CN109009129B - 基于声学分析的母猪呼吸系统疾病预警系统 - Google Patents

基于声学分析的母猪呼吸系统疾病预警系统 Download PDF

Info

Publication number
CN109009129B
CN109009129B CN201810948774.5A CN201810948774A CN109009129B CN 109009129 B CN109009129 B CN 109009129B CN 201810948774 A CN201810948774 A CN 201810948774A CN 109009129 B CN109009129 B CN 109009129B
Authority
CN
China
Prior art keywords
cough
sow
respiratory disease
time
audio
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.)
Active
Application number
CN201810948774.5A
Other languages
English (en)
Other versions
CN109009129A (zh
Inventor
沈明霞
张海林
刘龙申
施宏
陆明洲
孙玉文
云苏乐
陆鹏宇
秦伏亮
庄超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Huixin Biotechnology Co.,Ltd.
Original Assignee
Nanjing Agricultural University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Agricultural University filed Critical Nanjing Agricultural University
Priority to CN201810948774.5A priority Critical patent/CN109009129B/zh
Publication of CN109009129A publication Critical patent/CN109009129A/zh
Application granted granted Critical
Publication of CN109009129B publication Critical patent/CN109009129B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0823—Detecting or evaluating cough events
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/40—Animals

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Physiology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pulmonology (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种基于声学分析的母猪呼吸系统疾病预警方法，它包括以下步骤：S1、设置音频采集节点采集声音信号；S2、建立分类模型判断是否为咳嗽音频；S3、提取咳嗽信息判断是否患病；S4、获取声源位置；S5、GSM模块发送患病信息；S6、管理员接收信息；S7、判断是否继续监测：否则结束；是则返回步骤S2。本发明可直接采集猪舍声音信号，并实时对母猪咳嗽声进行识别，提取识别咳嗽音频中携带信息，判断母猪是否患有呼吸系统疾病，可提高猪舍养殖环境的自动化水平，减少人为主观判断，提高呼吸系统疾病的识别准确率。

