CN109243470A - 基于音频技术的肉鸡咳嗽监测方法 - Google Patents
基于音频技术的肉鸡咳嗽监测方法 Download PDFInfo
- Publication number
- CN109243470A CN109243470A CN201810932441.3A CN201810932441A CN109243470A CN 109243470 A CN109243470 A CN 109243470A CN 201810932441 A CN201810932441 A CN 201810932441A CN 109243470 A CN109243470 A CN 109243470A
- Authority
- CN
- China
- Prior art keywords
- broiler chicken
- frame
- cough
- sound
- data
- 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.)
- Granted
Links
- 241000287828 Gallus gallus Species 0.000 title claims abstract description 101
- 206010011224 Cough Diseases 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012544 monitoring process Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 238000009432 framing Methods 0.000 claims description 14
- 230000036541 health Effects 0.000 claims description 9
- 230000005236 sound signal Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000011358 absorbing material Substances 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 239000012814 acoustic material Substances 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 claims description 2
- 235000013330 chicken meat Nutrition 0.000 abstract description 15
- 238000004458 analytical method Methods 0.000 abstract description 5
- 208000023504 respiratory system disease Diseases 0.000 abstract description 5
- 238000009395 breeding Methods 0.000 abstract description 3
- 230000001488 breeding effect Effects 0.000 abstract description 3
- 238000012549 training Methods 0.000 abstract description 3
- 230000005856 abnormality Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 24
- 239000000284 extract Substances 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 244000144977 poultry Species 0.000 description 3
- 235000013594 poultry meat Nutrition 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 235000013622 meat product Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015277 pork Nutrition 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
-
- 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
- A01K45/00—Other aviculture appliances, e.g. devices for determining whether a bird is about to lay
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/66—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for extracting parameters related to health condition
