本发明专利技术属于农产品品质分析技术领域，具体涉及一种基于被动声学信息的淡水鱼存活率预测装置及方法。提取原始鱼声信号的装置包括鱼箱，所述鱼箱内各设有水听器，所述水听器分别与声学记录仪连接，所述鱼箱外设有隔音棉。淡水鱼存活率预测方法，包括采集原始鱼声信号，对鱼声信号进行消噪处理，提取鱼声信号的特征参数：短时平均能量、短时平均过零率、频段能量，构建特征向量，划分样本集，挑选鱼声信号特征频段，建立淡水鱼存活率预测模型。本发明专利技术建立的淡水鱼存活率预测模型能实现淡水鱼存活率的在线检测，可用于淡水鱼养殖与活鱼运输过程中鱼的存活率检测，对提高淡水鱼养殖和活鱼运输过程中鱼的存活率具有重要意义。
【技术实现步骤摘要】
本专利技术属于农产品品质分析
，具体涉及一种基于被动声学信息的淡水鱼存活率预测装置及方法。
技术介绍
我国是传统的渔业大国，水产品总产量和出口量均居世界首位，其中淡水鱼的养殖产量占内陆水产品总养殖产量的较大比重，是我国主要的水产养殖种类。根据中国渔业统计年鉴公布的数据可知，2009～2013年之间，我国的淡水鱼年产量平均增长率为5.5％，到2013年，我国淡水鱼年产量就已达到2635.08万吨，且会持续增长(梁焕秋等，2014；刘佳，2014)。鱼类肉味鲜美，营养丰富，含有人体所必需的动物蛋白、钙、多种维生素等营养物质，是日常生活中不可或缺的食材。而冷冻鱼和鲜活鱼无论是在营养价值还是在销售价格上都有较大的差别，普通消费者更多的倾向于购买鲜活鱼类。目前，国内和国际的淡水鱼市场需求一直在持续增长，其中90％以上淡水鱼以鲜活形式在市面上销售。相关研究表明，鱼类在水下有着各种各样的发声方式，如骨骼发出的声音、鳃盖的闭合声、游动时激起的水花和旋窝、鱼在沉浮时鱼鳔受到撞击震动以及鱼鳔换气时发出的声音、鱼体与鱼体之间发生碰撞所发出的声音等，声音信号丰富。而之所以我们听不到鱼所发出的任何声音，是因为水的密度是相当于空气密度的7500倍，鱼在水里面发出的声音几乎都在水的介质中逐渐消失。相关研究表明，鱼类的声音是用来实现种间或者种内的信息传递，包括生殖时的集群声、躲避敌害发生的声音、寻找食物的试探声以及识别同类的呼叫声等，其特征与鱼的种类、生理状态等生命活动紧密关联，有着特定的生物学意义。国内外对声学信息在渔业中的应用研究主要集中在鱼类发声特性及发声机理、鱼群发声信号处理、鱼类个体的水声目标特性和基于水声信号的鱼类资源评估方法等方面。在针对鱼类声音信号的研究中，大都围绕在通过分析水下的鱼声信号判断鱼群的地理分布等；个别针对鱼声信号本身的研究也以海鱼和船舶辐射噪声为主，提取信号的频域特征，目的是进行海鱼种类识别以及对鱼声信号与船舶声音信号进行识别；近年来，鱼探仪已成为渔业资源调查与评估的一个重要工具，广泛地应用于监测鱼群行为、鉴别鱼类性别、评估其它水生生物量、探测水体底部类型、监测水质和水生生态系统。鱼声检测方式主要包括主动声呐检测和被动声呐检测，现有研究中采用主动声呐方式较多，将被动水声信息检测技术应用于淡水鱼存活率检测的应用目前尚未发现。被动声学探测具有成本适中、灵敏度高、发展较成熟的优点，因此，基于被动声学信息的淡水鱼状态检测，进而实现对淡水鱼存活率预测更具有应用潜力，也是该领域的发展趋势。
技术实现思路
本专利技术的目的采用语音分析技术，提取了鱼声信号特征值，采用多元线性回归方法建立了淡水鱼存活率的预测模型，实现了淡水鱼存活率的快速检测。本专利技术技术方案：一种基于被动声学信息的淡水鱼存活率预测装置，提取原始鱼声信号的装置包括第一鱼箱，第二鱼箱，所述第一鱼箱内设有第一水听器，所述第二鱼箱内设有第二水听器，所述第一水听器、第二水听器分别与声学记录仪连接。优选地，所述第一鱼箱、第一水听器、第二水听器设有若干个。优选地，所述第一水听器、第二水听器分别位于第一鱼箱、第二鱼箱水面以下，所述第一鱼箱、第二鱼箱外设有隔音棉。优选地，所述隔音棉为橡胶海绵。