Description

基于声学分析的母猪呼吸系统疾病预警系统
技术领域
本发明涉及母猪呼吸系统疾病预警、音频采集与分析、ARM处理器、WiFi网络、传感器技术、自动化控制技术领域。具体讲是一种采集并分析母猪咳嗽声，从而判断母猪是否患有呼吸系统疾病，并确定病猪所在栏位与实时通知管理员的预警方法。
背景技术
猪肉是我国居民的主要肉质食品，猪的健康直接关系到人类的健康。随着国内养猪业的迅速发展，猪的集约化水平越来越高，猪的呼吸系统疾病在猪群中是较为常见的一种疾病，其严重时会引起大量的猪只死亡。其中，母猪的健康尤为重要，其直接关系到仔猪的成活率与养殖场的经济效益，因此母猪呼吸系统疾病的监测在养殖过程中备受关注。
猪的呼吸系统疾病是一种常见病、多发病，其病症主要有咳嗽、呼吸困难等。目前养殖场主要依靠人工观察判断，主观性强且易疏忽，容易导致大范围的疾病发生。
发明内容
本发明针对背景技术中存在的问题，针对母猪呼吸系统疾病的主要症状，提出一种自动化监测方法。
技术方案：
一种基于声学分析的母猪呼吸系统疾病预警方法，它包括以下步骤：
S1、设置音频采集节点采集声音信号，存储咳嗽数据并提取咳嗽数据的特征参数；
S2、建立分类模型判断是否为咳嗽音频；
S3、提取咳嗽信息判断是否患病；
S4、获取声源位置；
S5、GSM模块发送患病信息；
S6、管理员接收信息；
S7、判断是否继续监测：否则结束；是则返回步骤S2。
优选的，S1中，采集声音信号的具体步骤为：
S1-1、获取幅值；
S1-2、判断是否有声音：否则返回步骤S1-1；是则进行步骤S1-3；
S1-3、持续存储数据；
S1-4、存储数据40S；
S1-5、取40S数据；
S1-6、声音识别：
S1-7、存储咳嗽数据并返回步骤S1-3。
优选的，S1-6中，声音识别的具体步骤为：
S1-6-1、预处理，包括：
(i)去噪：使用巴特沃斯滤波器滤波，达到降噪效果；
(ii)分帧加窗：使用交叠分段的方法对去躁后的声音信号进行分帧，并使用汉明窗降低频谱泄露；
(iii)端点检测：使用基于短时平均能量和短时过零率的双门限法，实现对声音信号的端点检测，从而获取样本信号；
S1-6-2、特征提取，使用加权的MFCC作为特征参数；
S1-6-3、利用熵权法计算各维参数的表征能力；
S1-6-4、计算一阶、二阶差分；
S1-6-5、主成分分析降维，取累计贡献率超过85％的特征向量作为特征参数。
优选的，S2中，判断是否咳嗽的具体步骤为：
S2-1、训练开始；
S2-2、将训练集的特征参数输入SVM分类器，构建SVM优化函数；
S2-3、采用SMO算法计算函数最优解，得到超平面；
S2-4、根据各个样本点到超平面的距离判断其分类，并输出分类模型；
S2-5、利用测试集样本测试分类模型的准确性，加以优化。
优选的，S3中，判断是否患病的具体步骤为：
S3-1、计算母猪的呼吸系统疾病五项参数值，分别为：
(i)计算咳嗽音频的均方根：
式中，S表示咳嗽声均方根；n表示咳嗽的次数；Ani表示单次咳嗽的峰值；
(ii)计算峰值频率：指一次连续咳嗽中出现峰值的次数；
(iii)计算咳嗽持续时间：指一次连续咳嗽从第一次咳嗽时间开始到最后一次咳嗽结束；
(iiii)计算咳嗽声间隔平均时间：指一次连续咳嗽中，单次咳嗽之间的间隔平均时间；
(iiiii)计算最大峰值：指一次咳嗽音频段中幅值的最大值；
S3-2、判断是否为呼吸系统疾病，建立逻辑回归方程，引入Sigmoid函数，公式如下：
其中，xi为步骤S3-1计算出的五项参数，θi为五项参数对应的系数，i＝1,2,…,5；所述θ0和θi通过不同区域大量呼吸系统疾病的病猪和非呼吸系统疾病的常猪咳嗽声音样本，输入上式后训练得到；
当hθ(x)＝0时，被判定为非呼吸系统疾病，hθ(x)＝1被判定为呼吸系统疾病；
S3-3、若S3-2判定为呼吸系统疾病，则将上述五项参数值归一化到0-10之间；将各项参数值的最大值定为10，测量值按照比例定在0-10之间；最大值的选取为动态获取，根据同一个体母猪患病一段时间内连续咳嗽的最大值确定，即若本次咳嗽声中五个参量的值与之前最大值相比较小，则最大值为之前咳嗽段最大值，若比之前大，则将该值作为最大值，并记录；
S3-4、在二维空间中，五项参数轴同一原点，各参数轴等间距，相邻参数值在各参数轴的点连线构成五边形；
S3-5、计算α判定母猪呼吸系统疾病的严重程度；