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Environmental Sciences (AREA)
- Acoustics & Sound (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Signal Processing (AREA)
- Birds (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Epidemiology (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音频技术的肉鸡咳嗽监测方法,位于采音室的拾音器将实时采集其发声信息,并通过数据线传输至音频存储单元保存;PC上位机定时读取存储单元里的音频数据,并对读取的音频数据进行预处理;通过人工选取音频中鸡只咳嗽状态的时间段,对时间段内的肉鸡咳嗽声数据进行特征提取,采用SVM分类器训练决策模型;肉鸡声音在经过模型分类后若识别为咳嗽且达到程序设定的预警值时,PC端将发出肉鸡异常警告。本发明通过对肉鸡的咳嗽声音进行分析实现肉鸡呼吸道疾病自动识别报警,为肉鸡呼吸系统疾病的早期发现及处理提供了自动化判断方法,真正意义上实现了肉鸡自动化养殖。
Description
技术领域
本发明涉及畜禽养殖、音频检测、音频识别技术领域,具体地讲是一种基于音频技术的肉鸡咳嗽监测方法。
背景技术
我国鸡肉的产量在最近20年来持续增长,大约以每年5%至6%的速度持续增长,鸡肉成为仅次于猪肉的第二大肉类消费品,中国也是世界上第二大鸡肉生产国,肉鸡的健康养殖直接关系到食品安全。
随着肉鸡集约化养殖的发展,肉鸡饲养密度大且福利差、管理条件缺失以及较差舍内环境,出现了大量的肉鸡患病甚至死亡的情况。呼吸道疾病是影响养鸡业的几类主要疾病之一,咳嗽是其主要的发病症状。现阶段对于肉鸡的健康信息的获取主要是通过饲养员的连续观察来实现的,浪费了大量的人力成本,并且判断获得的主观性较强,很容易出现由于饲养员的疏忽导致没有及时发现并处理患病肉鸡的情况发生。因此,实时有效监测到肉鸡的咳嗽状态,及早发现病情并处理,对于提升肉鸡健康水平和福利养殖工作具有实用价值,是实现肉鸡自动化养殖的有效途径之一。
发明内容
本发明针对背景技术中存在的问题,结合肉鸡实际养殖环境中的需求,提出了一种基于音频技术的肉鸡咳嗽监测方法。
一种基于音频技术的肉鸡咳嗽监测方法,它基于音频技术的肉鸡咳嗽监测系统,所述系统包括顺次连接的采音室、音频存储单元和PC上位机,所述方法具体包括以下步骤:
S1、肉鸡咳嗽声音的采集:基于采音室采集肉鸡发声信息;
S2、数据的传输与存储:采音室与音频存储单元、音频存储单元与上位机均通过有线方式连接,采音室获得的声音数据信息通过数据线传输到音频存储单元存储,位于PC上位机的主程序每隔固定时间对音频存储单元中的数据进行读取处理;
S3、肉鸡声音数据的预处理:
S4、肉鸡咳嗽声的识别判断;上位机通过接收到的声音数据建立咳嗽特征模型,并将肉鸡发声信息进行分类处理;上位机识别出咳嗽并且达到预警值时在PC客户端发出鸡只健康警告。
优选的,步骤S1中,所述肉鸡采音室包括外壁、内壁和小型麦克风,所述外壁为隔音材料,以降低外部噪声对采集声音源的干扰;所述内壁为吸音材料,以减少采音室内的回声干扰;所述小型麦克风设置在采集室内壁上并距离地面50cm,过低容易造成肉鸡啄食,过高则失去了声音数据部分保真度。
优选的,步骤S2中,音频存储单元选用高品质智能录音笔,可设置多个采样频率,并且具有定时存储、声控录音等功能;这里所有声音以16位、48kHz采样率进行记录,每隔1min保存一次声音数据,以使采集的声音数据大小合适,音质较好便于后期的分析识别。
具体的,步骤S3中,预处理具体包括:
S3-1、滤波去噪:采用Butterworth低通滤波器进行滤波;
S3-2、分帧加窗:以帧长为10~30ms对声音信号进行分帧处理,在连续的两帧之间设定一部分的重叠区域即一个窗函数,利用窗函数对滤波后的语音信号作交叠分段,将语音信号进行分帧,保持其帧与帧之间的连续性;
S3-3、端点检测:
S3-3-1、标记语音检测起点;
S3-3-2、计算当前帧的短时帧能量和短时平均过零率;
S3-3-3、判断短时帧能量或短时平均过零率是否高出设定阈值:是则进行步骤S3-3-5,否则进行步骤S3-3-4;
S3-3-4、取下一帧数据,并返回步骤S3-3-2计算;
S3-3-5、标记语音起点;
S3-3-6、判断后续三帧数据中短时帧能量或短时平均过零率是否高出设定阈值:是则进行步骤S3-3-8,否则进行步骤S3-3-7;
S3-3-7、取消已标记的语音起点,并返回步骤S3-3-4;
S3-3-8、检测到语音信号的起点,进一步处理;
S3-3-9、标记语音检测终点;
S3-3-10、计算当前帧的短时帧能量和短时平均过零率;
S3-3-11、判断短时帧能量或短时平均过零率是否低于设定阈值:是则进行步骤S3- 3-13、否则进行步骤S3-3-12、
S3-3-12、取下一帧数据,并返回步骤S3-3-10计算;
S3-3-13、标记语音终点;
S3-3-14、判断后续三帧数据中短时帧能量或短时平均过零率是否低于设定阈值:是则进行步骤S3-3-16,否则进行步骤S3-3-15;
