加了相应的规则;相应地;通过两者结合的识别过程,可以拓展该规则的应用。
增加对“持续嚎叫”、“偶尔嚎叫”嚎叫状态的学习和识别,可以使识别算法的规则集更加全面完备,能提高识别的准确度,但这种方式需要更多的识别样例,增加了学习过程的难度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611018917.XA CN108064745A (zh) | 2016-11-17 | 2016-11-17 | 动物嚎叫监测系统以及基于机器学习的嚎叫状态识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611018917.XA CN108064745A (zh) | 2016-11-17 | 2016-11-17 | 动物嚎叫监测系统以及基于机器学习的嚎叫状态识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108064745A true CN108064745A (zh) | 2018-05-25 |
Family
ID=62160331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611018917.XA Pending CN108064745A (zh) | 2016-11-17 | 2016-11-17 | 动物嚎叫监测系统以及基于机器学习的嚎叫状态识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108064745A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109637549A (zh) * | 2018-12-13 | 2019-04-16 | 北京小龙潜行科技有限公司 | 一种对猪只进行声音检测的方法、装置和检测系统 |
CN110931024A (zh) * | 2020-02-18 | 2020-03-27 | 成都大熊猫繁育研究基地 | 基于音频的圈养大熊猫自然交配结果的预测方法及系统 |
CN111066679A (zh) * | 2020-01-15 | 2020-04-28 | 山东农业大学 | 一种基于振动信号的奶牛个体行为监测装置及方法 |
US11330804B2 (en) * | 2017-08-07 | 2022-05-17 | The Jackson Laboratory | Long-term and continuous animal behavioral monitoring |
-
2016
- 2016-11-17 CN CN201611018917.XA patent/CN108064745A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11330804B2 (en) * | 2017-08-07 | 2022-05-17 | The Jackson Laboratory | Long-term and continuous animal behavioral monitoring |
US20220248642A1 (en) * | 2017-08-07 | 2022-08-11 | The Jackson Laboratory | Long-term and continuous animal behavioral monitoring |
US11798167B2 (en) * | 2017-08-07 | 2023-10-24 | The Jackson Laboratory | Long-term and continuous animal behavioral monitoring |
CN109637549A (zh) * | 2018-12-13 | 2019-04-16 | 北京小龙潜行科技有限公司 | 一种对猪只进行声音检测的方法、装置和检测系统 |
CN111066679A (zh) * | 2020-01-15 | 2020-04-28 | 山东农业大学 | 一种基于振动信号的奶牛个体行为监测装置及方法 |
CN110931024A (zh) * | 2020-02-18 | 2020-03-27 | 成都大熊猫繁育研究基地 | 基于音频的圈养大熊猫自然交配结果的预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10061389B2 (en) | Gesture recognition system and gesture recognition method | |
CN109726700B (zh) | 一种基于多特征的虫害识别预警方法和装置 | |
CN108064745A (zh) | 动物嚎叫监测系统以及基于机器学习的嚎叫状态识别方法 | |
CN107041740A (zh) | 动物心率监测系统以及基于神经网络的心率状态识别方法 | |
CN105205436A (zh) | 一种基于前臂生物电多传感器的手势识别系统 | |
CN107041732A (zh) | 动物体温监测系统以及基于机器学习的体温状态识别方法 | |
CN106934750A (zh) | 一种健身房管理系统 | |
CN112716474A (zh) | 基于生物微波雷达的非接触式睡眠状态监测方法和系统 | |
CN202904667U (zh) | 基于移动终端的作物病害识别系统 | |
CN108065938A (zh) | 动物活动监测系统以及基于神经网络的活动状态识别方法 | |
CN107046554A (zh) | 动物健康智能监测系统及其数据采集传输与查询方法 | |
CN105868519A (zh) | 人体特征数据的处理方法及装置 | |
CN108064746A (zh) | 动物饮水监测系统以及基于神经网络的饮水状态识别方法 | |
CN111916089B (zh) | 基于声信号特征分析的冰雹检测方法和装置 | |
CN104977038B (zh) | 使用与关联存储器耦合的运动感测设备识别移动 | |
CN201004268Y (zh) | 鼠种类、鼠密度监控仪 | |
CN113456063A (zh) | 一种基于人工智能的死鸡病鸡检测系统及检测方法 | |
CN108079521A (zh) | 一种跑步测试方法及系统 | |
CN108065937A (zh) | 动物奔跑监测系统以及基于神经网络的奔跑状态识别方法 | |
CN108065935A (zh) | 动物呼吸频率监测系统以及基于机器学习的呼吸频率状态识别方法 | |
CN114499712B (zh) | 一种手势识别方法、设备及存储介质 | |
CN112086165B (zh) | 一种基于深度学习的上肢康复监测方法及系统 | |
CN108065939A (zh) | 动物血糖监测系统以及基于机器学习的血糖状态识别方法 | |
CN108065924A (zh) | 动物血压监测系统以及基于机器学习的血压状态识别方法 | |
CN205849445U (zh) | 一种融合多传感器的人体生理特征信息采集装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180525 |