式中，S五边形为五项参数值相邻连线后构成五边形的面积，为外接圆半径为10的正五边形的面积；α为将评价等级指标划分在0-1之间的比值。
优选的，S3-5中，母猪呼吸系统疾病的严重程度按照以下标准判定：
母猪呼吸系统疾病分级标准
α 0-0.3 0.3-0.7 0.7-0.9 0.9-1
级别 Ⅰ级 II级 Ⅲ级 Ⅳ级
Ⅰ级：表示母猪有轻微呼吸系统疾病，症状为连续咳嗽次数较少，频率较低，持续时间较短，进食量没有太大变化，及时接种疫苗，治疗效果明显，常见于发病初期；
II级：表示母猪患有中度呼吸系统疾病，症状为连续咳嗽次数较多，持续时间较长，进食量略微减少，常见于患病3-4天以内，需要多次接种疫苗治疗；
Ⅲ级：表示母猪患有重度呼吸系统疾病，症状为连续咳嗽次数多，持续时间长，进食减少，且伴随明显腹式呼吸，若接种疫苗无效，需及时处理；
Ⅳ级：表示母猪患有极重呼吸系统疾病，症状为连续咳嗽次数频繁，持续时间长，进食明显减小，腹式呼吸明显，活动量减少，多次接种疫苗无效，可能在引发传染性疾病，较为少见。
优选的，S4中，获取声源位置的具体步骤为：
S4-1、所述音频采集节点设置为两套，
S4-2、获取相邻两栏音频数据；
S4-3、计算两路信号的时延τ；
S4-4、计算两路信号的功率衰减：其中，Ei表示第i个麦克风的信号能量，xi表示第i个麦克风在[0-l]时间段内声音信号采样的幅值；l表示一段时间；t表示某一采样时间；
S4-5、获取声源位置：求解方程组
其中，(x1,y1)表示第1个麦克风的坐标，(x2,y2)表示第2个麦克风的坐标；c为声速；τ为S13-3求得的时延；解得(x,y)即为声源坐标；
S4-6、结束。
本发明的有益效果
(1)本发明可直接采集猪舍声音信号，并实时对母猪咳嗽声进行识别，提取识别咳嗽音频中携带信息，利用逻辑回归分析方法判断母猪是否患有呼吸系统疾病，可提高猪舍养殖环境的自动化水平，减少人为主观判断，提高呼吸系统疾病的识别准确率。
(2)利用一次连续咳嗽中的信息，设计了网状评级方法，可直观观察到母猪咳嗽的各项指标，并根据面积比实现母猪呼吸系统疾病严重性的评级，便于管理人员优先处理紧急病猪。
(3)利用双麦克风确定声源位置，在判断母猪患有呼吸系统疾病的基础上，利用相邻两个声音采集节点所采集的音频数据，依据能量比与时延特点，确定声源位置，即咳嗽母猪所在栏位，便于管理人员及时发现生病母猪，提高管理效率。
(4)在核心处理器中集成GSM模块，可实时将患病母猪信息发送到管理人员手机，起到预警作用。
附图说明
图1为本发明系统整体框架图。
图2为本发明音频采集节点结构图。
图3为本发明方法整体流程图。
图4为本发明实时音频获取算法流程图。
图5为本发明咳嗽音频识别算法流程图。
图6为本发明加权MFCC提取算法流程图。
图7为本发明SVM算法流程图。
图8为母猪一次连续咳嗽时域图。
图9为母猪呼吸系统疾病分级评价网状分布图。
图10为双麦克风确定声源流程图。
图11为双麦克风确定声源原理图。
具体实施方式
下面结合实施例对本发明作进一步说明，但本发明的保护范围不限于此：
结合图1所示本发明的系统，它包括多个音频采集节点，多个音频采集节点连接无线通信模块，音频采集节点的无线通信模块通过路由器与微处理器(ARM核心处理器)的通信模块保持通信；所述微处理器连接SDRAM模块、Flash模块、LCD显示模块、电源模块、GSM模块，微处理器通过GSM模块同手机保持通讯。音频采集节点与核心处理器之间采用 WiFi传输数据，高度的鲁棒性能够保证本系统长期稳定工作。此外，WiFi传输具有高度的实时性，方便实时采集猪舍内的声音数据，保证了系统的工作效率。
该核心处理器主要由ARM微控制器、通信模块、GSM模块、存储模块、电源模块组成，其中通信模块与控制器之间通过SPI接口相连，GSM模块与微控制器之间通过UART 接口相连；通信模块用于接收节点采集到的音频数据；ARM控制器主要用于执行算法，得出母猪是否患有呼吸系统疾病的结果，并确定咳嗽母猪所在的栏位；GSM模块用于将病猪信息发送到饲养员。核心处理器使用ARM芯片，使整套装置具有高性能、低功耗与易扩展等特点，并且ARM自带操作系统提供了算法运行的基本环境，可以将音频数据加以处理，并结合GSM模块，发送预警信息至管理人员。
结合图2，所述音频采集节点包括顺次连接的声音传感器、功率放大器和WiFi模块，所述WiFi模块通过电源模块供电。其中声音传感器可以将环境中的声音转换为电信号，通过功率放大器将电信号放大，之后传输到WiFi模块，WiFi模块将音频数据发送至路由器，从而到达ARM核心处理器，其保存数据格式为.WAV，且采样频率为48000HZ，采样精度为16位。