S3-3-15、取消已标记的语音终点,并返回步骤S3-3-12;
S3-3-16、检测到语音信号的终点,进一步处理;
S3-3-17、计算结束。
具体的,S3-1中,Butterworth低通滤波器采用下述运算式表示:
上式中H(w)为幅值,n代表了滤波器的阶数,由研究人员根据情况自行选择,这里选择5阶滤波器;ωc代表了截止频率,即振幅下降为3dB时的频率;ωp为通频带边缘频率; w为实际频率,由原始声信号经傅里叶变换获得。
具体的,S3-2中,使用汉明窗进行分帧,表达式如下:
加窗分帧处理后,将第n帧的肉鸡声音信号表示为xn(m),则:
其中,y(n)表示分帧后声信号幅值,x(m)为原始声信号,w( )为窗函数。
具体的,S3-3中,由能量与幅值的平方成正比,短时帧能量的计算方法为:
式中,En为第n帧信号的短时帧能量,x(m)表示声音信号,w(n)为窗函数;
短时平均过零率的计算方法为:
式中,Zn为短时平均过零率,x(m)为m时刻声音信号,x(m-1)为(m-1)时刻声音信号,T为设置的门限值,w(n)为窗函数,sgn为符号函数,满足:
式中,x(n)为声音信号,sgn[ ]为符号函数,声音信号在0上方时其值为1,在0下方时其值为-1。
优选的,步骤S4中,肉鸡咳嗽声的识别包括以下步骤:
S4-1-1、特征提取,将获得的声音顺次经过预处理、FFT变换、求功率谱、Mel频率滤波、自然对数运算、DCT变换,最终获得MFCC参数;
S4-1-2、分类识别,采用单分类支持向量机构建肉鸡咳嗽分类识别模型,决策函数为:
其中,f(x)为决策函数,αi为拉格朗日乘数,K(xi,xj)为核函数,ρ为阈值,sgn( )为符号函数,即x>0时,sgn(x)=1;x=0时,sgn(x)=0;x<0时,sgn(x)=-1;
当f(x)>0时,则该样本为正样本即咳嗽声音,否则属于非咳嗽声音。
优选的,步骤S4中,将肉鸡咳嗽程度依据每分钟咳嗽次数进行分类:0~10次,无;11~15次,轻微;16~20次,患病;20以上,严重;上位机根据需要将预警值设定为轻微、患病或严重,当达到预警值时,PC客户端发出鸡只健康警告。
本发明的有益效果
(1)本发明对肉鸡发声信息进行实时监测,在现场无人工操作的情况下,记录肉鸡发声信息并自动分析识别,及时发现肉鸡咳嗽症状并发出警告,提高肉鸡呼吸道疾病防疫的自动化水平与防疫效果。
(2)与传统的人工主观检测方式相比,该方法不仅节省了人力成本,同时避免了人工主观判断可能造成的漏判错判,为肉鸡咳嗽监测提供科学量化的识模型,提高了咳嗽监测的准确性。
(3)通过采音室,麦克风,存储单元(录音笔),上位机等硬件,使肉鸡咳嗽监测识别系统化、流程化,简便易行,为系统的推广应用提供了蓝本。
附图说明
图1为本发明的系统结构示意图。
图2为本发明的系统整体框架图。
图3为本发明的采音室结构示意图。
图4为端点检测流程图。
图5为MFCC提取流程图。
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-图2,本专利系统包括:采音室1,拾音器(即声音采集节点),音频存储单元2和PC上位机3。肉鸡位于采音室1中时,拾音器将获取肉鸡的发声信息,存储至音频存储单元2;音频存储单元2每1min保存一次拾音器采集到的声音数据;而PC上位机3中的监测系统每隔一定时间间隔(1min)会自动读取音频存储单元里2的数据进行识别,在经过A/D转换,预处理(滤波、分帧加窗、端点检测),特征提取,匹配识别后,输出识别结果。当系统识别出咳嗽且达到系统设定的预警值时,PC上位机3将发出警示信息,以供饲养管理人员做出及时的针对性处理。
拾音器与音频存储单元2之间以及音频存储单元2与PC上位机3之间均采用有线连接,数据传输具有较高的可靠性、稳定性、实时性。音频存储单元2选用高品质智能录音笔,可设置多个采样频率,并且具有定时存储、声控录音等功能。这里所有声音以16位、 48kHz采样率进行记录,每隔1min保存一次声音数据,使采集的声音数据大小合适,音质较好便于后期的分析识别。
结合图3,采音室1来采集肉鸡发声信息。采音室1外壁1-3采用隔音材料,以尽力减少外部噪声(人的活动声,环境噪声等)对采集声音源的干扰;内壁1-2采用吸音材料,以减少采音室内的回声干扰,小型麦克风1-1设置在内壁1-2上并距离地面50cm,过低容易造成肉鸡啄食,过高则失去了声音数据部分保真度。
基于音频技术的肉鸡咳嗽监测方法具体包括以下步骤:
S1、肉鸡咳嗽声音的采集:基于采音室1采集肉鸡发声信息;
S2、数据的传输与存储:采音室1与音频存储单元2、音频存储单元2与PC上位机3均通过有线方式连接,采音室1获得的声音数据信息通过数据线传输到音频存储单元存储2,位于PC上位机3的主程序每隔固定时间对音频存储单元2中的数据进行读取处理;
S3、肉鸡声音数据的预处理:
S4、肉鸡咳嗽声的识别判断;PC上位机3通过接收到的声音数据建立咳嗽特征模型,并将肉鸡发声信息进行分类处理;PC上位机3识别出咳嗽并且达到预警值时在客户端发出鸡只健康警告。
更详细的:
第一步:设计采音室及拾音器进行肉鸡发声数据的采集,并将采集到的数据通过有线方式传输至音频存储单元。
第二步:音频存储单元(例如录音笔)接收来自拾音器的肉鸡音频数据,每隔 1min保存一次,为上位机(PC端)获得数据做准备。
第三步:上位机通过USB数据线与音频存储单元相连,识别系统程序每隔1min定时读取存储单元中的数据进行分析识别。
