基于声学分析的母猪呼吸系统疾病预警系统技术方案

本发明专利技术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。本发明专利技术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。

【技术实现步骤摘要】
基于声学分析的母猪呼吸系统疾病预警方法
本专利技术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
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。
技术介绍
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。
技术实现思路
本专利技术针对
技术介绍
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α0-0.30.3-0.70.7-0.90.9-1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。本专利技术的有益效果(1)本专利技术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为本专利技术系统整体框架图。图2为本专利技术音频采集节点结构图。图3为本专利技术方法整体流程图。图4为本专利技术实时音频获取算法流程图。图5为本专利技术咳嗽音频识别算法流程图。图6为本专利技术加权MFCC提取算法流程图。图7为本专利技术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为双麦本文档来自技高网...

【技术保护点】
1.一种基于声学分析的母猪呼吸系统疾病预警方法，其特征在于它包括以下步骤：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。

【技术特征摘要】
1.一种基于声学分析的母猪呼吸系统疾病预警方法，其特征在于它包括以下步骤：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。2.根据权利要求1所述的方法，其特征在于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。3.根据权利要求2所述的方法，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。4.根据权利要求1所述的方法，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。5.根据权利要求1所述的方法，其特征在于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...

【专利技术属性】
技术研发人员：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，
申请(专利权)人：南京农业大学，
类型：发明
国别省市：江苏,32