CN114617117A - 基于鸣声特征的果园鸟害防治管理系统 - Google Patents
基于鸣声特征的果园鸟害防治管理系统 Download PDFInfo
- Publication number
- CN114617117A CN114617117A CN202210397753.5A CN202210397753A CN114617117A CN 114617117 A CN114617117 A CN 114617117A CN 202210397753 A CN202210397753 A CN 202210397753A CN 114617117 A CN114617117 A CN 114617117A
- Authority
- CN
- China
- Prior art keywords
- bird
- module
- birds
- sound
- orchard
- 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
- 239000002420 orchard Substances 0.000 title claims abstract description 51
- 230000002265 prevention Effects 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000004891 communication Methods 0.000 claims abstract description 13
- 241000271566 Aves Species 0.000 claims description 65
- 235000013399 edible fruits Nutrition 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 8
- 230000001846 repelling effect Effects 0.000 claims description 8
- 241000607479 Yersinia pestis Species 0.000 claims description 4
- 241000272184 Falconiformes Species 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 description 6
- 230000005236 sound signal Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 241001465180 Botrytis Species 0.000 description 1
- 241001264635 Discodermia Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 125000003118 aryl group Chemical group 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005089 fruit drop Effects 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M29/00—Scaring or repelling devices, e.g. bird-scaring apparatus
- A01M29/16—Scaring or repelling devices, e.g. bird-scaring apparatus using sound waves
- A01M29/18—Scaring or repelling devices, e.g. bird-scaring apparatus using sound waves using ultrasonic signals
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M29/00—Scaring or repelling devices, e.g. bird-scaring apparatus
- A01M29/06—Scaring or repelling devices, e.g. bird-scaring apparatus using visual means, e.g. scarecrows, moving elements, specific shapes, patterns or the like
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Birds (AREA)
- Insects & Arthropods (AREA)
