一种用于实时定位辨识动物舍内异常声音的方法及系统技术方案

本发明专利技术涉及一种用于实时定位辨识动物舍内异常声音的方法及系统，其包括：获取实时声音数据；根据获取的实时声音数据检测是否有动物异常声音；当检测到有动物异常声音时，定位该异常声音来源方向；在异常声音来源方向，定位发声动物的精确位置；标记的动物异常声音和发声位置，存储成历史音频文件形式。本发明专利技术采用非侵入式、连续、实时的声音系统来监测夜间动物的异常发声状况，辅助养殖人员对夜间动物异常发声进行准确地辨识，提高识别动物发声类型的准确率及定位精度。实现24小时连续监测动物舍，该系统可以节省人力物力，极大地提高饲养管理效率。

【技术实现步骤摘要】
一种用于实时定位辨识动物舍内异常声音的方法及系统
本专利技术涉及一种畜禽数字化养殖领域，特别是关于一种用于实时定位辨识动物舍内异常声音的方法及系统。
技术介绍
声音分析技术已经成为研究动物行为、动物健康和动物福利的一种重要手段，通过监测动物发声可了解其自身的健康状况以及个体需求，也是一种评价动物行为、福利的辅助方法。然而，规模化养殖鸡舍中动物数量繁多，对日常饲养管理提出巨大挑战，要求饲养员一天24小时监控鸡舍难以实现，而且人员的进出会给鸡群带来较大应激，此外，鸡舍中突发异常状况未能及时反馈生产者，会造成不可估量的经济损失，如：夏季鸡舍热应激。然而，仅仅通过人耳或人眼是不能对畜禽舍进行24小时连续监控并记录的。此外，市面上现有的摄像头和麦克风仅提供音视频监测的基础功能模块，并未同实际的养殖生产相结合，关联动物行为和动物福利的内容。目前现有技术，公开了通过声音信号对道路上鸣笛的机动车进行识别的方法，以及用于实时定位鸣笛的机动车的方法及系统，用噪声源定位计算，包括：延迟累加算法或MUSIC算法，获取鸣笛车辆并判别噪声特征，进行鸣笛车辆车牌抓拍识别。比利时学者M.Silva等采用TDOA技术和麦克风阵列系统监测猪舍呼吸道疾病，8个麦克风组成不同的形状分散安装在猪舍中用于捕捉猪咳嗽声音。虽然国内交通领域的鸣笛抓拍技术较成熟，但是畜禽舍内动物的叫声是非短时平稳信号，而且干扰声源较多，并不能较好地应用于畜禽舍监测中，此外，国外学者的研究局限于对猪、牛等体型较大动物的发声定位，个体数量较多的动物群体如蛋鸡、肉鸡等，基于TDOA技术的算法效率和准确度会受到较大影响。因此，迫切需要一种适用于规模化畜禽舍的声音监测系统。
技术实现思路
针对上述问题，本专利技术的目的是提供一种用于实时定位辨识动物舍内异常声音的方法及系统，其采用非侵入式、连续、实时的声音系统来监测夜间动物的异常发声状况，辅助养殖人员对夜间动物异常发声进行准确地辨识，提高识别动物发声类型的准确率及定位精度。实现24小时连续监测动物舍，该系统可以节省人力物力，极大地提高饲养管理效率。为实现上述目的，本专利技术采取以下技术方案：一种用于实时定位辨识动物舍内异常声音的方法，其特征在于包括以下步骤：1)获取实时声音数据；2)根据获取的实时声音数据检测是否有动物异常声音；3)当检测到有动物异常声音时，定位该异常声音来源方向；4)在异常声音来源方向，定位发声动物的精确位置；5)标记的动物异常声音和发声位置，存储成历史音频文件形式。进一步，所述分布式麦克风阵列采用平面矩形结构或多平面立体结构。进一步，所述步骤2)中，根据实时声音数据检测动物异常声音的方法包括以下步骤：2.1)将获取的实时声音信号转化为音频数据；2.2)判断音频数据中的声压是否高于预先设定的声压阈值，高于则进入下一步，反之则忽略不计；2.3)在声压高于阈值声压时，判断音频数据中在400Hz～2500Hz频率范围内是否存在单峰值或多峰值特征，存在则进入下一步，反之则忽略不计；2.4)当出现单峰值或多峰值特征时，利用神经网络音色模型对音频数据进行识别，判断其声音类型为鸣叫声、饮水声、产蛋叫声、采食声、机械噪声或其它声音；2.5)当判断结果为其它声音时，将该音频标记为异常声音。