第四步:对获取到的声音数据进行人工标记,截取获得单个咳嗽数据样本,这样在没有可依据的肉鸡咳嗽声音库时,尽可能提高所建模型的精度。将其中80%的数据样本用于训练识别模型,20%作为测试数据。
第五步:提取标记好的咳嗽声音数据并对其进行预处理,包括滤波(去噪)、分帧加窗以及端点检测,为后续数据分析及特征提取做准备。
第六步:利用认可度较高的梅尔频率倒谱系数(MFCC)提取肉鸡咳嗽声音的特征参数。在预处理的基础上,音频处理模块提取咳嗽声音数字信号的12维梅尔倒谱系数、12维数一阶差分特征参数,构成24维特征向量。
第七步:采用单分类支持向量机(OC-SVM)算法,将肉鸡咳嗽检测转变为特殊的二分类问题,即将声音分为咳嗽和非咳嗽两种,用第六步中获取的肉鸡咳嗽特征参数对算法进行“先验”样本训练,构建肉鸡咳嗽声识别模型。
第八步:将测试数据引入模型中进行识别,通过计算其成功识别样本个数所占比例,来检验识别模型的准确率。
第九步:若测试结果较差将重复执行第五步到第八步之间的操作过程,直到准确度满意为止。
第十步:为防止呛水、冷风引起的咳嗽对鸡健康状态的误判,对1min内咳嗽次数累加统计,进而判断肉鸡咳嗽状态,若出现异常情况PC上位机将发出鸡只异常警告。
其中,预处理主要包括:
1、滤波去噪:对肉鸡的声音信号进行采集时,通风设施、调温设施、喂料设备的使用使采集到的肉鸡咳嗽声音包含大量的无用信息与干扰数据,需经过预处理将其剔除以提取出有效声音信息。经采样量化后得到的肉鸡声音信号里含有许多无效的高频信号,所以采用 Butterworth低通滤波器进行滤波。
巴特沃斯低通滤波器可以采用下述振幅的平方对频率的运算式表示:
上式中H(w)为幅值,n代表了滤波器的阶数,由研究人员根据情况自行选择;ωc代表了截止频率,即振幅下降为3dB时的频率;ωp为通频带边缘频率;w为实际频率,由原始声信号经傅里叶变换获得。ω=ωp时,可化简为:
设计阶数为5阶的巴特沃斯低通滤波器,完成对肉鸡声音的样本信号滤波处理工作。
2、分帧加窗:声音信号是十分复杂的非平稳信号,一般认为10~30ms内声音信号特性基本不变或者变化缓慢,因此以帧长为10~30ms对声音信号进行分帧处理。因为在分帧时会出现前一帧与后一帧之间信息的丢失,所以要在连续的两帧之间设定一部分的重叠区域 (一个指定的、有长度的窗函数)。利用窗函数对滤波后的声音信号作交叠分段,将声音信号进行分帧,保持其帧与帧之间的连续性;现在为了减少边缘不连续和频谱泄露,通常使用汉明窗进行分帧。其表达式如下:
加窗分帧处理后,将第n帧的肉鸡声音信号表示为xn(m),则
其中,y(n)表示分帧后声信号幅值,x(m)为原始声信号,w( )为窗函数。
3、端点检测:端点检测可以准确定位一段声音信号中有效信号的起始点和终止点,能够将采集到的肉鸡咳嗽声音数据中大量的干扰信号排除,剪除静音片段,缩短后续信号处理时间,提高算法效率。本文采用短时能量与短时平均过零率门限相互结合的端点检测法。主要有:
计算每一帧的短时能量,得到语音的短时帧能量:
计算每一帧语音的过零率,得到短时平均过零率:
其中,Zn为短时平均过零率,x(m)为m时刻声音信号,x(m-1)为(m-1)时刻声音信号,T为设置的门限值,w(n)为窗函数,sgn为符号函数,满足:
式中,x(n)为声音信号,sgn[ ]为符号函数,声音信号在0上方时其值为1,在0下方时其值为- 1。
过零率具有2部分关键的应用,1、分析信号的频谱性质;2、用来辨别清音与浊音、有声还是无声。根据上述提及的定义算出过零率易受到低频的影响,尤其是受到50赫兹的交流干扰,对上述Zn计算式进行修正,设置门限T,把过零率的定义改成跨过正负门限。
运用上述的双门限方式完成端点检测,具体流程见图4。
其中,肉鸡咳嗽声的识别判断包括:
1、特征提取。根据临界带宽的划分,可将声音频率划分成一系列三角形的滤波器序列,即Mel滤波器组,取每个三角形的滤波器频率带宽内所有信号幅度加权作为某个带通滤波器的输出,然后对所有滤波器的输出作对数运算,进一步做离散余弦变换(DCT),即得到待识别声音信号的MFCC。MFCC提取流程如图5所示。
2、分类识别:本发明提出采用单分类支持向量机(One-class support vectormachine,OC- SVM)构建肉鸡咳嗽分类识别模型。其基本原理是在特征空间中找1个超平面实现目标样本与原点的最大分离,此时原点被设为唯一的非目标样本。设目标样本S={xi,i=1,2…,N},本文中为肉鸡咳嗽声音,通过非线性映射函数Φ将样本数据映射到高维特征空间,最优超平面与坐标原点的最大距离为λ为支持向量的权重,ρ为阈值。通过二次规划问题可得:
式中,N为目标样本的数量;v为平衡参数,用以控制支持向量在目标样本中所占比重;ξ为目标函数的惩罚系数。因此决策函数为:
此时再引入拉格朗日乘子,将上述问题转变为对偶问题:
式中,K(xi,xj)为核函数;αi,αj为拉格朗日乘数。求解上式可得最终决策函数:
对于待测样本而言,当f(x)>0时,则该样本为正样本即咳嗽声音,否则属于非咳嗽声音。
3、肉鸡咳嗽程度的判断:
为防止呛水、冷风引起的咳嗽对鸡咳嗽状态的误判,对1min内咳嗽次数累加统计,本系统提出一个肉鸡咳嗽程度量化标准如表1所示:
表1肉鸡咳嗽程度量化标准
PC上位机根据需要将预警值设定为轻微、患病或严重,当达到预警值时,PC上位机发出鸡只健康警告,从而实现对肉鸡咳嗽症状的自动化监测报警。