- Pest Control & Pesticides (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Environmental Sciences (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种基于鸣声特征的果园鸟害防治管理系统,包括:数据采集模块、处理模块、语音识别模块、鸟害防治模块、电源模块,所述数据采集模块、处理模块、语音识别模块、鸟害防治模块以及电源模块通信连接;所述数据采集模块,用于采集鸟的鸣声特征信息;所述处理模块,用于通信和处理数据信息;所述语音识别模块,用于对鸟的鸣声特征信息进行语音识别;所述鸟害防治模块,用于对鸟类进行驱逐;所述电源模块,用于提供电能。本发明不仅采用了声音识别还采用了图像识别的方式进行了鸟类识别和驱逐鸟类,准确高效的解决了鸟害问题。
Description
技术领域
本发明属于鸟类识别技术领域,尤其涉及一种基于鸣声特征的果园鸟害防治管理系统。
背景技术
近年来,随着生态环境的改善以及人们对动物的保护,鸟类的数量也大大增多,并且活动范围频繁范围广,鸟类对于果园来说逐渐的变成了鸟害,严重影响了果园的收成,人工巡检的方式工作难度极强,无法有效的防治鸟害。通常情况下,害鸟啄食的对象都是正值成熟时期的果实,芳香的气味,这些果实饱满、没有遭到虫害,市场价值较高,一旦被啄食,只能以低价售予市场或果汁厂;同时,被啄食的伤口还会引起盘菌属或葡萄孢属等真菌的滋生,从而引起烂果;此外,还会引起提前落果,导致果实以劣质品进入市场,影响水果品质和价值。现在鸟害变成了一种亟需解决的问题,因此本申请提出了一种基于鸣声特征的果园鸟害防治管理系统。
发明内容
本发明的目的在于提出一种基于鸣声特征的果园鸟害防治管理系统,有效识别果园上空和果园中的鸟类,大大的减少或有力的缓解鸟害问题。
为实现上述目的,本发明提供了一种基于鸣声特征的果园鸟害防治管理系统,包括:数据采集模块、处理模块、语音识别模块、鸟害防治模块、电源模块,所述数据采集模块、处理模块、语音识别模块、鸟害防治模块以及电源模块通信连接;
所述数据采集模块,用于采集鸟的鸣声信息;
所述处理模块,用于通信和处理数据信息;
所述语音识别模块,用于对鸟的鸣声信息进行语音识别;
所述鸟害防治模块,用于对鸟类进行驱逐;
所述电源模块,用于提供电能。
可选的,所述数据采集模块包括声音获取单元、声音降噪单元、声音提取单元;
所述声音获取单元,用于获取鸟类声音信息,通过在同一平面的位置安装多个麦克风,每个麦克风的角度设置每个麦克风的方向,所有的麦克风处于果园上方的一个圆周上;
声音降噪单元,用于过滤麦克风获取的鸟类声音信息,将所述鸟类声音信息进行统一频率处理,获取降噪后的鸟类鸣声信息;
所述声音提取单元,用于将所述降噪后的鸟类鸣声信息输入声音的倒谱系数作为特征矢量,对特征矢量的各分量的特征进行初始化,并对初始化参数进行多次迭代,获取最佳声音特征矢量。
可选的,所述语音识别模块包括鸟类声音数据库、语音融合单元、语音识别单元;
所述鸟类声音数据库,用于存储收集的鸟类声音特征值;
所述语音融合单元,用于将所述最佳声音特征矢量与所述鸟类声音数据库的鸟类声音特征值进行融合处理,获得融合后的特征值;
所述语音识别单元,用于将融合后的特征值进行匹配处理,根据不同声纹进行识别判断鸟的种类。
可选的,所述鸟害防治模块包括驱逐鸟类单元,所述驱逐鸟类单元,用于驱逐鸟类离开果园上空区域;所述驱逐鸟类单元包括超声波单元和机械设备,所述超声波单元,用于释放超声波驱逐鸟类;所述机械设备包括机械鹰和机械人型,所述机械识别设置与果园中间区域,用于通过鸟看见产生恐惧驱逐鸟类。
可选的,所述机械设备还包括太阳能电池板,所述太阳能电池板与所述电源模块连接。
可选的,所述鸟害防治模块还包括图像识别单元,所述图像识别单元,用于通过鸟类形状识别果园中鸟的种类,判断果树上有无鸟类滞留;所述机械设备还包括红外摄像头,判断果园中有无飞鸟出现。
可选的,所述图像识别单元包括图像采集单元和图像识别单元,所述图像识别单元与所述红外摄像头通信连接,统一分辨率,形成鸟类图像样本,通过加权法将所述图像转化为灰度图,进行图像降噪和二进制化处理,提取鸟类的形体轮廓特征,训练和测试后与鸟类形态数据图进行匹配,识别出鸟类的种类。
可选的,所述图像识别单元与所述红外摄像头通信连接,将果园进行网格区域划分,进行每一网格区域驱逐鸟类;所述图像识别单元与所述驱逐鸟类单元通信连接,将红外摄像头监测到的网格区域中鸟类,进行超声波驱逐出果园。
本发明技术效果:本发明公开了一种基于鸣声特征的果园鸟害防治管理系统,采用鸣声特征的识别方式进行防治果园鸟害,通过声音获取、声音降噪和声音提取,准确的采集鸟类声音信息,采用多次迭代更加准确的进行鸟类特征值的获取;采用语音识别方式进行语音融合、语音匹配通过不同声纹信息判断鸟类的种类,更准确的通过声音识别判断鸟类信息,也通过了图像识别与红外摄像头相结合识别未在果园上空发现的,停留在果树上的鸟类,对果园进行网格划分,对每一个网格区域的果树进行超声波方式的驱逐鸟类,准确有效的进行了鸟类识别和鸟类驱逐,极大程度的解决了果园鸟害问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例基于鸣声特征的果园鸟害防治管理系统的结构示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图1所示,本实施例中提供一种基于鸣声特征的果园鸟害防治管理系统,包括:数据采集模块、处理模块、语音识别模块、鸟害防治模块、电源模块,所述数据采集模块、处理模块、语音识别模块、鸟害防治模块以及电源模块通信连接;
所述数据采集模块,用于采集鸟的鸣声信息;
所述处理模块,用于通信和处理数据信息;
所述语音识别模块,用于对鸟的鸣声信息进行语音识别;
