一种基于声学信息的梅山猪发情监测方法技术

本发明专利技术属于动物发情监测技术领域，具体涉及一种基于声学信息的梅山猪发情监测方法。首先采集梅山猪发情声信号和猪场环境的其他猪只的打喷嚏、吃食、尖叫、哼哼、甩耳朵声，利用基于小波阈值多窗谱的维纳语音增强和基于短时能量的双门限端点检测对猪声音信号进行预处理，实现猪声音信号的去噪和有效信号检测；然后利用时频分析方法和短时分析技术分析了猪声音信号的时频域特征，提取了经时间规整算法规整后的300维短时能量、300维短时过零率、32维基于6层小波包分解的子带频段能量比和720维梅尔倒谱系数共1352维梅山猪声音特征；构建深度信念网络（DBN）进行梅山猪发情声的识别。本发明专利技术准确地判断梅山猪发情期，有利于母猪的及时受孕，发挥其繁殖潜力，提高经济效益。

An oestrus monitoring method for Meishan pigs based on acoustic information

The invention belongs to the field of animal estrus monitoring technology, in particular to a Meishan pig oestrus monitoring method based on acoustic information. First, the Meishan pig's oestrus sound signal and other pigs' sneezing, feeding, screaming, hum, and ear shaking in other pig farms are collected. The pig's sound signal is preprocessed by using the wavelet threshold multi window spectrum based Wiener speech enhancement and the dual threshold endpoint detection based on short-time energy, so as to realize the pig's sound signal denoising and effective signal detection, and then use the time-frequency analysis method and short. Time analysis technology is used to analyze the time-frequency characteristics of pig's voice signal. The 300 dimensional short-time energy, 300 dimensional short-time zero crossing rate, 32 dimensional wavelet packet decomposition subband energy ratio and 720 Vermeer cepstral coefficient of 1352 dimensional Meishan pig sound feature are extracted after the time warping algorithm is structured. The deep belief network (DBN) is used to identify the oestrus sound of Meishan pig. The invention accurately judges the oestrous period of Meishan pigs, which is beneficial to the timely conception of the sows, giving full play to their reproductive potential and increasing their economic benefits.

