基于深度学习的蛋鸡舍噪声应激源识别分类方法技术

本发明专利技术公开了基于深度学习的蛋鸡舍噪声应激源识别分类方法,包括：获取蛋鸡舍周围噪声的声音文件，对声音文件进行预处理，获得待识别声音文件，对待识别声音文件进行短时傅里叶变换获得声谱图；对预处理后的声音文件进行降噪处理，获得降噪后的数据集并划分为训练集和测试集；构建Resnet34网络模型，基于所述训练集对所述Resnet34网络模型进行训练，采用所述测试集对所述Resnet34网络模型进行测试，获得蛋鸡舍噪声应激源识别模型，利用所述蛋鸡舍噪声应激源识别模型进行蛋鸡舍周围噪声应激源识别分类。本发明专利技术利用深度学习方法，通过Resnet34网络模型对鸡舍周围环境声音的训练，完成对声音的识别与分类。完成对声音的识别与分类。完成对声音的识别与分类。

【技术实现步骤摘要】
基于深度学习的蛋鸡舍噪声应激源识别分类方法


[0001]本专利技术属于深度学习鸡舍周围声音识别
，尤其涉及基于深度学习的蛋鸡舍噪声应激源识别分类方法。

技术介绍

[0002]近年来,我国畜牧业得到迅速发展，占农业经济的比重越来越大，其现代化、集约化程度愈来愈高，其中蛋鸡产业在畜牧生产中占有很大的比例。2021年，中国蛋鸡存栏量约18亿只，在产蛋鸡存栏量约为13亿只，是保证全国鸡蛋供给和农民就业的基础。由于蛋鸡天性敏感，在其饲养过程中，易受噪声影响而诱发应激反应，致使产蛋性能下降，免疫力降低，易患多种疾病甚至诱发死亡。药物防治是抗应激的常用手段，但也会带来鸡蛋中药物残留和耐药细菌产生的问题。随着全球畜禽养殖向福利化、无抗化养殖的转型升级，蛋鸡生产也承受着提高蛋鸡鸡体健康和福利，减少药物使用的压力。在此背景下，如何做到有效防控蛋鸡应激,以减少或避免药物的使用,保障鸡蛋产品的安全，已成为当前蛋鸡产业面临的一个重要问题。
[0003]目前声音的识别与分类主要采用BP神经网络和SVM(支持向量机)模型进行操作。对于BP神经网络来说，处理大数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的蛋鸡舍噪声应激源识别分类方法，其特征在于，包括以下步骤：获取蛋鸡舍周围噪声的声音文件，对所述声音文件进行预处理，获得待识别声音文件，对所述待识别声音文件进行短时傅里叶变换获得声谱图；基于所述声谱图，对所述预处理后的声音文件进行降噪处理，获得降噪后的数据集并划分为训练集和测试集；构建Resnet34网络模型，基于所述训练集对所述Resnet34网络模型进行训练，采用所述测试集对所述Resnet34网络模型进行测试，获得蛋鸡舍噪声应激源识别模型，利用所述蛋鸡舍噪声应激源识别模型进行蛋鸡舍周围噪声应激源识别分类。2.如权利要求1所述的基于深度学习的蛋鸡舍噪声应激源识别分类方法，其特征在于，对所述声音文件进行预处理，具体包括：将所述声音文件的文件时长裁剪为1s
‑
3s，频率转变为44.1kHz。3.如权利要求1所述的基于深度学习的蛋鸡舍噪声应激源识别分类方法，其特征在于，对所述待识别声音文件进行短时傅里叶变换获得声谱图具体包括：所述预处理后的声音文件为一维时域信号，通过所述短时傅立叶将所述一维时域信号转换为二维频域信号，获得声谱图。4.如权利要求1所述的基于深度学习的蛋鸡舍噪声应激源识别分类方法，其特征在于，基于所述声谱图，对所述预处理后的声音文件进行降噪处理具体包括：基于所述声谱图提取声音频谱信息，对所述声音频谱信息取绝对值或平方值，通过Mel滤波将所述声音频谱信息转换为Mel域，通过取对数对所述声音频谱信息...

【专利技术属性】
技术研发人员：杨断利，陈辉，王永胜，孙二东，石雷，王德贺，陈一凡，郝二英，曾丹，
申请(专利权)人：河北农业大学，
类型：发明
国别省市：