基于音频技术的肉鸡采食量检测系统技术方案

本发明专利技术公开了一种基于音频技术的肉鸡采食量检测系统，它包括采音室、交换机、上位机、服务器，其中：采音室用于采集肉鸡啄食音频数据；交换机用于传输肉鸡啄食音频数据；上位机连接服务器并定时读取音频数据；服务器中运行的基于单分类支持向量机OC

【技术实现步骤摘要】
基于音频技术的肉鸡采食量检测系统


[0001]本专利技术涉及畜禽养殖、音频检测、音频识别
、功率谱密度，具体地讲是一种基于音频技术的肉鸡采食量检测系统。

技术介绍

[0002]肉鸡养殖业是我国畜牧业的主要组成部分，也是我国农业和农村经济的支柱产业之一，因此，肉鸡的健康状况监控就尤为重要。随着肉鸡养殖集约化、规模化的迅猛发展，改善肉鸡健康福利问题日益引起人们的重视。
[0003]在众多与肉鸡健康有关的动物行为中，采食行为是判断其生长状态以及健康状况的重要依据，采食量是其健康和生长状况的直观反映，因此准确获取采食量信息对肉鸡养殖有重要意义。然而目前肉鸡采食量数据主要是人工测定的群体采食量，人力负担重且不能准确反映个体动物的采食和健康状况，因此自动准确地测定肉鸡采食量，能够在一定程度上降低人力损耗，监控肉鸡健康状况，提升肉鸡福利。
[0004]CN109169405A公开了一种多通道肉鸡自动饲喂、采食饮水量及体重检测装备，该方案基于采食称重传感器实现采食量、肉鸡体重变化的监测。小型称重传感器的原理一般为通过弹性体(弹性元件，敏感梁)在外力作用下产生弹性变形，使粘贴在它表面的电阻应变片(转换元件)也随同产生变形，电阻应变片变形后，它的阻值将发生变化(增大或减小)，再经相应的测量电路把这一电阻变化转换为电信号，完成对重力的测量，但此种传感器首先要考虑的就是传感器所处的实际工作环境，这点对正确选用称重传感器至关重要，它关系到传感器能否正常工作以及它的安全和使用寿命，乃至整个衡器的可靠性和安全性。肉鸡饲养对于空气的湿度有一定的要求，加上传感器粘贴的位置靠近采食饮水区域，湿度较大，会大大减少称重传感器的使用寿命，增加成本投入。