进一步，所述步骤2.4)中，神经网络音色模型的建立过程包括以下步骤：2.4.1)对单峰值或多峰值特征的音频信号进行特征提取：提取的特征为MFCC和TF特征的组合特征；MFCC为梅尔频率倒谱系数，TF为三色共振峰；MFCC的计算步骤为：(1)预加重：采用有限脉冲响应滤波器处理音频信号；(2)对预加重处理后的音频信号进行分帧；(3)对分帧后的音频信号进行离散傅里叶变换及分割：每一帧经过离散傅里叶变换后，再采用三角形滤波器组成的滤波器组进行分割；(4)对分割后的音频信号进行离散余弦变换，选取12维静态特征向量作为特征参数的输入；2.4.2)选取反向传播神经网络作为分类器，对组合特征进行分类识别。进一步，所述TF特征是依据动物发声机制进行提取，提取动物前三个主要共振峰特征，获取其三色共振峰特征TFi：式中，Fi表示不同共振峰，i＝1,2,3；选取TF的3维特征向量作为特征参数的输入。进一步，所述三个主要共振峰是指峰值最大的三个共振峰，其中第一共振峰的峰值最大；第二共振峰的峰值小于第一共振峰，频率高于第一共振峰；第三共振峰的峰值小于第二共振峰，频率高于第二共振峰。进一步，所述步骤3)中，异常声音来源方向的定位是采用对声源区域利用基于最大声能量算法进行定位计算；所述步骤4)中，动物发声的精确位置定位是采用基于SRP-PHAT算法或可控功率响应算法进行声源精准定位计算。进一步，所述基于SRP-PHAT算法进行声源精准定位计算的步骤如下：4.1)假设动物发声点位于每个单元内，则根据各单元的几何位置关系估计出动物声音到达各个分布式麦克风的时间差；4.2)将各麦克风采集的音频波形进行时间延迟补偿，进而计算出广义互相关GCC的值，GCC为声源定位算法；4.3)将多对通道GCC进行累加计算，得到各个区域块累计之后的声功率值，声功率值最大的区域块位置为真实声源的估计位置。进一步，所述步骤4.3)中，若同时存在多个可能的声源位置，则将声功率值按从大到小排列，列举可能性的几个声源所在区域块，利用神经网络音色模型再次对音频数据进行判别；若该声音类型属于其它声音，则将记录所有定位的区域块位置信息，若不属于，则不记录。为实现上述目的，本专利技术还提供另一种技术方案：一种用于实时定位辨识动物舍内异常声音的系统，其特征在于：该系统包括声音实时获取模块、声音辨识模块、声源方向定位模块、发声定位模块和存储模块；所述声音实时获取模块用于获取实时声音数据；所述声音辨识模块用于根据实时声音数据判断是否有异常动物声音；所述声源方向定位模块用于定位异常动物声音来源方向；所述发声定位模块通过异常声音的来源方向定位发声动物所在精确位置；所述存储模块用于标记动物异常声音和发声位置，存储成历史音频文件形式。本专利技术由于采取以上技术方案，其具有以下优点：1、本专利技术基于LabVIEW平台，利用麦克风阵列实时监测动物声音，通过对声源进行降噪、识别，能够准确地确定动物异常发声所在的区域位置，以此来辅助饲养员实现24小时连续监测，本方案省时省力，是一种无应激、快捷的自动化监测手段，在保证不影响正常生产过程的情况下极大地提高饲养管理的效率。2、本专利技术通过声音定位可同时捕获多个动物异常发声区域。3、本专利技术方法可应用于在线的动物健康监测系统，以评价动物福利和动物健康状况，辅助人工巡检畜禽舍，提高生产管理效率。本专利技术同时可应用到其它动物发声研究领域中作为自动化评价动物福利和动物健康的方法之一。附图说明图1是本专利技术的整体流程示意图；图2是本专利技术的分布式麦克风阵列结构示意图；图3是本专利技术的检测动物异常声音方法流程示意图；图4是本专利技术实施例中用于实时监测蛋鸡发声的分布式麦克风阵列定位辨识方法流程示意图；图5a是本专利技术实施例中鸡舍平面结构示意图；图5b是本专利技术实施例中鸡舍立体结构示意图。具体实施方式本专利技术旨在提供一种非侵入式、连续、实时的声音系统来监测夜间动物的异常发声状况，辅助养殖人员对夜间动物异常发声进行准确地辨识，并统计发声区域。本文档来自技高网...

