CN109817227A - 一种养殖场的异常声音监测方法和系统 - Google Patents
一种养殖场的异常声音监测方法和系统 Download PDFInfo
- Publication number
- CN109817227A CN109817227A CN201811488281.4A CN201811488281A CN109817227A CN 109817227 A CN109817227 A CN 109817227A CN 201811488281 A CN201811488281 A CN 201811488281A CN 109817227 A CN109817227 A CN 109817227A
- Authority
- CN
- China
- Prior art keywords
- sound
- abnormal sound
- signal segment
- voice signal
- abnormal
- 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
Landscapes
- Circuit For Audible Band Transducer (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明实施例提供了一种养殖场的异常声音监测方法和系统,所述方法包括:获取布置在养殖场中的多个声音采集设备所采集的声音信号,所述多个声音采集设备的拾音范围覆盖所述养殖场;确定各个声音采集设备的所采集的声音信号中的异常声音信号片段;对所述异常声音信号片段进行滤重处理,以过滤重复的异常声音信号片段;采用滤重处理后的异常声音信号片段,生成监控信息。本发明实施例可以实现对整个养殖场的动物群体的异常声音进行监控。
Description
技术领域
本发明涉及数据处理技术领域,特别是涉及一种养殖场的异常声音监测方法和一种养殖场的异常声音监测装置。
背景技术
在禽畜养殖行业中,饲养员可以根据禽畜的声音确定禽畜的生存状况,例如,身体健康状况、情绪状况。
随着语音识别技术的发展,可以对禽畜的声音信号进行识别以监控禽畜的身体健康状况。现有的禽畜声音信号识别方案中包括:
设备穿戴法,即在禽畜身体上安装传感器来采集声音特征信号;例如,在猪的喉咙安装传感器,通过传感器采集猪只喉咙动态特性或近距离采集声音等特征信号;
设备穿戴法作为针对个体的监测方式,易受环境影响,如信号干扰和设备损坏等,且从个体复制到整体时代价高、难部署。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种养殖场的异常声音监测方法和相应的一种养殖场的异常声音监测系统。
为了解决上述问题,本发明实施例公开了一种养殖场的异常声音监测方法,包括:
获取布置在养殖场中的多个声音采集设备所采集的声音信号;
确定各个声音采集设备的所采集的声音信号中的异常声音信号片段;
对所述异常声音信号片段进行滤重处理,以过滤重复的异常声音信号片段;
采用滤重处理后的异常声音信号片段,生成监控信息。
优选的,所述声音采集设备为单个麦克风;所述对所述异常声音信号片段进行滤重处理,以过滤重复的异常声音信号片段的步骤包括:
确定两个麦克风的异常声音信号片段之间的重叠时长;
若两段异常声音信号片段之间的重叠时长大于预设时长阈值,则将其中一段异常声音信号片段去除。
优选的,所述声音采集设备为麦克风阵列;所述对所述异常声音信号片段进行滤重处理,以过滤重复的异常声音信号片段的步骤包括:
确定两个麦克风阵列的异常声音信号片段之间的重叠时长;
若两段异常声音信号片段之间的重叠时长大于预设时长阈值,则分别确定该两段异常声音信号片段的声源位置信息;
若该两段异常声音信号片段的声源位置信息指向同一位置,且该两段异常声音信号片段对该位置的能量衰减符合距离衰减关系,则将其中一段异常声音信号片段去除。
优选的,所述采用滤重处理后的异常声音信号片段,生成监控信息的步骤包括:
根据滤重处理后的异常声音信号片段,确定动物发出异常声音的次数;
采用动物发出异常声音的次数,生成监控信息。
优选的,所述养殖场中的声音采集设备的布置位置按照如下方式确定:
获取养殖场的尺寸信息,以及所述养殖场中动物的各种异常声音的信号强度与传输距离的对应关系;
根据所述各种异常声音的信号强度与传输距离的对应关系,确定目标拾音半径;
根据所述尺寸信息和所述目标拾音半径,确定所需要的声音采集设备的数量,以及声音采集设备的布置位置。
优选的,所述根据所述各种异常声音的信号强度与传输距离的对应关系,确定目标拾音半径的步骤包括:
根据所述异常声音的信号强度与传输距离的对应关系,确定当异常声音的信号强度从最大值衰减到特定值时对应的特定传输距离;
在各个异常声音的特定传输距离中,确定数值最小的特定传输距离为目标拾音半径。
优选的,所述确定各个声音采集设备的所采集的声音信号中的异常声音信号片段的步骤包括:
从所述声音采集设备所采集的声音信号中,确定有效声音信号片段;
提取所述有效声音信号片段的特定语音特征参数;
将所述特定语音特征参数输入预先建立的异常声音识别模型;
获取所述异常声音识别模型输出的识别结果;
根据所述识别结果,确定对应的有效声音信号片段是否为异常声音信号片段。
优选的,所述特征参数包括频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数;
所述提取所述有效声音信号片段的特定语音特征参数的步骤包括:
计算所述有效声音信号片段中每个声音信号帧的频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数;
将各个声音信号帧的频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数分别进行拼接,得到所述有效声音信号片段的频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数。
优选的,所述识别结果包括所述有效声音信号片段属于各种异常声音的概率,所述方法还包括:
从所述识别结果中选取属于异常声音的概率大于预设概率阈值的识别结果作为目标识别结果;
获取所述异常声音识别模型的训练样本集;
采用所述目标识别结果对应的有效声音信号片段,替换所述训练样本集中相同比例的声音信号片段;
采用更新后的训练样本集,训练所述异常声音识别模型。
本发明实施例还公开了一种养殖场的异常声音监测系统,包括:多个声音采集设备和处理器;