本发明通过对肉鸡的咳嗽声音进行分析实现肉鸡呼吸道疾病自动识别报警,为肉鸡呼吸系统疾病的早期发现及处理提供了自动化判断方法,真正意义上实现了肉鸡自动化养殖。
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 (9)
1.一种基于音频技术的肉鸡咳嗽监测方法,其特征在于它基于音频技术的肉鸡咳嗽监测系统,所述系统包括顺次连接的采音室(1)、音频存储单元(2)和PC上位机(3),所述方法具体包括以下步骤:
S1、肉鸡咳嗽声音的采集:基于采音室(1)采集肉鸡发声信息;
S2、数据的传输与存储:采音室(1)与音频存储单元(2)、音频存储单元(2)与PC上位机(3)均通过有线方式连接,采音室(1)获得的声音数据信息通过数据线传输到音频存储单元存储(2),位于PC上位机(3)的主程序每隔固定时间对音频存储单元(2)中的数据进行读取处理;
S3、肉鸡声音数据的预处理:
S4、肉鸡咳嗽声的识别判断;PC上位机(3)通过接收到的声音数据建立咳嗽特征模型,并将肉鸡发声信息进行分类处理;PC上位机(3)识别出咳嗽并且达到预警值时在客户端发出鸡只健康警告。
2.根据权利要求1所述的方法,其特征在于步骤S1中,所述肉鸡采音室包括外壁(1-3)、内壁(1-2)和小型麦克风(1-1),所述外壁(1-3)为隔音材料;所述内壁(1-2)为吸音材料;所述小型麦克风(1-1)设置在采集室内壁(1-2)上并距离地面50cm。
3.根据权利要求1所述的方法,其特征在于步骤S2中,音频存储单元(2)选用高品质智能录音笔,可设置多个采样频率,并且具有定时存储、声控录音等功能;这里所有声音以16位、48kHz采样率进行记录,每隔1min保存一次声音数据。
4.根据权利要求1所述的方法,其特征在于步骤S3中,预处理具体包括:
S3-1、滤波去噪:采用Butterworth低通滤波器进行滤波;
S3-2、分帧加窗:以帧长为10~30ms对声音信号进行分帧处理,在连续的两帧之间设定一部分的重叠区域即一个窗函数,利用窗函数对滤波后的语音信号作交叠分段,将语音信号进行分帧,保持其帧与帧之间的连续性;
S3-3、端点检测:
S3-3-1、标记语音检测起点;
S3-3-2、计算当前帧的短时帧能量和短时平均过零率;
S3-3-3、判断短时帧能量或短时平均过零率是否高出设定阈值:是则进行步骤S3-3-5,否则进行步骤S3-3-4;
S3-3-4、取下一帧数据,并返回步骤S3-3-2计算;
S3-3-5、标记语音起点;
S3-3-6、判断后续三帧数据中短时帧能量或短时平均过零率是否高出设定阈值:是则进行步骤S3-3-8,否则进行步骤S3-3-7;
S3-3-7、取消已标记的语音起点,并返回步骤S3-3-4;
S3-3-8、检测到语音信号的起点,进一步处理;
S3-3-9、标记语音检测终点;
S3-3-10、计算当前帧的短时帧能量和短时平均过零率;
S3-3-11、判断短时帧能量或短时平均过零率是否低于设定阈值:是则进行步骤S3-3-13、否则进行步骤S3-3-12、
S3-3-12、取下一帧数据,并返回步骤S3-3-10计算;
S3-3-13、标记语音终点;
S3-3-14、判断后续三帧数据中短时帧能量或短时平均过零率是否低于设定阈值:是则进行步骤S3-3-16,否则进行步骤S3-3-15;
S3-3-15、取消已标记的语音终点,并返回步骤S3-3-12;
S3-3-16、检测到语音信号的终点,进一步处理;
S3-3-17、计算结束。
5.根据权利要求4所述的方法,其特征在于S3-1中,Butterworth低通滤波器采用下述运算式表示:
上式中H(w)为幅值,n代表了滤波器的阶数,由研究人员根据情况自行选择;ωc代表了截止频率;ωp为通频带边缘频率;w为实际频率,由原始声信号经傅里叶变换获得。
6.根据权利要求4所述的方法,其特征在于S3-2中,使用汉明窗进行分帧,表达式如下:
加窗分帧处理后,将第n帧的肉鸡声音信号表示为xn(m),则:
其中,y(n)表示分帧后声信号幅值,x(m)为原始声信号,w()为窗函数。
7.根据权利要求4所述的方法,其特征在S3-3中,由能量与幅值的平方成正比,短时帧能量的计算方法为:
式中,En为第n帧信号的短时帧能量,x(m)表示声音信号,w(n)为窗函数;
短时平均过零率的计算方法为:
式中,Zn为短时平均过零率,x(m)为m时刻声音信号,x(m-1)为(m-1)时刻声音信号,T为设置的门限值,w(n)为窗函数,sgn为符号函数,满足:
式中,x(n)为声音信号,sgn[]为符号函数,声音信号在0上方时其值为1,在0下方时其值为-1。
8.根据权利要求1所述的方法,其特征在于步骤S4中,肉鸡咳嗽声的识别包括以下步骤:
S4-1-1、特征提取,将获得的声音顺次经过预处理、FFT变换、求功率谱、Mel频率滤波、自然对数运算、DCT变换,最终获得MFCC参数;
S4-1-2、分类识别,采用单分类支持向量机构建肉鸡咳嗽分类识别模型,决策函数为:
其中,f(x)为决策函数,αi为拉格朗日乘数,K(xi,xj)为核函数,ρ为阈值,sgn()为符号函数,即x>0时,sgn(x)=1;x=0时,sgn(x)=0;x<0时,sgn(x)=-1;
当f(x)>0时,则该样本为正样本即咳嗽声音,否则属于非咳嗽声音。