结合图3给出了本发明的整体流程，总结分为以下几大步：
S1、设置音频采集节点采集声音信号，存储咳嗽数据并提取咳嗽数据的特征参数；
S2、建立分类模型判断是否为咳嗽音频；
S3、提取咳嗽信息判断是否患病；
S4、获取声源位置；
S5、GSM模块发送患病信息；
S6、管理员接收信息；
S7、判断是否继续监测：否则结束；是则返回步骤S2。
具体的，结合图4的实时音频获取算法流程图，步骤S1具体包括：
S1-1、获取幅值；
S1-2、判断是否有声音：否则返回步骤S1-1；是则进行步骤S1-3；
S1-3、持续存储数据；
S1-4、存储数据40S；
S1-5、取40S数据；
S1-6、声音识别：
S1-7、存储咳嗽数据并返回步骤S1-3。
具体的，结合图5的咳嗽音频识别算法流程图，步骤S1-6具体包括：
S1-6-1、预处理，包括：
(i)去噪：使用巴特沃斯滤波器滤波，达到降噪效果；
(ii)分帧加窗：使用交叠分段的方法对去躁后的声音信号进行分帧，并使用汉明窗降低频谱泄露；
(iii)端点检测：使用基于短时平均能量和短时过零率的双门限法，实现对声音信号的端点检测，从而获取样本信号；
S1-6-2、特征提取，使用加权的MFCC作为特征参数；加权的MFCC提取算法如图6 所示(首先计算咳嗽声与非咳嗽声的MFCC特征参数，由于MFCC各维参数对样本信号的表征能力不同，利用熵权法计算各维参数的表征能力，取表征能力较高的几维，再求其一阶、二阶差分，增加特征在时域内的连续性，利用主成分分析法降维，取累积贡献率超过 85％的特征向量作为特征参数，用于模型的训练与识别测试)；
S1-6-3、利用熵权法计算各维参数的表征能力；
S1-6-4、计算一阶、二阶差分；
S1-6-5、主成分分析降维，取累计贡献率超过85％的特征向量作为特征参数。
具体的，步骤S2具体包括：
S2-1、训练开始；
S2-2、将训练集的特征参数输入SVM分类器，构建SVM优化函数；所述SVM算法流程如图7所示(将音频段样本数据分为训练集和测试集，将训练集样本的特征参数输入 SVM分类器，构建SVM优化函数，利用SMO算法计算函数最优解，从而得到超平面，根据各个样本点到超平面的距离判断其分类，并输出分类结果，得到SVM分类模型，利用测试集样本测试分类模型准确性，并加以优化)；
S2-3、采用SMO算法计算函数最优解，得到超平面；
S2-4、根据各个样本点到超平面的距离判断其分类，并输出分类模型；
S2-5、利用测试集样本测试分类模型的准确性，加以优化。
在步骤S3中，由于母猪呼吸系统疾病主要病症以咳嗽声为主，通过咳嗽声的监测可以及时发现母猪健康状况。在本装置中，通过SVM模型的分类识别，可将夜间声音信号中母猪的咳嗽音频段识别并输出，利用咳嗽声与其他声音在声学方面的参数差异，如：均方根、峰值频率、咳嗽持续时间与持续咳嗽声之间的间隔时间等，利用逻辑回归建立咳嗽声与呼吸系统疾病之间的判别模型。
逻辑回归分析是以多个解释变量的给定值为条件的回归分析，是研究一个因变量和多个自变量的线性关系方法，但逻辑回归的因变量只能有0或1两种状态。在本装置中，因变量为是否患有呼吸系统疾病，即0为未患病，1为患病。自变量为咳嗽声的均方根、峰值频率、咳嗽持续时间、持续咳嗽声之间的间隔时间与峰值大小等。如图8所示为母猪一次连续咳嗽音频。故具体的：
S3-1、计算母猪的呼吸系统疾病五项参数值，分别为：
(i)计算咳嗽音频的均方根：
式中，S表示咳嗽声均方根；n表示咳嗽的次数；Ani表示单次咳嗽的峰值；
(ii)计算峰值频率：指一次连续咳嗽中出现峰值的次数；
(iii)计算咳嗽持续时间：指一次连续咳嗽从第一次咳嗽时间开始到最后一次咳嗽结束；
(iiii)计算咳嗽声间隔平均时间：指一次连续咳嗽中，单次咳嗽之间的间隔平均时间；
(iiiii)计算最大峰值：指一次咳嗽音频段中幅值的最大值；
S3-2、判断是否为呼吸系统疾病，建立逻辑回归方程，引入Sigmoid函数，公式如下：
其中，xi为步骤S3-1计算出的五项参数，θi为五项参数对应的系数，i＝1,2,…,5；所述θ0和θi通过不同区域大量呼吸系统疾病的病猪和非呼吸系统疾病的常猪咳嗽声音样本，输入上式后训练得到；