所述处理器包括:
声音信号获取模块,用于获取布置在养殖场中的多个声音采集设备所采集的声音信号;
异常声音信号片段确定模块,用于确定各个声音采集设备的所采集的声音信号中的异常声音信号片段;
滤重模块,用于对所述异常声音信号片段进行滤重处理,以过滤重复的异常声音信号片段;
监控信息生成模块,用于采用滤重处理后的异常声音信号片段,生成监控信息。
优选的,还包括:
与所述多个声音采集设备连接的声音同步设备、分别与所述声音同步设备和所述处理器连接的网络通信设备。
优选的,所述声音采集设备为单个麦克风;所述滤重模块包括:
第一重叠时长确定子模块,用于确定两个麦克风的异常声音信号片段之间的重叠时长;
第一去除模块,用于若两段异常声音信号片段之间的重叠时长大于预设时长阈值,则将其中一段异常声音信号片段去除。
优选的,所述声音采集设备为麦克风阵列;所述滤重模块包括:
第二重叠时长确定子模块,用于确定两个麦克风阵列的异常声音信号片段之间的重叠时长;
声源位置确定子模块,用于若两段异常声音信号片段之间的重叠时长大于预设时长阈值,则分别确定该两段异常声音信号片段的声源位置信息;
第二去除模块,用于若该两段异常声音信号片段的声源位置信息指向同一位置,且该两段异常声音信号片段对该位置的能量衰减符合距离衰减关系,则将其中一段异常声音信号片段去除。
优选的,所述监控信息生成模块包括:
次数确定子模块,用于根据滤重处理后的异常声音信号片段,确定动物发出异常声音的次数;
监控信息生成子模块,用于采用动物发出异常声音的次数,生成监控信息。
优选的,所述养殖场中的声音采集设备的布置位置按照如下模块确定:
场地信息获取模块,用于获取养殖场的尺寸信息,以及所述养殖场中动物的各种异常声音的信号强度与传输距离的对应关系;
目标拾音半径确定模块,用于根据所述各种异常声音的信号强度与传输距离的对应关系,确定目标拾音半径;
布置位置确定模块,用于根据所述尺寸信息和所述目标拾音半径,确定所需要的声音采集设备的数量,以及声音采集设备的布置位置。
优选的,所述目标拾音半径确定模块包括:
特定传输距离确定子模块,用于根据所述异常声音的信号强度与传输距离的对应关系,确定当异常声音的信号强度从最大值衰减到特定值时对应的特定传输距离;
目标拾音半径确定子模块,用于在各个异常声音的特定传输距离中,确定数值最小的特定传输距离为目标拾音半径。
优选的,所述异常声音信号片段确定模块包括:
有效声音信号片段确定子模块,用于从所述声音采集设备所采集的声音信号中,确定有效声音信号片段;
特定语音特征参数提取子模块,用于提取所述有效声音信号片段的特定语音特征参数;
特定语音特征参数输入子模块,用于将所述特定语音特征参数输入预先建立的异常声音识别模型;
识别结果获取子模块,用于获取所述异常声音识别模型输出的识别结果;
异常声音信号片段确定子模块,用于根据所述识别结果,确定对应的有效声音信号片段是否为异常声音信号片段。
优选的,所述特征参数包括频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数;
所述特定语音特征参数提取子模块包括:
声音信号帧特征计算单元,用于计算所述有效声音信号片段中每个声音信号帧的频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数;
声音信号片段特征获得单元,用于将各个声音信号帧的频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数分别进行拼接,得到所述有效声音信号片段的频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数。
优选的,所述识别结果包括所述有效声音信号片段属于各种异常声音的概率,所述系统还包括:
目标识别结果选取模块,用于从所述识别结果中选取属于异常声音的概率大于预设概率阈值的识别结果作为目标识别结果;
训练样本集获取模块,用于获取所述异常声音识别模型的训练样本集;
替换模块,用于采用所述目标识别结果对应的有效声音信号片段,替换所述训练样本集中相同比例的声音信号片段;
模型更新模块,用于采用更新后的训练样本集,训练所述异常声音识别模型。
本发明实施例还公开了一种装置,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述装置执行如上所述的一个或多个的方法。
本发明实施例还公开了一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得所述处理器执行如上所述的一个或多个的方法。
本发明实施例包括以下优点:
在本发明实施例中,通过在养殖场中布置多个声音采集设备以整体的采集养殖场各个区域的动物的声音信号,然后通过语音识别技术识别出声音信号的异常声音信号片段,最后采用异常声音信号片段生成监控信息,从而实现对整个养殖场的动物群体的异常声音进行监控,解决了现有技术存在的监控易受环境影响、可推广性差等缺点。
附图说明
图1是本发明的一种养殖场的异常声音监测方法实施例一的步骤流程图;
图2是本发明的一种养殖场的异常声音监测方法实施例二的步骤流程图;
图3是本发明实施例中声音采集设备布置位置的示意图;
图4是本发明的一种养殖场的异常声音监测系统实施例的结构框图;
图5是本发明实施例中一种猪只养殖场的异常声音监测系统的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1,示出了本发明的一种养殖场的异常声音监测方法实施例一的步骤流程图,具体可以包括如下步骤:
步骤101,获取布置在养殖场中的多个声音采集设备所采集的声音信号;
在本发明实施例中,可以在养殖场中布置多个声音采集设备来采集养殖场各个区域的动物发出的声音信号。其中,多个声音采集设备的拾音范围可以覆盖整个养殖场,也就是说可以整体采集养殖场内的声音信号。当然,根据实际需求,声音采集设备也可以只布置在用户感兴趣的区域范围,对此本案不做限定。
多个声音采集设备可以通过线缆连接同步声卡,使得各个声音采集设备的时间轴保持一致。
声音采集设备可以是单个麦克风,也可以是麦克风阵列,优选的,可以是环形麦克风阵列。
声音采集设备可以采用吊装方式安装到养殖场,声音采集设备需要离地面一定的距离避免被动物撕咬和被喷水降温影响,并且还需要保证声音采集设备的拾音区域下方空间无遮挡。
步骤102,确定各个声音采集设备的所采集的声音信号中的异常声音信号片段;