9.根据权利要求1所述的方法,其特征在于步骤S4中,将肉鸡咳嗽程度依据每分钟咳嗽次数进行分类:0~10次,无;11~15次,轻微;16~20次,患病;20以上,严重;上位机根据需要将预警值设定为轻微、患病或严重,当达到预警值时,PC客户端发出鸡只健康警告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810932441.3A CN109243470B (zh) | 2018-08-16 | 2018-08-16 | 基于音频技术的肉鸡咳嗽监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810932441.3A CN109243470B (zh) | 2018-08-16 | 2018-08-16 | 基于音频技术的肉鸡咳嗽监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109243470A true CN109243470A (zh) | 2019-01-18 |
CN109243470B CN109243470B (zh) | 2020-05-05 |
Family
ID=65070401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810932441.3A Active CN109243470B (zh) | 2018-08-16 | 2018-08-16 | 基于音频技术的肉鸡咳嗽监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109243470B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109997730A (zh) * | 2019-04-28 | 2019-07-12 | 山东省农业科学院家禽研究所 | 笼养鸡智能巡检系统及其巡检机器人的巡航控制方法 |
CN110444230A (zh) * | 2019-07-04 | 2019-11-12 | 南京农业大学 | 一种基于音频技术的肉鸡呼吸道疾病自动识别装置 |
CN110797033A (zh) * | 2019-09-19 | 2020-02-14 | 平安科技(深圳)有限公司 | 基于人工智能的声音识别方法、及其相关设备 |
CN110856064A (zh) * | 2019-11-27 | 2020-02-28 | 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 |
CN111028862A (zh) * | 2019-12-17 | 2020-04-17 | 北京海益同展信息科技有限公司 | 处理语音数据的方法、装置、计算机设备和存储介质 |
CN111091849A (zh) * | 2020-03-03 | 2020-05-01 | 龙马智芯(珠海横琴)科技有限公司 | 鼾声识别的方法及装置、存储介质止鼾设备和处理器 |
CN111462920A (zh) * | 2020-05-24 | 2020-07-28 | 绍兴声科科技有限公司 | 用于监控传染疾病流行程度的声音监测方法及系统 |
CN111543348A (zh) * | 2020-05-14 | 2020-08-18 | 深聆科技(北京)有限公司 | 养殖场的声音定位装置、方法及幼崽监控方法 |
CN112331231A (zh) * | 2020-11-24 | 2021-02-05 | 南京农业大学 | 基于音频技术的肉鸡采食量检测系统 |
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 |
CN114429701A (zh) * | 2021-12-16 | 2022-05-03 | 珠海格力电器股份有限公司 | 防走失方法、装置、存储介质及电子设备 |
CN114694269A (zh) * | 2022-02-28 | 2022-07-01 | 江西中业智能科技有限公司 | 一种人体行为监护方法、系统及存储介质 |
CN115410711B (zh) * | 2022-08-29 | 2023-04-07 | 黑龙江大学 | 基于声音信号特征和随机森林的白羽肉鸡健康监测方法 |
CN117016430A (zh) * | 2023-09-22 | 2023-11-10 | 江苏省家禽科学研究所 | 一种基于智能监测的肉鸡养殖系统 |
EP4321018A1 (en) * | 2022-08-09 | 2024-02-14 | Cealvet Slu | Method and system for assessing livestock welfare based on the analysis of animals vocalization audio signals |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN106847293A (zh) * | 2017-01-19 | 2017-06-13 | 内蒙古农业大学 | 设施养殖羊应激行为的声信号监测方法 |