【技术保护点】
1.一种用于实时定位辨识动物舍内异常声音的方法，其特征在于包括以下步骤：1)获取实时声音数据；2)根据获取的实时声音数据检测是否有动物异常声音；3)当检测到有动物异常声音时，定位该异常声音来源方向；4)在异常声音来源方向，定位发声动物的精确位置；5)标记的动物异常声音和发声位置，存储成历史音频文件形式。

【技术特征摘要】
1.一种用于实时定位辨识动物舍内异常声音的方法，其特征在于包括以下步骤：1)获取实时声音数据；2)根据获取的实时声音数据检测是否有动物异常声音；3)当检测到有动物异常声音时，定位该异常声音来源方向；4)在异常声音来源方向，定位发声动物的精确位置；5)标记的动物异常声音和发声位置，存储成历史音频文件形式。2.如权利要求1所述方法，其特征在于：所述实时声音数据采用分布式麦克风阵列进行获取；所述分布式麦克风阵列采用平面矩形结构或多平面立体结构。3.如权利要求1所述方法，其特征在于：所述步骤2)中，根据实时声音数据检测动物异常声音的方法包括以下步骤：2.1)将获取的实时声音信号转化为音频数据；2.2)判断音频数据中的声压是否高于预先设定的声压阈值，高于则进入下一步，反之则忽略不计；2.3)在声压高于阈值声压时，判断音频数据中在400Hz～2500Hz频率范围内是否存在单峰值或多峰值特征，存在则进入下一步，反之则忽略不计；2.4)当出现单峰值或多峰值特征时，利用神经网络音色模型对音频数据进行识别，判断其声音类型为鸣叫声、饮水声、产蛋叫声、采食声、机械噪声或其它声音；2.5)当判断结果为其它声音时，将该音频标记为异常声音。4.如权利要求3所述方法，其特征在于：所述步骤2.4)中，神经网络音色模型的建立过程包括以下步骤：2.4.1)对单峰值或多峰值特征的音频信号进行特征提取：提取的特征为MFCC和TF特征的组合特征；MFCC为梅尔频率倒谱系数，TF为三色共振峰；MFCC的计算步骤为：(1)预加重：采用有限脉冲响应滤波器处理音频信号；(2)对预加重处理后的音频信号进行分帧；(3)对分帧后的音频信号进行离散傅里叶变换及分割：每一帧经过离散傅里叶变换后，再采用三角形滤波器组成的滤波器组进行分割；(4)对分割后的音频信号进行离散余弦变换，选取12维静态特征向量作为特征参数的输入；2.4.2)选取反向传播神经网络作为分类器，对组合特征进行分类识别。5.如权利要求3所述方法，其特征在于：所述TF特征是依据动物发声机制进行...

【专利技术属性】
技术研发人员：滕光辉，杜晓冬，周振宇，李志忠，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京,11