声音采集设备所采集的声音信号通常是连续的时间序列信号,其中可以包括动物的正常声音、异常声音,以及其它的干扰声音。本发明实施例可以通过语音识别技术识别声音信号中的异常声音信号片段。
步骤103,对所述异常声音信号片段进行滤重处理,以过滤重复的异常声音信号片段;
由于各个声音采集设备的拾音范围可能会具有重叠。在重叠区域发出的声音,将会被至少两个声音采集设备采集到,因此,各个声音采集设备采集到的声音片段可能是重复的。
在实际中,重复的异常声音片段并不能准确的反应动物的健康情况。为了避免重复的异常声音片段的影响,本发明实施例对各个声音采集设备采集到的异常声音信号片段进行滤重处理,以过滤重复的异常声音信号片段。
步骤104,采用滤重处理后的异常声音信号片段,生成监控信息。
本发明实施例中,可以对滤重处理后的异常声音信号片段进行分析,从而生成监控信息。监控信息可以包括养殖场中动物发出异常声音的次数、每次异常声音的声源位置、每次异常声音的类型等等。
在本发明实施例中,通过在养殖场中布置多个声音采集设备以整体的采集养殖场各个区域的动物的声音信号,然后通过语音识别技术识别出声音信号的异常声音信号片段,最后采用异常声音信号片段生成监控信息,从而实现对整个养殖场的动物群体的异常声音进行监控。
参照图2,示出了本发明的一种养殖场的异常声音监测方法实施例二的步骤流程图,具体可以包括如下步骤:
步骤201,获取布置在养殖场中的多个声音采集设备所采集的声音信号;
在本发明实施例中,可以在养殖场中布置多个声音采集设备来采集养殖场各个区域的动物发出的声音信号。
多个声音采集设备可以通过线缆连接同步声卡,使得各个声音采集设备的时间轴保持一致。
声音采集设备可以是单个麦克风,也可以是麦克风阵列。
具体的,所述养殖场中的声音采集设备的布置位置可以按照如下步骤确定:
步骤301,获取养殖场的尺寸信息,以及所述养殖场中动物的各种异常声音的信号强度与传输距离的对应关系;
其中,养殖场的尺寸信息可以包括养殖场的长度信息和宽度信息。
异常声音的信号强度与传输距离的对应关系,是指在养殖场中异常声音传播时,异常声音的信号强度随传输距离变化的关系。
异常声音在声源位置的信号强度最大,随着传播距离的增大,信号强度逐渐减少。
由于信号强度随传输距离变化的关系与现场环境相关,因此可以预先在安静的环境下,测试动物的各种异常声音的信号强度与传输距离的对应关系。例如,使用分贝测试仪测试成年育肥猪异常声音(如咳嗽声)随距离衰减空间分布图。
步骤302,根据所述各种异常声音的信号强度与传输距离的对应关系,确定目标拾音半径;
其中,所述步骤302可以包括如下子步骤:
子步骤S11,根据所述异常声音的信号强度与传输距离的对应关系,确定当异常声音的信号强度从最大值衰减到特定值时对应的特定传输距离;
子步骤S12,在各个异常声音的特定传输距离中,确定数值最小的特定传输距离为目标拾音半径。
在本发明实施例中,根据所述各种异常声音的信号强度与传输距离的对应关系,可以确定异常声音的信号强度从最大值衰减到特定值时对应的目标传输距离;然后根据目标传输距离确定目标拾音半径。
如果有多种类型的异常声音,则对每一种异常声音的信号强度从最大值衰减到特定值时对应的目标传输距离进行对比;然后将各种异常声音的目标传输距离中,数值最小的确定为目标拾音半径。
优选的,考虑到动物的日龄、疾病轻重和环境噪声的影响,为确保收录到所有异常声音信号,可以将异常声音的信号强度从最大值衰减到一半时的传输距离作为目标传输距离。
步骤303,根据所述尺寸信息和所述目标拾音半径,确定所需要的声音采集设备的数量,以及声音采集设备的布置位置。
在本发明实施例中,可以以目标拾音半径确定一个声音采集设备的拾音范围。在对养殖场布置声音采集设备时,需要使得养殖场的各个区域都尽量位于一个声音采集设备的拾音范围内,并且尽量减少各个声音采集设备的拾音范围的重叠区域。
参照图3所示为本发明实施例中声音采集设备布置位置的示意图。若养殖场的平面空间为矩形,则可以采用如下公式计算所需要的声音采集设备的数量。
假设养殖场的尺寸为长度m*宽度n,目标拾音半径为l;则长度方向所需的声音采集设备的数量为[m/2l]+1,宽度方向所需的声音采集设备的数量为[n/2l]+1,即总的声音采集设备的数量为([m/2l]+1)*([n/2l]+1)。
例如,养殖场的尺寸为32.27m*14m,目标拾音半径为5m,[32.27/10]+1=4,[14/10]+1=2,即总的声音采集设备的数量为8。
声音采集设备的坐标(p,q)可以采用如下公式计算:
步骤202,从所述声音采集设备所采集的声音信号中,确定有效声音信号片段;
声音采集设备所采集的声音信号通常是连续的时间序列信号,
每段时间序列信号可以包括无声信号,有声信号。有声信号中可能包括杂音、动物的正常声音、动物的异常声音等等。有效声音信号片段是指可能包含异常声音信号的片段。
具体的,可以对采集的声音信号进行预处理。预处理的方式包含但不限于,降噪、声音增强等。经过预处理后,可以对声音信号进行端点检测,以确定确定有效声音信号片段。
如果声音采集设备是单个麦克风,则对每个麦克风采集的声音信号进行处理。
如果声音采集设备是麦克风阵列,则从麦克风阵列中选取一路的声音信号进行处理。
步骤203,提取所述有效声音信号片段的特定语音特征参数;
所述特征参数可以包括频带特征参数、MFCC特征参数(Mel-Frequency CepstralCoefficients,梅尔频率倒谱系数)、一阶差分参数和二阶差分参数;二阶差分参数是对一阶差分参数再进行依次差分得到。
具体的,异常声音的频带区分性集中在4kHz以上,综合考虑频带范围和编码效率,频域特征取[4kHz~5kHz),[5kHz~6kHz),[6kHz~7kHz),[7kHz~8kHz]四个频带值作为频带特征参数。MFCC特征参数可以包括12维MFCC特征参数,一阶差分参数可以包括12维一阶差分参数,二阶差分参数可以包括12维二阶差分参数。
当然,本领域技术人员还可以选用其他维数的频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数,本发明在此不作限定。
在本发明实施例中,所述步骤203可以进一步包括:
子步骤S21,计算所述有效声音信号片段中每个声音信号帧的频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数;
首先可以对有效声音信号片段进行长数据截断、分帧操作,从而生成多个声音信号帧。然后可以对每个声音信号帧,计算[4kHz~5kHz),[5kHz~6kHz),[6kHz~7kHz),[7kHz~8kHz]四个频带值作为频带特征参数,计算12维MFCC特征参数,计算12维一阶差分参数,计算12维二阶差分参数。