所述鸟害防治模块,用于对鸟类进行驱逐;
所述电源模块,用于提供电能。
进一步优化方案,所述数据采集模块包括声音获取单元、声音降噪单元、声音提取单元;
所述声音获取单元,用于获取鸟类声音信息,通过在同一平面的位置安装多个麦克风,每个麦克风的角度设置每个麦克风的方向,所有的麦克风处于果园上方的一个圆周上;
声音降噪单元,用于过滤麦克风获取的鸟类声音信息,将所述鸟类声音信息进行统一频率处理,获取降噪后的鸟类鸣声信息;
所述声音提取单元,用于将所述降噪后的鸟类鸣声信息输入声音的倒谱系数作为特征矢量,对特征矢量的各分量的特征进行初始化,并对初始化参数进行多次迭代,获取最佳声音特征矢量。
进一步优化方案,所述语音识别模块包括鸟类声音数据库、语音融合单元、语音识别单元;
所述鸟类声音数据库,用于存储收集的鸟类声音特征值;
所述语音融合单元,用于将所述最佳声音特征矢量与所述鸟类声音数据库的鸟类声音特征值进行融合处理,获得融合后的特征值;
所述语音识别单元,用于将融合后的特征值进行匹配处理,根据不同声纹进行识别判断鸟的种类。
对于不同鸟类的鸣声,相应特征间距离应当较大,而对于相同鸟类的鸣声,相应特征间的距离应当较小,若以前者距离与后者距离之比作为优化准则,则应使这个比值最大。特征参数数量应尽量少,从而减少计算量。为了保证有较高的识别率,所选择的特征之间的相关性宜小,且每个特征的有效性应高。而在声音识别中常用的特征参数大体分为频率、短时过零率、短时能量、基音周期、线性预测系数、线性预测倒谱系数。将人耳听觉感知特性与声音的产生相结合的一种特征参数,它采用了一种非线性的频率单位,来模拟人的听觉系统,具有更好的识别率和鲁棒性;而短时能量是声音信号最基本的短时参数之一,它表征一帧声音信号能量的大小,是声音信号重要的时域特征参数。
进一步优化方案,所述鸟害防治模块包括驱逐鸟类单元,所述驱逐鸟类单元,用于驱逐鸟类离开果园上空区域;所述驱逐鸟类单元包括超声波单元和机械设备,所述超声波单元,用于释放超声波驱逐鸟类;所述机械设备包括机械鹰和机械人型,所述机械识别设置与果园中间区域,用于通过鸟看见产生恐惧驱逐鸟类。
进一步优化方案,所述机械设备还包括太阳能电池板,所述太阳能电池板与所述电源模块连接。
进一步优化方案,所述鸟害防治模块还包括图像识别单元,所述图像识别单元,用于通过鸟类形状识别果园中鸟的种类,判断果树上有无鸟类滞留;所述机械设备还包括红外摄像头,判断果园中有无飞鸟出现。
进一步优化方案,所述图像识别单元包括图像采集单元和图像识别单元,所述图像识别单元与所述红外摄像头通信连接,统一分辨率,形成鸟类图像样本,通过加权法将所述图像转化为灰度图,进行图像降噪和二进制化处理,提取鸟类的形体轮廓特征,训练和测试后与鸟类形态数据图进行匹配,识别出鸟类的种类。
进一步优化方案,所述图像识别单元与所述红外摄像头通信连接,将果园进行网格区域划分,进行每一网格区域驱逐鸟类;所述图像识别单元与所述驱逐鸟类单元通信连接,将红外摄像头监测到的网格区域中鸟类,进行超声波驱逐出果园。
本发明公开了一种基于鸣声特征的果园鸟害防治管理系统,采用鸣声特征的识别方式进行防治果园鸟害,通过声音获取、声音降噪和声音提取,准确的采集鸟类声音信息,采用多次迭代更加准确的进行鸟类特征值的获取;采用语音识别方式进行语音融合、语音匹配通过不同声纹信息判断鸟类的种类,更准确的通过声音识别判断鸟类信息,也通过了图像识别与红外摄像头相结合识别未在果园上空发现的,停留在果树上的鸟类,对果园进行网格划分,对每一个网格区域的果树进行超声波方式的驱逐鸟类,准确有效的进行了鸟类识别和鸟类驱逐,极大程度的解决了果园鸟害问题。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种基于鸣声特征的果园鸟害防治管理系统,其特征在于,包括:数据采集模块、处理模块、语音识别模块、鸟害防治模块、电源模块,所述数据采集模块、处理模块、语音识别模块、鸟害防治模块以及电源模块通信连接;
所述数据采集模块,用于采集鸟的鸣声信息;
所述处理模块,用于通信和处理数据信息;
所述语音识别模块,用于对鸟的鸣声信息进行语音识别;
所述鸟害防治模块,用于对鸟类进行驱逐;
所述电源模块,用于提供电能。
2.如权利要求1所述的基于鸣声特征的果园鸟害防治管理系统,其特征在于,所述数据采集模块包括声音获取单元、声音降噪单元、声音提取单元;
所述声音获取单元,用于获取鸟类声音信息,通过在同一平面的位置安装多个麦克风,每个麦克风的角度设置每个麦克风的方向,所有的麦克风处于果园上方的一个圆周上;
声音降噪单元,用于过滤麦克风获取的鸟类声音信息,将所述鸟类声音信息进行统一频率处理,获取降噪后的鸟类鸣声信息;
所述声音提取单元,用于将所述降噪后的鸟类鸣声信息输入声音的倒谱系数作为特征矢量,对特征矢量的各分量的特征进行初始化,并对初始化参数进行多次迭代,获取最佳声音特征矢量。
3.如权利要求2所述的基于鸣声特征的果园鸟害防治管理系统,其特征在于,所述语音识别模块包括鸟类声音数据库、语音融合单元、语音识别单元;
所述鸟类声音数据库,用于存储收集的鸟类声音特征值;
所述语音融合单元,用于将所述最佳声音特征矢量与所述鸟类声音数据库的鸟类声音特征值进行融合处理,获得融合后的特征值;
所述语音识别单元,用于将融合后的特征值进行匹配处理,根据不同声纹进行识别判断鸟的种类。