将上述五项参数输入上式后，当hθ(x)＝0时，被判定为非呼吸系统疾病，hθ(x)＝1被判定为呼吸系统疾病；
S3-3、若S3-2判定为呼吸系统疾病，则将上述五项参数值归一化到0-10之间；如图9 所示：将各项参数值的最大值定为10，测量值按照比例定在0-10之间；最大值的选取为动态获取，根据同一个体母猪患病一段时间内连续咳嗽的最大值确定，即若本次咳嗽声中五个参量的值与之前最大值相比较小，则最大值为之前咳嗽段最大值，若比之前大，则将该值作为最大值，并记录；
S3-4、在二维空间中，五项参数轴同一原点，各参数轴等间距，相邻参数值在各参数轴的点连线构成五边形；
S3-5、计算α判定母猪呼吸系统疾病的严重程度；
式中，S五边形为五项参数值相邻连线后构成五边形的面积，为外接圆半径为10的正五边形的面积；α为将评价等级指标划分在0-1之间的比值。母猪呼吸系统疾病的严重程度按照以下标准判定：
母猪呼吸系统疾病分级标准
α 0-0.3 0.3-0.7 0.7-0.9 0.9-1
级别 Ⅰ级 II级 Ⅲ级 Ⅳ级
Ⅰ级：表示母猪有轻微呼吸系统疾病，症状为连续咳嗽次数较少，频率较低，持续时间较短，进食量没有太大变化，及时接种疫苗，治疗效果明显，常见于发病初期；
II级：表示母猪患有中度呼吸系统疾病，症状为连续咳嗽次数较多，持续时间较长，进食量略微减少，常见于患病3-4天以内，需要多次接种疫苗治疗；
Ⅲ级：表示母猪患有重度呼吸系统疾病，症状为连续咳嗽次数多，持续时间长，进食减少，且伴随明显腹式呼吸，若接种疫苗无效，需及时处理；
Ⅳ级：表示母猪患有极重呼吸系统疾病，症状为连续咳嗽次数频繁，持续时间长，进食明显减小，腹式呼吸明显，活动量减少，多次接种疫苗无效，可能在引发传染性疾病，较为少见。
利用一次连续咳嗽中的信息，设计了网状评级方法，可直观观察到母猪咳嗽的各项指标，并根据面积比实现母猪呼吸系统疾病严重性的评级，便于管理人员优先处理紧急病猪。
结合图10，S4中，获取声源位置的具体步骤为：
S4-1、所述音频采集节点设置为两套，
S4-2、获取相邻两栏音频数据；
S4-3、计算两路信号的时延τ；
S4-4、计算两路信号的功率衰减：其中，Ei表示第i个麦克风的信号能量，xi表示第i个麦克风在[0-l]时间段内声音信号采样的幅值；l表示一段时间；t表示某一采样时间；
S4-5、获取声源位置：求解方程组
其中，(x1,y1)表示第1个麦克风的坐标，(x2,y2)表示第2个麦克风的坐标；c为声速；τ为S13-3求得的时延；解得(x,y)即为声源坐标；
S4-6、结束。
下面结合图11对获取声源位置的结论进行原理分析。在确实声源位置时，对于麦克风采集音频信号，可将其接收信号的模型表示为：
x(t)＝s(t-τ)/d+n(t)
其中：s(t)为源信号；n(t)为加性白噪声；d和τ分别表示信号到达麦克风的距离和时延。
如图11所示，设声源S的坐标为(x,y)，第1个麦克风的坐标为(x1,y1)，第2个麦克风的坐标为(x2,y2)，可依据声源信号到达两个麦克风的信号能量与距离平方成反比和时延的特点，确定声源S的位置。在不考虑噪声影响的情况下，两只麦克风接收到信号时的信号能量为该时间段内咳嗽声信号的幅值平方和，能量与距离的关系可以表示为：
其中：表示第i个麦克风的信号能量，表示第i个麦克风到声源的距离。
由于声源到两个麦克风之间的距离不同，导致两个麦克风收到音频信号的时间不同，结合声音在空中的传播速度，可得如下方程(2)，由方程可知声源S在以两个麦克风为焦点的双曲线上。
d1-d2＝cτ (2)
其中：表示第i个麦克风到声源的距离；c表示声速；τ表示延时时间。
整理方程(1)(2)，最终可以得到方程组如下：
其中：
由此可根据上述方程组中确定两个圆的交点即为声源S的位置，即母猪咳嗽的大致栏位。
利用双麦克风确定声源位置，在判断母猪患有呼吸系统疾病的基础上，利用相邻两个声音采集节点所采集的音频数据，依据能量比与时延特点，确定声源位置，即咳嗽母猪所在栏位，便于管理人员及时发现生病母猪，提高管理效率。
本发明可直接采集猪舍声音信号，并实时对母猪咳嗽声进行识别，提取识别咳嗽音频中携带信息，利用逻辑回归分析方法判断母猪是否患有呼吸系统疾病，可提高猪舍养殖环境的自动化水平，减少人为主观判断，提高呼吸系统疾病的识别准确率。
本文中所描述的具体实施例仅仅是对本发明精神做举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (5)