现有技术中,在计算差分参数时通常对首尾帧取0,导致的数据量损失。
为尽可能保有有效的原始数据,本发明实施例对首尾帧和其他帧采用不同公式进行计算。
其中,计算每个声音信号帧的一阶差分参数的步骤可以进一步包括:
子步骤S211,对有效声音信号片段中的除了第一帧声音信号帧、第二帧声音信号帧、倒数第一帧声音信号帧和倒数第二帧声音信号帧之外的声音信号帧,按照预设第一公式计算一阶差分值;
具体的,第一公式可以为:
其中k取2,i为帧序号。
子步骤S212,对有效声音信号片段的第一帧声音信号帧和第二帧声音信号帧,按照预设第二公式计算一阶差分值;
具体的,第二公式可以为:
子步骤S213,对有效声音信号片段的倒数第一帧声音信号帧和倒数第二帧声音信号帧,按照预设第三公式计算一阶差分值。
具体的,第三公式可以为:
a为总帧数。
子步骤S22,将各个声音信号帧的频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数分别进行拼接,得到所述有效声音信号片段的频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数。
将各个声音信号帧的频带特征参数进行拼接,得到有效声音信号片段的频带特征参数;将各个声音信号帧的MFCC特征参数进行拼接,得到有效声音信号片段的MFCC特征参数;将各个声音信号帧的一阶差分参数进行拼接,得到有效声音信号片段的一阶差分参数;将各个声音信号帧的二阶差分参数进行拼接,得到有效声音信号片段的二阶差分参数。
步骤204,将所述特定语音特征参数输入预先建立的异常声音识别模型;
异常声音识别模型是用于识别异常声音片段的模型,可以包括但不限于高斯混合模型(Gaussian Mixed Model,GMM)、隐马尔可夫模型(Hidden Markov Model,HMM)、支持向量机(Support Vector Machine,SVM)、最近邻模型(Nearest Neighbor Model,NN)以及深度学习等模型。
在本发明实施例中,异常声音识别模型可以采用预先采集的异常声音来训练得到。例如,对于猪只养殖场,在声音采集设备正常运转状态下,连续采集养殖场内声音信号,由技术人员对声音信号中的咳嗽、喷嚏、尖叫、发情、母猪压小猪等异常声音片段进行精准标记和位置提取,得到各种异常声音样本。当然样本包括但不限于上述异常声音,还可以包括风机噪声、上料噪声等常规出现的环境噪声。采用提取的各种异常声音样本作为训练样本集进行建模,得到异常声音识别模型。
步骤205,获取所述异常声音识别模型输出的识别结果;
在本发明实施例中,异常声音识别模型输出的识别结果可以是有效声音信号片段属于各种异常声音的概率,也可以是异常声音的类型。
例如,输出的识别结果为有效声音信号片段属于咳嗽的概率为0.8,属于其他类型的概率为0.5。
步骤206,根据所述识别结果,确定对应的有效声音信号片段是否为异常声音信号片段。
在本发明实施例中,可以设定有效声音信号片段属于某一种类型的异常声音的概率大于或等于预设异常概率阈值时,则将该有效声音信号片段确定为该类型的异常声音。
当有效声音信号片段属于各种类型的异常声音的概率都小于预设阈值时,则认为该有效声音信号片段不是异常声音片段。
例如,设定阈值为0.95。当有效声音信号片段属于打喷嚏的概率为0.96时,则认为该有效声音信号片段是异常声音片段,并且异常声音的类型是打喷嚏。
在本发明实施例中,所述的方法还可以包括:
从所述识别结果中选取属于异常声音的概率大于预设样本概率阈值的识别结果作为目标识别结果;获取所述异常声音识别模型的训练样本集;采用所述目标识别结果对应的有效声音信号片段,替换所述训练样本集中相同比例的声音信号片段;采用更新后的训练样本集,训练所述异常声音识别模型。
具体的,异常声音识别模型是用预先采集的声音信号片段作为训练样本集而训练生成的。为了保证模型的准确性,在后续的使用过程中,可以不断的更新训练样本集来不断的训练异常声音识别模型。
例如,对于猪只养殖场,由于环境变化、季节变化、猪龄变化等原因,猪的声音有所变化,而采用固定的异常声音识别模型将无法准确的识别异常声音。因此需要不断的更新训练样本集来不断的训练异常声音识别模型,以更准确的识别猪的异常声音。
在本发明实施例中,由于异常声音识别模型的输出结果是有效声音信号片段属于某一种类型的异常声音的概率,可以将属于异常声音的概率大于预设样本概率阈值的识别结果作为目标识别结果。然后将目标识别结果对应的有效声音信号片段,替换训练样本集中原来的声音信号片段,从而得到新的训练样本集;最后用新的训练样本集来训练异常声音识别模型。
优选的,选取了多少个目标识别结果,就替换相同数量的训练样本集中原来的声音信号片段。
步骤207,对所述异常声音信号片段进行滤重处理,以过滤重复的异常声音信号片段;
由于各个声音采集设备的拾音范围可能会具有重叠。在重叠区域发出的声音,将会被至少两个声音采集设备采集到,因此,各个声音采集设备采集到的声音片段可能是重复的。
在本发明实施例的一种示例中,所述声音采集设备为单个麦克风;所述步骤207可以一步包括如下子步骤:
子步骤S31,确定两个麦克风的异常声音信号片段之间的重叠时长;
子步骤S32,若两段异常声音信号片段之间的重叠时长大于预设时长阈值,则将其中一段异常声音信号片段去除。
两段异常声音信号片段之间的重叠时长大于预设时长阈值,可以表示两个麦克风采集了来自同一声源的信号,或者,两个麦克风采集的是来自不同声源的信号。
针对单个麦克风的情况,不考虑同时有两段异常声音同时发生,仅将其中一段异常声音信号片段去除,以避免重复统计。
在本发明实施例的另一种示例中,所述声音采集设备为麦克风阵列;所述步骤207可以一步包括如下子步骤:
子步骤S41,确定两个麦克风阵列的异常声音信号片段之间的重叠时长;
子步骤S42,若两段异常声音信号片段之间的重叠时长大于预设时长阈值,则分别确定该两段异常声音信号片段的声源位置信息;
子步骤S43,若该两段异常声音信号片段的声源位置信息指向同一位置,且该两段异常声音信号片段对该位置的能量衰减符合距离衰减关系,则将其中一段异常声音信号片段去除。
在本示例中,麦克风阵列包括多路声音信号,在进行后续处理时,只选择其中一路来判断是否有异常声音信号;但多路声音信号可以用来进行声源定位。