一种基于声呐声学信息的淡水鱼存活率预测方法，所述方法具体包括以下步骤：1)消噪处理：提取原始鱼声信号，并对所得的鱼声信号进行消噪处理；2)提取特征参数：根据所述步骤1)消噪处理后的鱼声信号，提取鱼声短时平均能量、鱼声短时平均过零率，再对消噪处理后的鱼声信号进行分解，采用四层、五层、六层和七层小波包分解方法对鱼声信号进行了频段划分，提取各频段能量；3)构建特征向量：根据所述步骤2)提取的短时平均能量、短时平均过零率和各频段能量构建特征向量；4)样本集划分：采集不同条数不同时间的鱼声信号，构成一个鱼声样本集，将样本集划分为训练集和验证集；5)特征频段挑选、特征向量降维：对经过步骤4)划分样本集的鱼声音信号进行Z-score标准化预处理，并采用竞争自适应重加权采样法、多元线性回归对特征频段再次进行优选，剔除不显著的特征频段，得到鱼声信号特征频段能量，对步骤3)特征向量降维，得到降维后的鱼声信号特征向量；6)模型建立：对所述步骤5)降维后的鱼声信号特征向量，采用多元线性回归法和偏最小二乘法分别建立鱼存活率预测模型；7)预测存活率：对未知淡水鱼样本鱼声信号进行检测，并将鱼声样本的特征向量经Z-score标准化预处理后带入到回归方程中，计算出活鱼条数；完成鱼存活率的预测。优选地，所述步骤4)采用Rank-SPXY法进行样本集的划分，该方法由两部分组成，首先是Rank部分，即将样本按因变量活鱼条数的升序排序，然后将样本等分为m份；其次是SPXY法部分，即在等分m份的每个区间内采用SPXY法选取出训练集，其余的样本自动归为验证集，m分别取值为5和10。进一步优选地，所述步骤6)鲫鱼存活率预测模型，选取短时平均能量、短时平均过零率以及基于6层小波包分解的频段能量为鲫鱼声音信号样本的最优特征提取方法，Rank-SPXY法样本集划分方法中m＝10，建立鲫鱼存活率MLR预测模型，回归方程如下：y＝40.471-3.095x2+1.710x4-1.981x5-1.768x6+2.349x7-10.883x11+7.301x12-1.306x16-2.187x18+19.417x25+9.734x28+70.133x35-25.264x43-79.860x47-40.098x50+26.155x55-24.005x61+31.320x62，y为存活率，xi为鲫鱼声音信号经Z-score标准化预处理后特征值，鱼声短时平均能量x1、鱼声短时平均过零率x2，xi中i≥3时为基于6层小波包分解的频段能量，8～16Hz频段能量x4，16～24Hz频段能量x5，24～32Hz频段能量x6，32～40Hz频段能量x7，64～72Hz频段能量x11，72～80Hz频段能量x12，104～112Hz频段能量x16，120～128Hz频段能量x18，176～184Hz频段能量x25，200～208Hz频段能量x28，256～264Hz频段能量x35，320～328Hz频段能量x43，352～360Hz频段能量x47，376～384Hz频段能量x50，416～424Hz频段能量x55，464～472Hz频段能量x61，472～480Hz频段能量x62。更进一步优选地，鲫鱼声音信号的特征频段为256～264Hz、352～360Hz、376～384Hz。进一步优选地，所述步骤6)鳊鱼存活率预测模型，选取短时平均能量、短时平均过零率以及基于6层小波包分解的频段能量为鳊鱼声音信号样本的最优特征提取方法，建立鳊鱼存活率MLR预测模型，Rank-SPXY法样本集划分方法中m＝5，回归方程如下：y＝4.384+1.415x5+2.681x9+8.356x14+2.694x18-3.290x24，y为存活率，xi为鳊鱼声音信号经Z-score标准化预处理后特征值，鱼声短时平均能量x1、鱼声短时平均过零率x2，xi中i≥3时为基于6层小波包分解的频段能量，16～24Hz频段能量x5，48～56Hz频段能量x9，88～96Hz频段能量x14，本文档来自技高网...
