【技术实现步骤摘要】
基于集成学习的哺乳期母仔猪行为监测系统
[0001]本专利涉及声音特征提取
、
机器学习
、
动物福利养殖等
。
具体是一种基于集成学习的哺乳期母仔猪行为监测系统
。
技术介绍
[0002]随着现代生猪养殖业的集约化
、
规模化发展，母仔猪行为监测变得越来越重要
。
母仔猪行为的变化往往意味着它们的健康状况或者生产性能发生了变化，因此需要一个精准
、
自动化的行为监测方法
。
[0003]目前，传统的母仔猪行为监测和健康评估方法主要依赖于人工观察母猪和仔猪的行为
、
检查其身体状态和体重等方式，但这些方法不仅存在时间和空间限制，费时费力，而且存在人工误判的可能性，同时增加人畜共患病的风险
。
近年来，为降低人工投入
、
减少对母仔猪的干扰，研究者们也提出了无损检测方法，其中基于图像处理和卷积神经网络的猪只行为识别方法受到广泛关注
。
主...
【技术保护点】
【技术特征摘要】
1.
一种基于集成学习的哺乳期母仔猪行为监测系统，其特征在于它包括：母仔猪声音数据获取子系统
、
特征提取子系统
、
特征降维子系统和母仔猪行为识别子系统；具体的：母仔猪声音数据获取子系统：用于采集和传输限位栏场景下哺乳期母仔猪声音信号；特征提取子系统：处理和挖掘声音信号，提取声音信号的多种关键特征；特征降维子系统：降低声音特征维度，保留每个特征中的低耦合参数；母仔猪行为识别子系统：基于低维度特征，通过初级学习器和次级学习器实现哺乳期母仔猪行为识别
。2.
根据权利要求1所述的系统，其特征在于：母仔猪声音数据获取子系统包括：限位栏
、
采集音视频数据的拾音器，本地存储单元
、
服务器；所述拾音器悬挂在限位栏上方，一方面连续采集音频数据到本地存储单元，另一方面直连服务器，实时被后台分析和处理
。3.
根据权利要求1所述的系统，其特征在于：特征提取子系统的特征构建包括以下步骤：
S1、
行为定义：哺乳期母仔猪常见行为定义；
S2、
数据预处理：从音频数据中截取不同行为对应的音频数据；所述音频数据与不同行为的对应，通过同时采集视频数据实现；
S3、
数据划分：将音频数据划分训练集和测试集；
S4、
特征提取：从训练集和测试集中提取关键特征
。4.
根据权利要求3所述的系统，其特征在于：
S4
中所述的关键特征包括：
1)MFCC_13
：
MFCC
是一种基于人耳听觉特性的语音提取方法，提取过程包括对原始音频预加重
、
分帧
、
加窗
、
傅里叶变换
、
梅尔滤波组
、
离散余弦变换
、
取前
13
个倒谱系数，即每一音频帧上的特征维度为
13
维；
2)MFCC_39
：在
MFCC_13
的基础上引入一阶和二阶差分，构造
39
维的
MFCC_39
；
3)FBank
：提取过程包括对原始音频预加重
、
分帧
、
加窗
、
傅里叶变换
、
幅值平方
、Mel
滤波器
、
对数功率，保留前
40
维特征；
4)Log
‑
FBank
：通过对
FBank
特征取对数得到；
5)PLP
：
PLP
特征是原始语音处理后获得的全极点模型预测多项式的一组系数，包括对原始音频进行预加重
、
分帧
、
加窗
、
傅里叶变换
、
取振频幅
、
幅度平方
、
临界带积分
、
等响度预计加重
、
求立方根
、
逆傅里叶变换
、
线性预测；
6)Spectrogram
：
Spectrogram
为信号的语谱图，反映语音能量强弱，提取过程包括对原始音频进行预加重
、
分帧
、
加窗
、
傅里叶变换
、
取振频幅，取对数
。5.
根据权利要求1所述的系统，其特征在于：特征降维子系统的构建过程包括：
S1、PCA
降维：降低每种特征的维度；
S2、
特征预处理：特征的归一化和标准化；
S3、
特征融合：将所有特征数组合并为一个特征数组，作为集成学习模型输入参数
。6.
根据权利要求1所述的系统，其特征在于：母仔猪行为识别子系统构建包括：
S1、
定义学习器：搭建初级学习器和次级学习器；
S2、
初级学习器训练：训练初级学习器并得到预测结果；
S3、
交叉验证设置：初级学习器训练过程中设置不同
K
折交叉验证；
S4、
次级学习器预测：将初级学习器的预测结果作为特征，输入次级学习器...
【专利技术属性】
技术研发人员：刘龙申，周杰，田浩楠，蒋涛，赵茹茜，柳荦，陈金鑫，沈明霞，
申请(专利权)人：南京农业大学，
类型：发明
国别省市：
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。