当两个麦克风阵列之间的异常声音信号片段之间的重叠时长大于预设时长阈值时,可能是两个麦克风阵列采集了来自同一声源的信号,或者,两个麦克风阵列采集的是来自不同声源的信号。因此,分别对两个麦克风阵列的异常声音信号片段进行声音定位处理;若该两段异常声音信号片段的声源位置信息指向同一位置,且该两段异常声音信号片段对该位置的能量衰减符合距离衰减关系,则表示这两段异常声音信号片段是属于同一声音信号的。因此将其中一段异常声音信号片段去除,以避免重复统计。
若该两段异常声音信号片段的声源位置信息不是指向同一位置,则表示这两段异常声音信号片段不是属于同一声音信号的。
若该两段异常声音信号片段的声源位置信息指向同一位置,但是该两段异常声音信号片段对该位置的能量衰减不符合距离衰减关系,则表示这两段异常声音信号片段不是属于同一声音信号的。
步骤208,根据滤重处理后的异常声音信号片段,生成监控信息。
具体的,所述步骤208可以包括如下子步骤:
子步骤S51,根据滤重处理后的异常声音信号片段,确定动物发出异常声音的次数;
在对异常声音信号片段进行滤重处理后,确定异常声音信号片段的次数为动物发出异常声音的次数。
子步骤S52,采用动物发出异常声音的次数,生成监控信息。
监控信息可以包括养殖场中动物发出异常声音的次数、每次异常声音的声源位置、每次异常声音的类型等等。
在本发明实施例中,当异常声音的次数大于预设的告警次数阈值时,可以发出告警信号,以通知饲养员进行处理。
在本发明实施例中,通过在养殖场中布置多个声音采集设备以整体的采集养殖场各个区域的动物的声音信号,然后通过语音识别技术识别出声音信号的异常声音信号片段,最后采用异常声音信号片段生成监控信息,从而实现对整个养殖场的动物群体的异常声音进行监控。
本发明实施例中,声音采集设备的布置位置,由养殖厂的尺寸和养殖场中动物的各种异常声音的信号强度与传输距离的对应关系来确定,可以使得声音采集设备的拾音范围能更好的覆盖整个养殖厂。
本发明实施例中,在计算差分参数时,对于不同的声音信号帧采用不同的计算公式,最大的保留了声音信号帧的信息量。
本发明实施例中,采用异常声音识别模型来识别异常声音信号片段,并且采用识别结果更新异常声音识别模型,从而能够随着动物生长期和环境变化,更准确的识别养殖场中动物的异常声音。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图4,示出了本发明的一种养殖场的异常声音监测系统实施例的结构框图,具体可以包括多个声音采集设备41和处理器42;
所述处理器可以包括:
声音信号获取模块4201,用于获取布置在养殖场中的多个声音采集设备41所采集的声音信号;
异常声音信号片段确定模块4202,用于确定各个声音采集设备的所采集的声音信号中的异常声音信号片段;
滤重模块4203,用于对所述异常声音信号片段进行滤重处理,以过滤重复的异常声音信号片段;
监控信息生成模块4204,用于采用滤重处理后的异常声音信号片段,生成监控信息。本发明实施例中,所述的系统还可以包括:
与所述多个声音采集设备连接的声音同步设备、分别与所述声音同步设备和所述处理器连接的网络通信设备。
声音同步设备可以为同步声卡,多个声音采集设备可以通过线缆连接同步声卡,使得各个声音采集设备的时间轴保持一致。网络通信设备将各个声音采集设备的声音信号上传到处理器。
本发明实施例的一种示例中,所述声音采集设备为单个麦克风;所述滤重模块4203可以包括:
第一重叠时长确定子模块,用于确定两个麦克风的异常声音信号片段之间的重叠时长;
第一去除模块,用于若两段异常声音信号片段之间的重叠时长大于预设时长阈值,则将其中一段异常声音信号片段去除。
本发明实施例的另一种示例中,所述声音采集设备为麦克风阵列;所述滤重模块4203可以包括:
第二重叠时长确定子模块,用于确定两个麦克风阵列的异常声音信号片段之间的重叠时长;
声源位置确定子模块,用于若两段异常声音信号片段之间的重叠时长大于预设时长阈值,则分别确定该两段异常声音信号片段的声源位置信息;
第二去除模块,用于若该两段异常声音信号片段的声源位置信息指向同一位置,且该两段异常声音信号片段对该位置的能量衰减符合距离衰减关系,则将其中一段异常声音信号片段去除。
本发明实施例中,所述监控信息生成模块4204可以包括:
次数确定子模块,用于根据滤重处理后的异常声音信号片段,确定动物发出异常声音的次数;
监控信息生成子模块,用于采用动物发出异常声音的次数,生成监控信息。
本发明实施例中,所述养殖场中的声音采集设备的布置位置可以按照如下模块确定:
场地信息获取模块,用于获取养殖场的尺寸信息,以及所述养殖场中动物的各种异常声音的信号强度与传输距离的对应关系;
目标拾音半径确定模块,用于根据所述各种异常声音的信号强度与传输距离的对应关系,确定目标拾音半径;
布置位置确定模块,用于根据所述尺寸信息和所述目标拾音半径,确定所需要的声音采集设备的数量,以及声音采集设备的布置位置。
本发明实施例中,所述目标拾音半径确定模块可以包括:
特定传输距离确定子模块,用于根据所述异常声音的信号强度与传输距离的对应关系,确定当异常声音的信号强度从最大值衰减到特定值时对应的特定传输距离;
目标拾音半径确定子模块,用于在各个异常声音的特定传输距离中,确定数值最小的特定传输距离为目标拾音半径。
本发明实施例中,所述异常声音信号片段确定模块4202可以包括:
有效声音信号片段确定子模块,用于从所述声音采集设备所采集的声音信号中,确定有效声音信号片段;
特定语音特征参数提取子模块,用于提取所述有效声音信号片段的特定语音特征参数;
特定语音特征参数输入子模块,用于将所述特定语音特征参数输入预先建立的异常声音识别模型;
识别结果获取子模块,用于获取所述异常声音识别模型输出的识别结果;
异常声音信号片段确定子模块,用于根据所述识别结果,确定对应的有效声音信号片段是否为异常声音信号片段。
本发明实施例中,所述特征参数包括频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数;
所述特定语音特征参数提取子模块包括:
声音信号帧特征计算单元,用于计算所述有效声音信号片段中每个声音信号帧的频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数;
声音信号片段特征获得单元,用于将各个声音信号帧的频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数分别进行拼接,得到所述有效声音信号片段的频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数。
本发明实施例中,所述特定语音特征参数计算单元可以包括:
第一差分计算子单元,用于对有效声音信号片段中的除了第一帧声音信号帧、第二帧声音信号帧、倒数第一帧声音信号帧和倒数第二帧声音信号帧之外的声音信号帧,按照预设第一公式计算一阶差分值;
第二差分计算子单元,用于对有效声音信号片段的第一帧声音信号帧和第二帧声音信号帧,按照预设第二公式计算一阶差分值;
第三差分计算子单元,用于对有效声音信号片段的倒数第一帧声音信号帧和倒数第二帧声音信号帧,按照预设第三公式计算一阶差分值。
本发明实施例中,所述识别结果包括所述有效声音信号片段属于各种异常声音的概率,所述的系统还可以包括:
目标识别结果选取模块,用于从所述识别结果中选取属于异常声音的概率大于预设概率阈值的识别结果作为目标识别结果;
训练样本集获取模块,用于获取所述异常声音识别模型的训练样本集;
替换模块,用于采用所述目标识别结果对应的有效声音信号片段,替换所述训练样本集中相同比例的声音信号片段;
模型更新模块,用于采用更新后的训练样本集,训练所述异常声音识别模型。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
参照图5为本发明实施例中一种猪只养殖场的异常声音监测系统的示意图。其中,养殖场按照猪舍进行划分,每个猪舍内都设置了多个声音采集设备来采集声音信号。多个猪舍组合为一个猪舍组,一个一级数据缓冲设备可以接收两个猪舍组的声音信号。多个一级数据缓冲设备将声音信号上传到一个二级数据汇总设备,由二级数据汇总设备将所有的声音信号上传到服务器。
本发明实施例还提供了一种装置,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述装置执行本发明实施例所述的方法。
本发明实施例还提供了一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得所述处理器执行本发明实施例所述的方法。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种养殖场的异常声音监测方法和一种养殖场的异常声音监测系统,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (12)
1.一种养殖场的异常声音监测方法,其特征在于,包括:
获取布置在养殖场中的多个声音采集设备所采集的声音信号;
确定各个声音采集设备的所采集的声音信号中的异常声音信号片段;
对所述异常声音信号片段进行滤重处理,以过滤重复的异常声音信号片段;
采用滤重处理后的异常声音信号片段,生成监控信息。
2.根据权利要求1所述的方法,其特征在于,所述声音采集设备为单个麦克风;所述对所述异常声音信号片段进行滤重处理,以过滤重复的异常声音信号片段的步骤包括:
确定两个麦克风的异常声音信号片段之间的重叠时长;
若两段异常声音信号片段之间的重叠时长大于预设时长阈值,则将其中一段异常声音信号片段去除。
3.根据权利要求1所述的方法,其特征在于,所述声音采集设备为麦克风阵列;所述对所述异常声音信号片段进行滤重处理,以过滤重复的异常声音信号片段的步骤包括:
确定两个麦克风阵列的异常声音信号片段之间的重叠时长;
若两段异常声音信号片段之间的重叠时长大于预设时长阈值,则分别确定该两段异常声音信号片段的声源位置信息;
若该两段异常声音信号片段的声源位置信息指向同一位置,且该两段异常声音信号片段对该位置的能量衰减符合距离衰减关系,则将其中一段异常声音信号片段去除。
4.根据权利要求1或2或3所述的方法,其特征在于,所述采用滤重处理后的异常声音信号片段,生成监控信息的步骤包括:
根据滤重处理后的异常声音信号片段,确定动物发出异常声音的次数;
采用动物发出异常声音的次数,生成监控信息。
5.根据权利要求1所述的方法,其特征在于,所述养殖场中的声音采集设备的布置位置按照如下方式确定:
获取养殖场的尺寸信息,以及所述养殖场中动物的各种异常声音的信号强度与传输距离的对应关系;
根据所述各种异常声音的信号强度与传输距离的对应关系,确定目标拾音半径;
根据所述尺寸信息和所述目标拾音半径,确定所需要的声音采集设备的数量,以及声音采集设备的布置位置。
6.根据权利要求5所述的方法,其特征在于,所述根据所述各种异常声音的信号强度与传输距离的对应关系,确定目标拾音半径的步骤包括:
根据所述异常声音的信号强度与传输距离的对应关系,确定当异常声音的信号强度从最大值衰减到特定值时对应的特定传输距离;
在各个异常声音的特定传输距离中,确定数值最小的特定传输距离为目标拾音半径。
7.根据权利要求1所述的方法,其特征在于,所述确定各个声音采集设备的所采集的声音信号中的异常声音信号片段的步骤包括:
从所述声音采集设备所采集的声音信号中,确定有效声音信号片段;
提取所述有效声音信号片段的特定语音特征参数;
将所述特定语音特征参数输入预先建立的异常声音识别模型;
获取所述异常声音识别模型输出的识别结果;
根据所述识别结果,确定对应的有效声音信号片段是否为异常声音信号片段。
8.根据权利要求7所述的方法,其特征在于,所述特征参数包括频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数;
所述提取所述有效声音信号片段的特定语音特征参数的步骤包括:
计算所述有效声音信号片段中每个声音信号帧的频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数;
将各个声音信号帧的频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数分别进行拼接,得到所述有效声音信号片段的频带特征参数、MFCC特征参数、一阶差分参数和二阶差分参数。
9.根据权利要求7所述的方法,其特征在于,所述识别结果包括所述有效声音信号片段属于各种异常声音的概率,所述方法还包括:
从所述识别结果中选取属于异常声音的概率大于预设概率阈值的识别结果作为目标识别结果;
获取所述异常声音识别模型的训练样本集;
采用所述目标识别结果对应的有效声音信号片段,替换所述训练样本集中相同比例的声音信号片段;
采用更新后的训练样本集,训练所述异常声音识别模型。
10.一种养殖场的异常声音监测系统,其特征在于,包括:多个声音采集设备和处理器;
所述处理器包括:
声音信号获取模块,用于获取布置在养殖场中的多个声音采集设备所采集的声音信号;
异常声音信号片段确定模块,用于确定各个声音采集设备的所采集的声音信号中的异常声音信号片段;
滤重模块,用于对所述异常声音信号片段进行滤重处理,以过滤重复的异常声音信号片段;