【技术保护点】
一种基于被动声学信息的淡水鱼存活率预测装置，提取原始鱼声信号的装置包括第一鱼箱(1)，第二鱼箱(2)，其特征在于，所述第一鱼箱(1)内设有第一水听器(4)，所述第二鱼箱(2)内设有第二水听器(5)，所述第一水听器(4)、第二水听器(5)分别与声学记录仪(3)连接。
【技术特征摘要】
1.一种基于被动声学信息的淡水鱼存活率预测装置，提取原始鱼声信号的装置包括第一鱼箱(1)，第二鱼箱(2)，其特征在于，所述第一鱼箱(1)内设有第一水听器(4)，所述第二鱼箱(2)内设有第二水听器(5)，所述第一水听器(4)、第二水听器(5)分别与声学记录仪(3)连接。2.根据权利要求1所述基于被动声学信息的淡水鱼存活率预测装置，其特征在于：所述第一鱼箱(1)、第一水听器(4)、第二水听器(5)设有若干个。3.根据权利要求1所述基于被动声学信息的淡水鱼存活率预测装置，其特征在于：所述第一水听器(4)、第二水听器(5)分别位于第一鱼箱(1)、第二鱼箱(2)水面以下，所述第一鱼箱(1)、第二鱼箱(2)外设有隔音棉(6)。4.一种基于被动声学信息的淡水鱼存活率预测方法，其特征在于：所述方法具体包括以下步骤：1)消噪处理：提取原始鱼声信号，并对所得的鱼声信号进行消噪处理；2)提取特征参数：根据所述步骤1)消噪处理后的鱼声信号，提取鱼声短时平均能量、鱼声短时平均过零率，再对消噪处理后的鱼声信号进行分解，采用四层、五层、六层和七层小波包分解方法对鱼声信号进行了频段划分，提取各频段能量；3)构建特征向量：根据所述步骤2)提取的短时平均能量、短时平均过零率和各频段能量构建特征向量；4)样本集划分：采集不同条数不同时间的鱼声信号，构成一个鱼声样本集，将样本集划分为训练集和验证集；5)特征频段挑选、特征向量降维：对经过步骤4)划分样本集的鱼声音信号进行Z-score标准化预处理，并采用竞争自适应重加权采样法、多元线性回归对特征频段再次进行优选，剔除不显著的特征频段，得到鱼声信号特征频段能量，对步骤3)特征向量降维，得到降维后的鱼声信号特征向量；6)模型建立：对所述步骤5)降维后的鱼声信号特征向量，采用多元线性回归法和偏最小二乘法分别建立鱼存活率预测模型；7)预测存活率：对未知淡水鱼样本鱼声信号进行检测，并将鱼声样本的特征向量经Z-score标准化预处理后带入到回归方程中，计算出活鱼条数；完成鱼存活率的预测。5.根据权利要求4所述的方法，其特征在于：所述步骤4)采用Rank-SPXY法进行样本集的划分，该方法由两部分组成，首先是Rank部分，即将样本按因变量活鱼条数的升序排序，然后将样本等分为m份；其次是SPXY法部分，即在等分m份的每个区间内采用SPXY法选取出训练集，其余的样本自动归为验证集，m分别取值为5和10。6.根据权利要求5所述的方法，其特征在于：所述步骤6)鲫鱼存活率预测模型，选取短时平均能量、短时平均过零率以及基于6层小波包分解的频段能量为鲫鱼声音信号样本的最优特征提取方法，...
【专利技术属性】
技术研发人员：黄汉英，李路，熊善柏，赵思明，涂群资，马章宇，
申请(专利权)人：华中农业大学，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。