1.一种基于声学分析的母猪呼吸系统疾病预警系统，其特征在于它包括多个音频采集节点，每个音频采集节点包含顺次连接的声音传感器、功率放大器及WiFi模块，其中声音传感器将环境中的声音转换为电信号，通过功率放大器将电信号放大，并利用WiFi模块与路由器建立无线通信连接，路由器发送信号至微处理器；所述微处理器连接SDRAM模块、Flash模块、通信模块、LCD显示模块、电源模块、GSM模块，所述微处理器执行以下步骤：
S1、设置音频采集节点采集声音信号，存储咳嗽数据并提取咳嗽数据的特征参数；采集声音信号的具体步骤为：
S1-1、获取幅值；
S1-2、判断是否有声音：否则返回步骤S1-1；是则进行步骤S1-3；
S1-3、持续存储数据；
S1-4、存储数据40S；
S1-5、取40S数据；
S1-6、声音识别：
S1-7、存储咳嗽数据并返回步骤S1-3；
S2、建立分类模型判断是否为咳嗽音频；
S3、提取咳嗽信息判断是否患病；判断是否患病的具体步骤为：
S3-1、计算母猪的呼吸系统疾病五项参数值，分别为：
(i)计算咳嗽音频的均方根：
式中，S表示咳嗽声均方根；n表示咳嗽的次数；Ani表示单次咳嗽的峰值；
(ii)计算峰值频率：指一次连续咳嗽中出现峰值的次数；
(iii)计算咳嗽持续时间：指一次连续咳嗽从第一次咳嗽时间开始到最后一次咳嗽结束；
(iiii)计算咳嗽声间隔平均时间：指一次连续咳嗽中，单次咳嗽之间的间隔平均时间；
(iiiii)计算最大峰值：指一次咳嗽音频段中幅值的最大值；
S3-2、判断是否为呼吸系统疾病，建立逻辑回归方程，引入Sigmoid函数，公式如下：
其中，xi为步骤S3-1计算出的五项参数，θi为五项参数对应的系数，i＝1,2,…,5；所述θ0和θi通过不同区域大量呼吸系统疾病的病猪和非呼吸系统疾病的常猪咳嗽声音样本，输入上式后训练得到；
当hθ(x)＝0时，被判定为非呼吸系统疾病，hθ(x)＝1被判定为呼吸系统疾病；
S3-3、若S3-2判定为呼吸系统疾病，则将上述五项参数值归一化到0-10之间；将各项参数值的最大值定为10，测量值按照比例定在0-10之间；最大值的选取为动态获取，根据同一个体母猪患病一段时间内连续咳嗽的最大值确定，即若本次咳嗽声中五个参量的值与之前最大值相比较小，则最大值为之前咳嗽段最大值，若比之前大，则将该值作为最大值，并记录；
S3-4、在二维空间中，五项参数轴同一原点，各参数轴等间距，相邻参数值在各参数轴的点连线构成五边形；
S3-5、计算α判定母猪呼吸系统疾病的严重程度：
式中，S五边形为五项参数值相邻连线后构成五边形的面积，为外接圆半径为10的正五边形的面积；α为将评价等级指标划分在0-1之间的比值；
S4、获取声源位置；
S5、GSM模块发送患病信息；
S6、管理员接收信息；
S7、判断是否继续监测：否则结束；是则返回步骤S2。
2.根据权利要求1所述的系统，其特征在于S1-6中，声音识别的具体步骤为：
S1-6-1、预处理，包括：
(i)去噪：使用巴特沃斯滤波器滤波，达到降噪效果；
(ii)分帧加窗：使用交叠分段的方法对去躁后的声音信号进行分帧，并使用汉明窗降低频谱泄露；
(iii)端点检测：使用基于短时平均能量和短时过零率的双门限法，实现对声音信号的端点检测，从而获取样本信号；
S1-6-2、特征提取，使用加权的MFCC作为特征参数；
S1-6-3、利用熵权法计算各维参数的表征能力；
S1-6-4、计算一阶、二阶差分；
S1-6-5、主成分分析降维，取累计贡献率超过85％的特征向量作为特征参数。
3.根据权利要求1所述的系统，其特征在于S2中，判断是否咳嗽的具体步骤为：
S2-1、训练开始；
S2-2、将训练集的特征参数输入SVM分类器，构建SVM优化函数；
S2-3、采用SMO算法计算函数最优解，得到超平面；
S2-4、根据各个样本点到超平面的距离判断其分类，并输出分类模型；
S2-5、利用测试集样本测试分类模型的准确性，加以优化。
4.根据权利要求1所述的系统，其特征在于S3-5中，母猪呼吸系统疾病的严重程度按照以下标准判定：
母猪呼吸系统疾病分级标准
α 0-0.3 0.3-0.7 0.7-0.9 0.9-1 级别 Ⅰ级 Ⅱ级 Ⅲ级 Ⅳ级
Ⅰ级：表示母猪有轻微呼吸系统疾病，症状为连续咳嗽次数较少，频率较低，持续时间较短，进食量没有太大变化，及时接种疫苗，治疗效果明显，常见于发病初期；
Ⅱ级：表示母猪患有中度呼吸系统疾病，症状为连续咳嗽次数较多，持续时间较长，进食量略微减少，常见于患病3-4天以内，需要多次接种疫苗治疗；
Ⅲ级：表示母猪患有重度呼吸系统疾病，症状为连续咳嗽次数多，持续时间长，进食减少，且伴随明显腹式呼吸，若接种疫苗无效，需及时处理；
Ⅳ级：表示母猪患有极重呼吸系统疾病，症状为连续咳嗽次数频繁，持续时间长，进食明显减小，腹式呼吸明显，活动量减少，多次接种疫苗无效，可能在引发传染性疾病，较为少见。
5.根据权利要求1所述的系统，其特征在于S4中，获取声源位置的具体步骤为：
S4-1、所述音频采集节点设置为两套，
S4-2、获取相邻两栏音频数据；
S4-3、计算两路信号的时延τ；
S4-4、计算两路信号的功率衰减：其中，Ei表示第i个麦克风的信号能量，xi表示第i个麦克风在[0-l]时间段内声音信号采样的幅值；l表示一段时间；t表示某一采样时间；
S4-5、获取声源位置：求解方程组
其中，(x1,y1)表示第1个麦克风的坐标，(x2,y2)表示第2个麦克风的坐标；c为声速；τ为S13-3求得的时延；解得(x,y)即为声源坐标；
S4-6、结束。
CN201810948774.5A 2018-08-20 2018-08-20 基于声学分析的母猪呼吸系统疾病预警系统 Active CN109009129B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810948774.5A CN109009129B (zh) 2018-08-20 2018-08-20 基于声学分析的母猪呼吸系统疾病预警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810948774.5A CN109009129B (zh) 2018-08-20 2018-08-20 基于声学分析的母猪呼吸系统疾病预警系统