技术实现思路

[0005]本申请为了解决肉鸡饲养过程中对其采食量的智能检测问题，提供了一套基于音频技术的肉鸡采食量自动检测方法。本申请重点是分析确定啄食次数与采食量的关系，利用啄食次数与采食量的高相关性计算肉鸡采食量的算法研究。首先通过对声音信号进行分帧加窗、短时能量双门限端点检测及基于短时能量端点检测谱减法去噪的预处理，并通过功率谱密度(PSD)特性对其声音信号进行特征的提取，由于非啄食声存在的复杂性，本专利利用一种基于单分类支持向量机(One-class support vector machine，OCSVM)的肉鸡啄食声音分类识别算法将短时能量双门限端点检测后的声音转换为为一个特殊的二类问题，也就是将声音分为啄食声音和非啄食声音。再对肉鸡采食音频进行分析，可根据功率谱密度作为声音识别特征来精准判别啄食与非啄食，绘制肉鸡啄食次数与采食量关系数据表，基于音频分析绘制出肉鸡时域、频域、功率谱密度图及肉鸡啄食次数的分析图，并检测其可信度。
[0006]技术方案：
[0007]本专利技术公开了一种基于音频技术的肉鸡采食量检测系统，它包括采音室、交换机、上位机、服务器，其中：
[0008]采音室用于采集肉鸡啄食音频数据；
[0009]交换机用于传输肉鸡啄食音频数据；
[0010]上位机连接服务器并定时读取音频数据；
[0011]服务器中运行的基于单分类支持向量机OC-SVM执行肉鸡啄食声音分类识别模型算法，将声音分为啄食声音和非啄食声音，根据功率谱密度作为声音识别特征来精准判别啄食与非啄食；基于肉鸡啄食次数与采食量关系，获得肉鸡采食量。
[0012]优选的，所述肉鸡啄食声音分类识别模型通过以下步骤建立：
[0013]S1、设置在采音室内的拾音器采集肉鸡啄食音频数据，并传输至音频存储单元；
[0014]S2、音频存储单元接收肉鸡啄食音频数据，固定时间间隔保存；
[0015]S3、上位机固定时间间隔读取肉鸡啄食音频数据并进行分析；
[0016]S4、人工标记肉鸡啄食音频数据为啄食声音和非啄食声音，选定训练数据和测试数据；
[0017]S5、将已标记好的咳嗽声音数据进行预处理，预处理包括：预加重、滤波去噪、分帧加窗、以及端点检测；采用基于短时能量的端点检测法和更为精确地估计噪声谱的谱减法进行去噪处理；而后用Haar进行小波分解，输入Mel滤波器，进而获取改进的WMFCC特征参数即肉鸡啄食特征参数；
[0018]S6、采用单分类支持向量机OC-SVM算法，采用S5获得的WMFCC特征参数对算法进行“先验”样本训练，构建肉鸡啄食声识别模型；
[0019]S7、将测试数据引入肉鸡啄食声识别模型中进行分类识别，通过计算其成功识别样本个数所占比例，来检验识别模型的准确率；
[0020]S8、重复S5-S7，直至准确度达标，获得最终的肉鸡啄食声分类识别模型。
[0021]优选的，采音室包括摄像头、饲料槽、电子秤、拾音器，其中：摄像头固定于距离地面45cm处用来数据的读取，并通过数据线传输至音频存储单元保存；饲料槽仅为一个出料口，只支持一只肉鸡采食；饲料槽设置在电子秤的上方；拾音器固定在出料口侧面。
[0022]优选的，肉鸡啄食音频数据以16位、48kHz采样率进行记录，每隔30s保存一次声音数据，使采集的声音数据大小合适，音质较好便于后期的分析识别。
[0023]具体的，步骤S5中，预处理具体包括：
[0024]S5-1、预加重提高肉鸡声信号高频部分的分辨率，预加重传递函数如下所示：
[0025]H(z)＝1-αz-1
,0.9≤α≤1.0
[0026]式中：α为预加重系数，取0.98；
[0027]S5-2、分帧加窗，将声音信号分割为一帧一帧来分析其特征，设置分析帧长度为20ms，帧间重叠10ms，加汉明窗防止频谱泄露；汉明窗的表达式为：
[0028][0029]式中，N为窗长；
[0030]S5-3、采用利用均方误差最优选择减法参数的MMSE谱减算法进行滤波去噪，谱减
法公式为：
[0031][0032]其中，表示增强后的声音信号，Y(ω)表示带噪声音谱，表示估计噪声谱；当p＝1时为幅度谱减法，p＝2时为功率谱减法；
[0033]MMSE谱减算法通过计算最小化频谱的均方误差得到最优减法参数，故纯净声音信号估计谱如下：
[0034][0035]其中，δ
p
对于给定的幂指数p为常数，ξ(ω)是先验信噪比；