4.如权利要求3所述的基于鸣声特征的果园鸟害防治管理系统,其特征在于,所述鸟害防治模块包括驱逐鸟类单元,所述驱逐鸟类单元,用于驱逐鸟类离开果园上空区域;所述驱逐鸟类单元包括超声波单元和机械设备,所述超声波单元,用于释放超声波驱逐鸟类;所述机械设备包括机械鹰和机械人型,所述机械识别设置与果园中间区域,用于通过鸟看见产生恐惧驱逐鸟类。
5.如权利要求4所述的基于鸣声特征的果园鸟害防治管理系统,其特征在于,所述机械设备还包括太阳能电池板,所述太阳能电池板与所述电源模块连接。
6.如权利要求5所述的基于鸣声特征的果园鸟害防治管理系统,其特征在于,所述鸟害防治模块还包括图像识别单元,所述图像识别单元,用于通过鸟类形状识别果园中鸟的种类,判断果树上有无鸟类滞留;所述机械设备还包括红外摄像头,判断果园中有无飞鸟出现。
7.如权利要求6所述的基于鸣声特征的果园鸟害防治管理系统,其特征在于,所述图像识别单元包括图像采集单元和图像识别单元,所述图像识别单元与所述红外摄像头通信连接,统一分辨率,形成鸟类图像样本,通过加权法将所述图像转化为灰度图,进行图像降噪和二进制化处理,提取鸟类的形体轮廓特征,训练和测试后与鸟类形态数据图进行匹配,识别出鸟类的种类。
8.如权利要求7所述的基于鸣声特征的果园鸟害防治管理系统,其特征在于,所述图像识别单元与所述红外摄像头通信连接,将果园进行网格区域划分,进行每一网格区域驱逐鸟类;所述图像识别单元与所述驱逐鸟类单元通信连接,将红外摄像头监测到的网格区域中鸟类,进行超声波驱逐出果园。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210397753.5A CN114617117A (zh) | 2022-04-15 | 2022-04-15 | 基于鸣声特征的果园鸟害防治管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210397753.5A CN114617117A (zh) | 2022-04-15 | 2022-04-15 | 基于鸣声特征的果园鸟害防治管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114617117A true CN114617117A (zh) | 2022-06-14 |
Family
ID=81906858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210397753.5A Pending CN114617117A (zh) | 2022-04-15 | 2022-04-15 | 基于鸣声特征的果园鸟害防治管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114617117A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117076941A (zh) * | 2023-07-13 | 2023-11-17 | 国网山东省电力公司泰安供电公司 | 一种光缆鸟害监测方法、系统、电子设备及可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104381240A (zh) * | 2014-11-21 | 2015-03-04 | 云南电网公司昆明供电局 | 一种电力输电线路高塔驱鸟系统 |
CN105145542A (zh) * | 2015-10-10 | 2015-12-16 | 无锡德沃精工设备有限公司 | 一种超声波驱鸟器 |
CN107183001A (zh) * | 2017-05-23 | 2017-09-22 | 国家电网公司 | 一种干式空心电抗器驱鸟系统 |
CN108271767A (zh) * | 2018-01-31 | 2018-07-13 | 佛山市神风航空科技有限公司 | 一种果园鸟害防治系统 |
CN112686293A (zh) * | 2020-12-25 | 2021-04-20 | 广东电网有限责任公司中山供电局 | 一种基于gmm识别模型的鸟类智能识别方法及系统 |
CN112800837A (zh) * | 2020-12-25 | 2021-05-14 | 广东电网有限责任公司中山供电局 | 一种鸟类识别系统及方法 |
CN113678814A (zh) * | 2021-07-01 | 2021-11-23 | 广东电网有限责任公司中山供电局 | 一种输电塔鸟害防治装置及方法 |
-
2022
- 2022-04-15 CN CN202210397753.5A patent/CN114617117A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104381240A (zh) * | 2014-11-21 | 2015-03-04 | 云南电网公司昆明供电局 | 一种电力输电线路高塔驱鸟系统 |
CN105145542A (zh) * | 2015-10-10 | 2015-12-16 | 无锡德沃精工设备有限公司 | 一种超声波驱鸟器 |
CN107183001A (zh) * | 2017-05-23 | 2017-09-22 | 国家电网公司 | 一种干式空心电抗器驱鸟系统 |