Publications (2)

Publication Number Publication Date
CN109009129A CN109009129A (zh) 2018-12-18
CN109009129B true CN109009129B (zh) 2019-06-04

Family

ID=64632083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810948774.5A Active CN109009129B (zh) 2018-08-20 2018-08-20 基于声学分析的母猪呼吸系统疾病预警系统

Country Status (1)

Country Link
CN (1) CN109009129B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109602421A (zh) * 2019-01-04 2019-04-12 平安科技（深圳）有限公司 健康监测方法、装置及计算机可读存储介质
CN111916096B (zh) * 2019-05-09 2021-04-27 南京农业大学 一种基于树莓派的藏羊牧食行为监测方法
JP7312037B2 (ja) * 2019-06-25 2023-07-20 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 咳検出装置、咳検出装置の作動方法及びプログラム
CN110856064B (zh) * 2019-11-27 2021-06-04 内蒙古农业大学 一种家畜牧食声音信号采集装置及使用该装置的采集方法
CN111028862B (zh) * 2019-12-17 2022-09-06 京东科技信息技术有限公司 处理语音数据的方法、装置、计算机设备和存储介质
CN112655589A (zh) * 2019-12-27 2021-04-16 丰疆智能科技股份有限公司 仔猪救助管理系统和救助方法
CN111540347A (zh) * 2020-05-12 2020-08-14 山东科华电力技术有限公司 基于音频的电缆隧道监测方法及系统
CN112470989A (zh) * 2020-06-22 2021-03-12 丰疆智能(深圳)有限公司 病猪标记方法和标记系统以及猪群呼吸道疾病的预测方法和预测系统
TWI752551B (zh) * 2020-07-13 2022-01-11 國立屏東大學 迅吃偵測方法、迅吃偵測裝置與電腦程式產品
CN112562739A (zh) * 2020-11-20 2021-03-26 山东泛在智能科技有限公司 规模化饲养型肉鸡呼吸道病症声音数据分析系统
CN115136912B (zh) * 2021-03-31 2024-05-10 上海海洋大学 结合水质参数与行为发声的养殖虾类发病预测方法
CN115414025A (zh) * 2021-05-31 2022-12-02 华为技术有限公司 筛查方法、设备、存储介质及程序产品
CN113326899A (zh) * 2021-06-29 2021-08-31 西藏新好科技有限公司 一种基于深度学习模型的仔猪被压检测方法
CN113456055A (zh) * 2021-07-05 2021-10-01 自牧机器人(青岛)有限公司 一种基于人工智能的家禽呼吸道实时监测系统
CN113488071A (zh) * 2021-07-16 2021-10-08 河南牧原智能科技有限公司 一种猪只咳嗽识别方法、装置、设备及可读存储介质
CN115076943A (zh) * 2022-05-13 2022-09-20 青岛海尔空调器有限总公司 空调控制方法、装置、设备、介质及其空调器
CN115413605B (zh) * 2022-09-19 2023-05-09 仲恺农业工程学院 一种综合体重、声音和挣扎力信息判别肉鸽性别的系统
CN118294966B (zh) * 2024-06-04 2024-08-09 环球数科集团有限公司 一种利用海洋生物声音特征的被动声纳监测系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07376A (ja) * 1993-06-15 1995-01-06 Chiesuto M I Kk 咳記録装置
JP2003038460A (ja) * 2001-08-03 2003-02-12 Mitsubishi Pharma Corp 咳嗽音検出装置、咳嗽音検出方法、咳嗽音検出プログラム及び情報記憶媒体
CN101894551A (zh) * 2010-07-02 2010-11-24 华南理工大学 一种咳嗽自动识别方法及装置
CN202374413U (zh) * 2011-12-21 2012-08-08 北京农业信息技术研究中心 一种牲畜咳嗽声音采集装置
EP2783629A1 (fr) * 2013-03-29 2014-10-01 Nutral SAS Système pour la gestion de l'état sanitaire et respiratoire de bovins
CN205451770U (zh) * 2015-11-30 2016-08-10 中国农业科学院农业信息研究所 一种畜禽咳嗽声监测预警装置
CN106847262A (zh) * 2016-12-28 2017-06-13 华中农业大学 一种猪呼吸道疾病自动识别报警方法
CN107094633A (zh) * 2017-05-25 2017-08-29 仁怀市泓熙养殖专业合作社 具有呼吸道疾病监测功能的猪舍