监控信息生成模块,用于采用滤重处理后的异常声音信号片段,生成监控信息。
11.一种装置,其特征在于,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述装置执行如权利要求1-9所述的一个或多个的方法。
12.一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得所述处理器执行如权利要求1-9所述的一个或多个的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811488281.4A CN109817227B (zh) | 2018-12-06 | 2018-12-06 | 一种养殖场的异常声音监测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811488281.4A CN109817227B (zh) | 2018-12-06 | 2018-12-06 | 一种养殖场的异常声音监测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109817227A true CN109817227A (zh) | 2019-05-28 |
CN109817227B CN109817227B (zh) | 2021-02-09 |
Family
ID=66601942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811488281.4A Active CN109817227B (zh) | 2018-12-06 | 2018-12-06 | 一种养殖场的异常声音监测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109817227B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782905A (zh) * | 2019-11-05 | 2020-02-11 | 秒针信息技术有限公司 | 一种定位方法、装置及系统 |
CN110867959A (zh) * | 2019-11-13 | 2020-03-06 | 上海迈内能源科技有限公司 | 一种基于声音识别的电力设备智能监控系统及监控方法 |
CN111770427A (zh) * | 2020-06-24 | 2020-10-13 | 杭州海康威视数字技术股份有限公司 | 麦克风阵列的检测方法、装置、设备以及存储介质 |
CN113141285A (zh) * | 2020-01-19 | 2021-07-20 | 海信集团有限公司 | 一种沉浸式语音交互方法及系统 |
CN114121050A (zh) * | 2021-11-30 | 2022-03-01 | 云知声智能科技股份有限公司 | 音频播放方法、装置、电子设备和存储介质 |
CN117423342A (zh) * | 2023-10-27 | 2024-01-19 | 东北农业大学 | 一种基于边缘计算的猪只异常状态监测方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004030281A1 (de) * | 2004-06-23 | 2006-01-19 | Meyerhuber, Alfred, Dr. | Verfahren und Vorrichtung zur Erkennung von Tierstimmen |
CN1952684A (zh) * | 2005-10-20 | 2007-04-25 | 松下电器产业株式会社 | 利用麦克风定位声源的方法和装置 |
JP2008158745A (ja) * | 2006-12-22 | 2008-07-10 | Kyowa Engineering Consultants Co Ltd | 猛禽類異常挙動自動解析システム及びそれを用いた建設工事管理方法 |
CN105044676A (zh) * | 2015-09-15 | 2015-11-11 | 北京理工大学 | 一种基于能量的声源定位方法 |
CN105204002A (zh) * | 2015-10-19 | 2015-12-30 | Tcl集团股份有限公司 | 一种声源定位方法及系统 |
CN106691451A (zh) * | 2016-07-11 | 2017-05-24 | 山东省农业科学院家禽研究所(山东省无特定病原鸡研究中心) | 适用于平养禽舍的患病家禽定位系统及定位方法 |
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 |
-
2018
- 2018-12-06 CN CN201811488281.4A patent/CN109817227B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004030281A1 (de) * | 2004-06-23 | 2006-01-19 | Meyerhuber, Alfred, Dr. | Verfahren und Vorrichtung zur Erkennung von Tierstimmen |
CN1952684A (zh) * | 2005-10-20 | 2007-04-25 | 松下电器产业株式会社 | 利用麦克风定位声源的方法和装置 |
JP2008158745A (ja) * | 2006-12-22 | 2008-07-10 | Kyowa Engineering Consultants Co Ltd | 猛禽類異常挙動自動解析システム及びそれを用いた建設工事管理方法 |
CN105044676A (zh) * | 2015-09-15 | 2015-11-11 | 北京理工大学 | 一种基于能量的声源定位方法 |
CN105204002A (zh) * | 2015-10-19 | 2015-12-30 | Tcl集团股份有限公司 | 一种声源定位方法及系统 |
CN106691451A (zh) * | 2016-07-11 | 2017-05-24 | 山东省农业科学院家禽研究所(山东省无特定病原鸡研究中心) | 适用于平养禽舍的患病家禽定位系统及定位方法 |