CN108271767A (zh) * | 2018-01-31 | 2018-07-13 | 佛山市神风航空科技有限公司 | 一种果园鸟害防治系统 |
CN112686293A (zh) * | 2020-12-25 | 2021-04-20 | 广东电网有限责任公司中山供电局 | 一种基于gmm识别模型的鸟类智能识别方法及系统 |
CN112800837A (zh) * | 2020-12-25 | 2021-05-14 | 广东电网有限责任公司中山供电局 | 一种鸟类识别系统及方法 |
CN113678814A (zh) * | 2021-07-01 | 2021-11-23 | 广东电网有限责任公司中山供电局 | 一种输电塔鸟害防治装置及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117076941A (zh) * | 2023-07-13 | 2023-11-17 | 国网山东省电力公司泰安供电公司 | 一种光缆鸟害监测方法、系统、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017162017A1 (zh) | 语音数据处理方法、装置和存储介质 | |
US6761131B2 (en) | Apparatus for determining dog's emotions by vocal analysis of barking sounds and method for the same | |
Cai et al. | Sensor network for the monitoring of ecosystem: Bird species recognition | |
CN103117061A (zh) | 一种基于语音的动物识别方法及装置 | |
US20230123117A1 (en) | Method and Apparatus for Inspecting Wind Turbine Blade, And Device And Storage Medium Thereof | |
CN109473120A (zh) | 一种基于卷积神经网络的异常声音信号识别方法 | |
CN107527617A (zh) | 基于声音识别的监控方法、装置及系统 | |
WO2005024782B1 (en) | Method and apparatus for automatically identifying animal species from their vocalizations | |
CN112164408A (zh) | 基于深度学习的猪咳嗽声监测与预警系统 | |
CN110610709A (zh) | 基于声纹识别的身份辨别方法 | |
CN110047510A (zh) | 音频识别方法、装置、计算机设备及存储介质 | |
CN112820275A (zh) | 一种基于声音信号分析哺乳仔猪异常的自动监测方法 | |
CN114617117A (zh) | 基于鸣声特征的果园鸟害防治管理系统 | |
Ting Yuan et al. | Frog sound identification system for frog species recognition | |
CN117981744B (zh) | 一种输电线路防鸟害保护系统、方法、电子设备及存储介质 | |
CN111626093B (zh) | 一种基于鸣声功率谱密度的输电线路相关鸟种识别方法 | |
Ganchev et al. | Automatic acoustic identification of singing insects | |
Zhang et al. | A novel insect sound recognition algorithm based on MFCC and CNN | |
CN110335613B (zh) | 一种采用拾音器实时探测的鸟类识别方法 | |
Potamitis et al. | Automatic acoustic identification of crickets and cicadas | |
Anđelić et al. | Sound-based logging detection using deep learning | |
CN113488071A (zh) | 一种猪只咳嗽识别方法、装置、设备及可读存储介质 | |
KR101884000B1 (ko) | PFD(Peak Frequency Detect)기술을 이용하여 조류독감을 포함한 동물 질병 감염개체의 소리를 비교, 구분, 판독하는 전자공학적 하모닉스 알고리즘에 관한 서비스 제공방법 및 장치 | |
CN112733927A (zh) | 一种基于一维卷积神经网络的风叶声音边界定位方法和存储设备 | |
Estrebou et al. | Voice recognition based on probabilistic SOM |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220614 |
|
RJ01 | Rejection of invention patent application after publication |