WO2017135127A1 (ja) * | 2016-02-01 | 2017-08-10 | 国立大学法人徳島大学 | 生体音響抽出装置、生体音響解析装置、生体音響抽出プログラム及びコンピュータで読み取り可能な記録媒体並びに記録した機器 |
CN107799114A (zh) * | 2017-04-26 | 2018-03-13 | 珠海智牧互联科技有限公司 | 一种猪只咳嗽声音识别方法及系统 |
CN108198562A (zh) * | 2018-02-05 | 2018-06-22 | 中国农业大学 | 一种用于实时定位辨识动物舍内异常声音的方法及系统 |
-
2018
- 2018-08-16 CN CN201810932441.3A patent/CN109243470B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2017135127A1 (ja) * | 2016-02-01 | 2017-08-10 | 国立大学法人徳島大学 | 生体音響抽出装置、生体音響解析装置、生体音響抽出プログラム及びコンピュータで読み取り可能な記録媒体並びに記録した機器 |
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 |
CN106847293A (zh) * | 2017-01-19 | 2017-06-13 | 内蒙古农业大学 | 设施养殖羊应激行为的声信号监测方法 |
CN107799114A (zh) * | 2017-04-26 | 2018-03-13 | 珠海智牧互联科技有限公司 | 一种猪只咳嗽声音识别方法及系统 |
CN108198562A (zh) * | 2018-02-05 | 2018-06-22 | 中国农业大学 | 一种用于实时定位辨识动物舍内异常声音的方法及系统 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109997730B (zh) * | 2019-04-28 | 2021-08-17 | 山东省农业科学院家禽研究所 | 笼养鸡智能巡检系统及其巡检机器人的巡航控制方法 |
CN109997730A (zh) * | 2019-04-28 | 2019-07-12 | 山东省农业科学院家禽研究所 | 笼养鸡智能巡检系统及其巡检机器人的巡航控制方法 |
CN110444230A (zh) * | 2019-07-04 | 2019-11-12 | 南京农业大学 | 一种基于音频技术的肉鸡呼吸道疾病自动识别装置 |
CN110797033A (zh) * | 2019-09-19 | 2020-02-14 | 平安科技(深圳)有限公司 | 基于人工智能的声音识别方法、及其相关设备 |
CN110856064A (zh) * | 2019-11-27 | 2020-02-28 | 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 |
CN111028862A (zh) * | 2019-12-17 | 2020-04-17 | 北京海益同展信息科技有限公司 | 处理语音数据的方法、装置、计算机设备和存储介质 |
CN111091849A (zh) * | 2020-03-03 | 2020-05-01 | 龙马智芯(珠海横琴)科技有限公司 | 鼾声识别的方法及装置、存储介质止鼾设备和处理器 |
CN111543348A (zh) * | 2020-05-14 | 2020-08-18 | 深聆科技(北京)有限公司 | 养殖场的声音定位装置、方法及幼崽监控方法 |
CN111462920A (zh) * | 2020-05-24 | 2020-07-28 | 绍兴声科科技有限公司 | 用于监控传染疾病流行程度的声音监测方法及系统 |
CN112331231A (zh) * | 2020-11-24 | 2021-02-05 | 南京农业大学 | 基于音频技术的肉鸡采食量检测系统 |
CN112331231B (zh) * | 2020-11-24 | 2024-04-19 | 南京农业大学 | 基于音频技术的肉鸡采食量检测系统 |
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 |
CN114429701B (zh) * | 2021-12-16 | 2023-07-18 | 珠海格力电器股份有限公司 | 防走失方法、装置、存储介质及电子设备 |
CN114429701A (zh) * | 2021-12-16 | 2022-05-03 | 珠海格力电器股份有限公司 | 防走失方法、装置、存储介质及电子设备 |
CN114694269A (zh) * | 2022-02-28 | 2022-07-01 | 江西中业智能科技有限公司 | 一种人体行为监护方法、系统及存储介质 |
EP4321018A1 (en) * | 2022-08-09 | 2024-02-14 | Cealvet Slu | Method and system for assessing livestock welfare based on the analysis of animals vocalization audio signals |