【技术实现步骤摘要】
一种基于声学信息的梅山猪发情监测方法
本专利技术属于动物发情监测
，具体涉及一种基于声学信息的梅山猪发情监测方法。
技术介绍
近年来，随着生猪和母猪产业结构调整，养殖业向着规模化、高效化、智能化、集约化的方向快速迈进，对母猪发情的及时监测提出了更高的要求。发情监测在猪场管理中具有重要地位，在母猪发情时进行授精可以大幅度提升其受孕几率，从而发挥动物的繁殖潜力，提高经济效益。母猪发情监测一般可分为两大类。一类是传统方法，主要有外部观察法、阴道黏膜黏液检查法、静立反射检查法、公猪试情法。目前我国大部分猪场仍采用传统方式进行发情监测，这种监测方法存在耗时长、耗力大且很难鉴定隐性发情问题，已经不适应大规模、集约化的养殖方式。另一类为针对母猪发情期行为和温度变化的数字化监测技术。汪开英等在一家母猪试验场中运用红外传感器实时监测母猪的发情行为，根据母猪的日平均活动量进行发情鉴定，准确率为84.2％；Ostersen等采用RFID技术监测6h内母猪与公猪互相亲近持续时间及频率，实现母猪发情的自动监测；V.G.Simes等利用红外热成像技术来研究母猪发情前与发情期的外阴部温度与排卵之间的关系，发现母猪发情前外阴部温度开始升高，达到峰值后逐渐降低，发情后6～12h达到最低，而发情前后臀部温度差异不显著，并提出根据阴部温度来判断排卵时间具有一定的可行性，但存在监测步骤繁琐、准确率低等问题。动物声音能反映出动物的生理状况，如饥饿、疼痛等，以及外部因素对动物机体所造成的应激。有经验的养殖人员可以通过动物的叫声了解动物当时的生理及健康状况。随着语音信号处理与识别技术的发展，基于声音信息的动物发情监测技术得到了发展。潘载扬通过研究发情期大熊猫的7种叫声类型和幼体大熊猫的3种叫声类型，分析了大熊猫声音通讯在配偶判别和亲代哺育过程中的作用；GHUNG等提出一种数据挖掘算法从奶牛叫声中提取梅尔频率倒谱系数用于奶牛发情监测，准确性大于94％，且系统成本低，可实现无接触、实时监测。目前基于声音信息的母猪发情监测方面的研究还很薄弱，对猪声音的研究主要集中在关系猪健康状态和福利化养殖评价的猪咳嗽声、哺乳声上，在猪发情监测上的应用鲜有报道。1958年，Grauvogla最早对猪发声进行了研究，并区分了23种不同的猪发声类别。张俊辉等研究了猪听觉的形成原理、声音的特征、母猪与仔猪间声音的联系及声音对断奶仔猪生产性能和行为的影响，为进一步缓解断奶应激、提高猪的生产性能寻找新的路径。徐亚妮利用模糊c均值聚类算法进行待产梅山猪咳嗽声与尖叫声识别，识别率分别达到83.4％和83.1％；闫丽等以小梅山母猪的哺乳声、饮水声、采食声及无食咀嚼声为对象，采用偏度聚类的方法对特征参数降维，构建支持向量机的声音分类识别器，识别率达96.61％以上，实现了对哺乳母猪的母性能力及其健康状况的无应激、实时监测；德国的DummerStorf家畜生物学研究所，将其所进行的监测与识别猪发声信息技术方面的研究成果应用到其研发的应用软件中，使用该软件及配套设备可以判断猪的应激反应，甚至可以准确预告母猪的发情期。因此，采用基于声音信号的母猪发情监测是可行的。梅山猪属于中国优良地方品种太湖猪中的一个主要品系，以产仔多、繁殖性能优良而为国内外所重视，是经济杂交或培育新品种的最大优良亲本，被誉为“世界级产仔冠军。本专利技术以梅山猪为研究对象，采集梅山猪发情声及猪场环境中的打喷嚏、吃食、尖叫、哼哼和甩耳朵声5种非发情声数据，利用时频分析方法分析梅山猪发情声的时频域特征，寻找能够代表梅山猪发情声特点的特征参数；将深度信念网络(Deepbeliefnets，DBN)引入猪发情声识别领域，构建猪场环境中梅山猪的发情声识别模型，为母猪发情检测提供了一种新的方法。
技术实现思路
为了实现对母猪发情时间的准确判断，并克服现有发情监测方法的缺点，本专利技术提出了一种基于声音的梅山猪发情监测方法。本专利技术技术方案：一种基于声学信息的梅山猪发情监测方法，所述方法包括以下步骤：步骤1：通过放置在猪栏处的录音设备，采集梅山猪发情时产生的声音信号，同时采集猪场环境中梅山猪和长白猪的打喷嚏、吃食、尖叫、哼哼、甩耳朵声音信号；步骤2：基于小波阈值多窗谱的维纳语音增强对步骤1采集的猪声音信号进行预处理，实现猪声音信号的去噪，得到去噪后的猪声信号；步骤3：利用基于短时能量的双门限端点检测方法对步骤2去噪后的猪声信号进行有效信号的提取，得到有效的猪声信号；步骤4：对步骤3的有效的猪声信号进行时频特征分析，确定声音信号的持续时长、能量分布和频率分布；步骤5：在步骤4的时频特征分析基础上，对有效猪声信号进行声音特征提取，声音特征指标包括短时能量、短时过零率、基于6层小波包分解的子带频段能量比、梅尔频率倒谱系数；步骤6：对所述步骤5中提取的声音特征参数，采用深度信念网络建立梅山猪发情声识别模型；步骤7：按训练集和测试集4:1的比例，利用步骤6中建立的梅山猪发情声识别模型进行识别验证，并进行5折交叉验证，确定识别效果；完成梅山猪发情声的识别。优选地，所述步骤4梅山猪发情时的嚎叫声单次时间持续1.8-2.2s，打喷嚏和甩耳朵声时间持续0.38-0.42s，尖叫、哼哼时间持续0.6～1.4s，单脉冲吃食声时间持续0.09-0.11s；所述梅山猪发情声在时域和频域上呈现两段分布，能量集中分布于500～1500Hz和2500～5500Hz这两个频段，且两个频段之间能量有一个较大的回落；单脉冲吃食声时间较短，频谱分布于1000～10000Hz的较宽频段；打喷嚏、尖叫声、甩耳朵和哼哼声频率主峰均位于3000～4000Hz频段，其中哼哼声频率分布于2000～3500Hz的较窄频带。优选地，所述步骤5声音特征提取前采用时间规整算法将声音信号规整为相同维数的特征向量后再进行特征提取。优选地，所述步骤5中，短时能量和短时过零率均为300维，梅尔倒谱系数为720维，基于6层小波包分解的子带频段能量比提取时，选取32维子带频段能量比。优选地，所述步骤6深度信念网络建立了一个5层的深度信念网络梅山猪发情声识别模型，采用非监督贪婪算法逐层预训练多层受限玻尔兹曼机(RBM)的网络结构并采用误差反向传播算法(BP)进行整体微调的方式调整权值；设定了50个样本的小批量数据包的训练模式，学习率为0.1，权损失系数为0.0002，能够获取收敛较优的梅山猪发情声识别模型。优选地，所述步骤7中，采用5折交叉验证法来对识别效果进行验证，即将梅山猪发情声与非发情声样本平均分成5等份，然后按照训练集与测试集4:1的比例分成5组,轮流去做训练和测试，循环5次。优选地，所述步骤7，单个参数识别效果由高到低依次为梅尔倒谱系数、子带频段能量比、短时能量、短时过零率；组合参数识别效果最优为梅尔倒谱系数和子带频段能量比的特征组合。本专利技术有益效果如下：1、本专利技术通过对猪声音信号的时频分析，确定了梅山猪发情声的特征参数，建立的深度信念网络识别模型，实现了梅山猪发情声的自动无损监测，提高了监测效率，降低了劳动成本；2、应用本专利技术建立的梅山猪发情声识别方法，可以实现母猪发情监测过程中母猪的在线发情监测，总识别率最高为97.50％，因此，本专利技术可以帮助猪场管理者提高猪场管理的信息化水平，也为母猪发情监本文档来自技高网...