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 |
Non-Patent Citations (3)
Title |
---|
XIAODONG DU.ET AL.: "A Sound Source Localisation Analytical Method for Monitoring the Abnormal Night Vocalisations of Poultry", 《SENSORS》 * |
成冰洁: "基于稀疏表示的生态养殖鸡群声音异常识别方法", 《信息科技辑》 * |
福田基一等: "《噪声控制与消声设计》", 30 April 1982, 国防工业出版社 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782905A (zh) * | 2019-11-05 | 2020-02-11 | 秒针信息技术有限公司 | 一种定位方法、装置及系统 |
CN110867959A (zh) * | 2019-11-13 | 2020-03-06 | 上海迈内能源科技有限公司 | 一种基于声音识别的电力设备智能监控系统及监控方法 |
CN113141285A (zh) * | 2020-01-19 | 2021-07-20 | 海信集团有限公司 | 一种沉浸式语音交互方法及系统 |
CN111770427A (zh) * | 2020-06-24 | 2020-10-13 | 杭州海康威视数字技术股份有限公司 | 麦克风阵列的检测方法、装置、设备以及存储介质 |
CN114121050A (zh) * | 2021-11-30 | 2022-03-01 | 云知声智能科技股份有限公司 | 音频播放方法、装置、电子设备和存储介质 |
CN117423342A (zh) * | 2023-10-27 | 2024-01-19 | 东北农业大学 | 一种基于边缘计算的猪只异常状态监测方法及系统 |
CN117423342B (zh) * | 2023-10-27 | 2024-06-07 | 东北农业大学 | 一种基于边缘计算的猪只异常状态监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109817227B (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109817227A (zh) | 一种养殖场的异常声音监测方法和系统 | |
CN108198562A (zh) | 一种用于实时定位辨识动物舍内异常声音的方法及系统 | |
CN109087648B (zh) | 柜台语音监控方法、装置、计算机设备及存储介质 | |
CN106504768B (zh) | 基于人工智能的电话拨测音频分类方法及装置 | |
CN110444202B (zh) | 复合语音识别方法、装置、设备及计算机可读存储介质 | |
CN101976564A (zh) | 昆虫声音识别方法 | |
WO2020143512A1 (zh) | 一种婴儿哭声识别方法、装置及设备 | |
CN103117061A (zh) | 一种基于语音的动物识别方法及装置 | |
CN111724770B (zh) | 一种基于深度卷积生成对抗网络的音频关键词识别方法 | |
CN110600014B (zh) | 一种模型训练方法、装置、存储介质及电子设备 | |
CN112259105A (zh) | 一种声纹识别模型的训练方法、存储介质和计算机设备 | |
Stoeger et al. | Age-group estimation in free-ranging African elephants based on acoustic cues of low-frequency rumbles | |
Dufour et al. | First automatic passive acoustic tool for monitoring two species of procellarides (Pterodroma baraui and Puffinus bailloni) on Reunion Island, Indian Ocean | |
CN112786057B (zh) | 一种声纹识别方法、装置、电子设备及存储介质 | |
Schröter et al. | Segmentation, classification, and visualization of orca calls using deep learning | |
CN115048984A (zh) | 一种基于深度学习的母猪发情声识别方法 | |
Kharamat et al. | Durian ripeness classification from the knocking sounds using convolutional neural network | |
CN113724734A (zh) | 声音事件的检测方法、装置、存储介质及电子装置 | |
CN113936667A (zh) | 一种鸟鸣声识别模型训练方法、识别方法及存储介质 | |
CN115510265A (zh) | 一种输电线路中杆塔的动物危害分布判定方法和系统 | |
KR102364172B1 (ko) | 가축 발성음 센싱 시스템 및 방법 | |
Zhang et al. | A novel insect sound recognition algorithm based on MFCC and CNN | |
Delphin-Poulat et al. | Comparative assessment of data augmentation for semi-supervised polyphonic sound event detection | |
Du et al. | A tristimulus-formant model for automatic recognition of call types of laying hens. | |
Buck et al. | Synthesis and modification of the whistles of the bottlenose dolphin, Tursiops truncatus |
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 |