[0036]为了防止对低能量声音段的过度抑制，设定平滑的频谱下限：
[0037][0038]其中，为前一帧的增强谱；μ为频谱下限常数，0<μ<1；
[0039]最终的信号估计器为：
[0040][0041]S5-4、端点检测，人工选定有效声音段：使用基于倒谱距离的端点检测；
[0042]由谱减法的通用形式得到如下公式：
[0043][0044]式中：S(w)表示信号的能量谱密度函数；c(n)表示倒谱系数，且c(n)＝c(-n)，为实数；其中：
[0045][0046]对于不同的信号S0(n)和S1(n)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于音频技术的肉鸡采食量检测系统，其特征在于它包括采音室、交换机、上位机、服务器，其中：采音室用于采集肉鸡啄食音频数据；交换机用于传输肉鸡啄食音频数据；上位机连接服务器并定时读取音频数据；服务器中运行的基于单分类支持向量机OC-SVM执行肉鸡啄食声音分类识别模型算法，将声音分为啄食声音和非啄食声音，根据功率谱密度作为声音识别特征来精准判别啄食与非啄食；基于肉鸡啄食次数与采食量关系，获得肉鸡采食量。2.根据权利要求1所述的系统，其特征在于所述肉鸡啄食声音分类识别模型通过以下步骤建立：S1、设置在采音室内的拾音器采集肉鸡啄食音频数据，并传输至音频存储单元；S2、音频存储单元接收肉鸡啄食音频数据，固定时间间隔保存；S3、上位机固定时间间隔读取肉鸡啄食音频数据并进行分析；S4、人工标记肉鸡啄食音频数据为啄食声音和非啄食声音，选定训练数据和测试数据；S5、将已标记好的咳嗽声音数据进行预处理，预处理包括：预加重、滤波去噪、分帧加窗、以及端点检测；采用基于短时能量的端点检测法和更为精确地估计噪声谱的谱减法进行去噪处理；而后用Haar进行小波分解，输入Mel滤波器，进而获取改进的WMFCC特征参数即肉鸡啄食特征参数；S6、采用单分类支持向量机OC-SVM算法，采用S5获得的WMFCC特征参数对算法进行“先验”样本训练，构建肉鸡啄食声识别模型；S7、将测试数据引入肉鸡啄食声识别模型中进行分类识别，通过计算其成功识别样本个数所占比例，来检验识别模型的准确率；S8、重复S5-S7，直至准确度达标，获得最终的肉鸡啄食声分类识别模型。3.根据权利要求2所述的系统，其特征在于采音室包括摄像头(1)、饲料槽(2)、电子秤(3)、拾音器(4)，其中：摄像头(1)固定于距离地面45cm处用来数据的读取，并通过数据线传输至音频存储单元保存；饲料槽(2)仅为一个出料口，只支持一只肉鸡采食；饲料槽(2)设置在电子秤(3)的上方；拾音器(4)固定在出料口侧面。4.根据权利要求2所述的系统，其特征在于肉鸡啄食音频数据以16位、48kHz采样率进行记录，每隔30s保存一次声音数据，使采集的声音数据大小合适，音质较好便于后期的分析识别。5.根据权利要求2所述的系统，其特征在于步骤S5中，预处理具体包括：S5-1、预加重提高肉鸡声信号高频部分的分辨率，预加重传递函数如下所示：H(z)＝1-αz-1
,0.9≤α≤1.0式中：α为预加重系数，取0.98；S5-2、分帧加窗，将声音信号分割为一帧一帧来分析其特征，设置分析帧长度为20ms，帧间重叠10ms，加汉明窗防止频谱泄露；汉明窗的表达式为：
式中，N为窗长；S5-3、采用利用均方误差最优选择减法参数的MMSE谱减算法进行滤波去噪，谱减法公式为：其中，表示增强后的声音信号，Y(ω)表示带噪声音谱，表示估计噪声谱；当p＝1时为幅度谱减法，p＝2时为功率谱减法；MMSE谱减算法通过计算最小化频谱的均方误差得到最优减法参数，故纯净声音信号估计谱如下：其中，δ
p
对于给定的幂指数p为常数，ξ(ω)是先验信噪比；为了防止对低能量声音段的过度抑制，设定平滑的频谱下限：其中，为前一帧的增强谱；μ为频谱下限常数，0<μ<1；最终的信号估计器为：S5-4、端点检测，人工选定有效声音段：使用基于倒谱距离的端点检测；由谱减法的通用形式得到如下公式：式中：S(w)表示信号的能量谱密度函数；c(n)表示倒谱系数，且c(n)＝c(-n)，为实数；其中：对于不同的信号S0(n)和S1(n)，其倒谱距离表示为：当肉鸡啄食音频数据的前m帧为背景噪音...

【专利技术属性】
技术研发人员：沈明霞，刘亚楠，刘龙申，陈佳，
申请(专利权)人：南京农业大学，
类型：发明
国别省市：