【技术保护点】
1.一种基于声学信息的梅山猪发情监测方法，其特征在于，所述方法包括以下步骤：步骤1：通过放置在猪栏处的录音设备，采集梅山猪发情时产生的声音信号，同时采集猪场环境中梅山猪和长白猪的打喷嚏、吃食、尖叫、哼哼、甩耳朵声音信号；步骤2：基于小波阈值多窗谱的维纳语音增强对步骤1采集的猪声音信号进行预处理，实现猪声音信号的去噪，得到去噪后的猪声信号；步骤3：利用基于短时能量的双门限端点检测对步骤2去噪后的猪声信号进行有效信号的提取，得到有效的猪声信号；步骤4：对步骤3的有效的猪声信号进行时频特征分析，确定声音信号的持续时长、能量分布和频率分布；步骤5：在步骤4的时频特征分析基础上，对有效猪声信号进行声音特征提取，声音特征指标包括短时能量、短时过零率、基于6层小波包分解的子带频段能量比、梅尔频率倒谱系数；步骤6：对所述步骤5中提取的声音特征参数，采用深度信念网络建立梅山猪发情声识别模型；步骤7：按训练集和测试集4:1的比例，利用步骤6中建立的梅山猪发情声识别模型进行识别验证，并进行5折交叉验证，确定识别效果；完成梅山猪发情声的识别。

【技术特征摘要】
1.一种基于声学信息的梅山猪发情监测方法，其特征在于，所述方法包括以下步骤：步骤1：通过放置在猪栏处的录音设备，采集梅山猪发情时产生的声音信号，同时采集猪场环境中梅山猪和长白猪的打喷嚏、吃食、尖叫、哼哼、甩耳朵声音信号；步骤2：基于小波阈值多窗谱的维纳语音增强对步骤1采集的猪声音信号进行预处理，实现猪声音信号的去噪，得到去噪后的猪声信号；步骤3：利用基于短时能量的双门限端点检测对步骤2去噪后的猪声信号进行有效信号的提取，得到有效的猪声信号；步骤4：对步骤3的有效的猪声信号进行时频特征分析，确定声音信号的持续时长、能量分布和频率分布；步骤5：在步骤4的时频特征分析基础上，对有效猪声信号进行声音特征提取，声音特征指标包括短时能量、短时过零率、基于6层小波包分解的子带频段能量比、梅尔频率倒谱系数；步骤6：对所述步骤5中提取的声音特征参数，采用深度信念网络建立梅山猪发情声识别模型；步骤7：按训练集和测试集4:1的比例，利用步骤6中建立的梅山猪发情声识别模型进行识别验证，并进行5折交叉验证，确定识别效果；完成梅山猪发情声的识别。2.根据权利要求1所述的方法，其特征在于：所述步骤4梅山猪发情时的嚎叫声单次时间持续1.8-2.2s，打喷嚏和甩耳朵声时间持续0.38-0.42s，尖叫、哼哼时间持续0.6~1.4s，单脉冲吃食声时间持续0.09-0.11s；所述梅山猪发情声在时域和频域上主要分布于500~1500Hz和2500~5500...

【专利技术属性】
技术研发人员：黎煊，端木凡昌，刘望宏，高云，雷明刚，杨迪，朱望武，赵建，曹唪粒，郭继亮，明志伟，马伟，王文凯，
申请(专利权)人：华中农业大学，武汉红之星智农科技有限公司，
类型：发明
国别省市：湖北,42