WO2024033361A1 (en) * | 2022-08-09 | 2024-02-15 | Cealvet S.L.U. | Method and system for assessing livestock welfare based on the analysis of animals vocalization audio signals |
CN115410711B (zh) * | 2022-08-29 | 2023-04-07 | 黑龙江大学 | 基于声音信号特征和随机森林的白羽肉鸡健康监测方法 |
CN117016430A (zh) * | 2023-09-22 | 2023-11-10 | 江苏省家禽科学研究所 | 一种基于智能监测的肉鸡养殖系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109243470B (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109243470A (zh) | 基于音频技术的肉鸡咳嗽监测方法 | |
CN109258509B (zh) | 一种生猪异常声音智能监测系统与方法 | |
CN109961017A (zh) | 一种基于卷积循环神经网络的心音信号分类方法 | |
Caladcad et al. | Determining Philippine coconut maturity level using machine learning algorithms based on acoustic signal | |
Chelotti et al. | A real-time algorithm for acoustic monitoring of ingestive behavior of grazing cattle | |
Kui et al. | Heart sound classification based on log Mel-frequency spectral coefficients features and convolutional neural networks | |
CN107811649B (zh) | 一种基于深度卷积神经网络的心音多分类方法 | |
CN106847262A (zh) | 一种猪呼吸道疾病自动识别报警方法 | |
CN107799114A (zh) | 一种猪只咳嗽声音识别方法及系统 | |
CN112164408A (zh) | 基于深度学习的猪咳嗽声监测与预警系统 | |
Mahdavian et al. | Acoustic features of vocalization signal in poultry health monitoring | |
CN112331231B (zh) | 基于音频技术的肉鸡采食量检测系统 | |
Liu et al. | Bowel sound detection based on MFCC feature and LSTM neural network | |
CN110189756A (zh) | 一种用于监测生猪异常声音的方法及系统 | |
CN105448291A (zh) | 基于语音的帕金森症检测方法及检测系统 | |
CN115410711B (zh) | 基于声音信号特征和随机森林的白羽肉鸡健康监测方法 | |
CN110970042A (zh) | 一种电子听诊器的肺部啰音人工智能实时分类方法、系统、装置及可读存储介质 | |
CN110444230A (zh) | 一种基于音频技术的肉鸡呼吸道疾病自动识别装置 | |
CN115048984A (zh) | 一种基于深度学习的母猪发情声识别方法 | |
CN115578678A (zh) | 一种鱼类摄食强度分类方法及系统 | |
Zhang et al. | A novel insect sound recognition algorithm based on mfcc and cnn | |
Kora et al. | Heart arhythmia detection using wavelet coherence and firefly algorithm | |
Dastagir et al. | Computer-aided phonocardiogram classification using multidomain time and frequency features | |
Malfante et al. | Machine learning for automatic classification of volcano-seismic signatures | |
Shi | An Improved Machine Learning Model for Pig Abnormal Voice Recognition |
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: 20210311 Address after: 210000 no.10-975, Fenghuang street, Jiangpu street, Pukou District, Nanjing City, 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 |