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07376A (ja) * 1993-06-15 1995-01-06 Chiesuto M I Kk 咳記録装置
JP2003038460A (ja) * 2001-08-03 2003-02-12 Mitsubishi Pharma Corp 咳嗽音検出装置、咳嗽音検出方法、咳嗽音検出プログラム及び情報記憶媒体
CN101894551A (zh) * 2010-07-02 2010-11-24 华南理工大学 一种咳嗽自动识别方法及装置
CN202374413U (zh) * 2011-12-21 2012-08-08 北京农业信息技术研究中心 一种牲畜咳嗽声音采集装置
EP2783629A1 (fr) * 2013-03-29 2014-10-01 Nutral SAS Système pour la gestion de l'état sanitaire et respiratoire de bovins
CN205451770U (zh) * 2015-11-30 2016-08-10 中国农业科学院农业信息研究所 一种畜禽咳嗽声监测预警装置
CN106847262A (zh) * 2016-12-28 2017-06-13 华中农业大学 一种猪呼吸道疾病自动识别报警方法
CN107094633A (zh) * 2017-05-25 2017-08-29 仁怀市泓熙养殖专业合作社 具有呼吸道疾病监测功能的猪舍

Also Published As

Publication number Publication date
CN109009129A (zh) 2018-12-18

Similar Documents

Publication Publication Date Title
CN109009129B (zh) 基于声学分析的母猪呼吸系统疾病预警系统
CN106847262A (zh) 一种猪呼吸道疾病自动识别报警方法
CN108717668A (zh) 一种奶牛行为与生理特征物联网系统及其工作方法
CN109243470A (zh) 基于音频技术的肉鸡咳嗽监测方法
CN103970975B (zh) 心电数据处理方法和系统
CN106847293A (zh) 设施养殖羊应激行为的声信号监测方法
CN111407315B (zh) 一种针对超声多普勒胎心信号的质量评估方法
CN111583962A (zh) 一种基于声学分析的羊反刍行为监测方法
CN105336331A (zh) 基于声音的猪异常行为智能监测方法及智能监测系统
CN105091938A (zh) 畜禽健康状况监测方法及系统
CN107080545B (zh) 一种基于脑电的测谎系统
CN111916089B (zh) 基于声信号特征分析的冰雹检测方法和装置
CN113397494A (zh) 动物体征监测装置和方法及智能可穿戴装置
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
CN111613210A (zh) 一种各类呼吸暂停综合征的分类检测系统
CN114898405A (zh) 基于边缘计算的便携式肉鸡异常监测系统
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
CN107780506A (zh) 一种可智能化分析的新型马桶
CN100525727C (zh) 应用蝙蝠回声定位声波测定识别蝙蝠种类的方法
CN106175698B (zh) 睡眠状态分析中睡眠周期检测装置
CN103916462A (zh) 一种反刍动物反刍信息采集系统
CN105613348B (zh) 基音频谱分析与中心频率计算双向判断的鸡雏性别辨别器
Wang et al. Automatic detection of continuous pig cough in a complex piggery environment
CN103868821B (zh) 采用基于超声波的便携式鱼肉质新鲜度检测装置的评价方法
CN103308918A (zh) 一种基于分段时域质心特征的鱼类识别方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210128

Address after: 210000 College of technology, Nanjing Agricultural University, 40 dianjiangtai Road, Pukou District, Nanjing, Jiangsu Province

Patentee after: Nanjing Huixin Biotechnology Co.,Ltd.

Address before: 211225 Jiangsu Nanjing Lishui District Baima Town National Agricultural Science and Technology Park Nanjing Agricultural University base

Patentee before: NANJING AGRICULTURAL University