买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】基于音频技术的肉鸡采食量检测系统_南京农业大学_202011326934.6 

申请/专利权人:南京农业大学

申请日:2020-11-24

公开(公告)日:2024-04-19

公开(公告)号:CN112331231B

主分类号:G10L25/51

分类号:G10L25/51;G10L25/24;G10L25/03;G10L25/45;G10L25/87;A01K45/00

优先权:

专利状态码:有效-授权

法律状态:2024.04.19#授权;2021.02.26#实质审查的生效;2021.02.05#公开

摘要:本发明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‑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。本发明以音频检测技术为载体,通过对肉鸡进食时的啄食次数,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。

主权项: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;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;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:Hz=1-αz-1,0.9≤α≤1.0式中:α为预加重系数,取0.98;α=0.98;当p等于1和2时,δp分别等于0.2146和0.5;μ=0.1;K1取1.5,K2取2.0;γ=0.9;Lmax=3630ms;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,Yω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,δp对于给定的幂指数p为常数,ξω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,0μ1;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:Sw表示信号的能量谱密度函数;cn表示倒谱系数,且cn=c-n,为实数;其中: 对于不同的信号S0n和S1n,其倒谱距离表示为: 当肉鸡啄食音频数据的前m帧为背景噪音信号,则计算前m2帧的倒谱系数平均值,将其作为背景噪声倒谱距离的估计值c0;然后利用上式计算其和后m2帧的倒谱距离平均值,将其作为背景噪声倒谱距离的估计值dcepsil;其中c1n对应当前帧的倒谱系数,c0n作为c0的倒谱系数;之后逐帧计算dc值,并利用判决门限进行判断当前帧是否为有声帧,采用动态门限的方式进行判决,设定两个门限T1和T2:Ti=dcepsil×Ki,i=1,2式中:Ki分别为两个门限的系数,并且使K2>K1,以保证T2大于T1;采用自适应的方法对向量c0和dcepsil进行更新,更新方法如下:c0=γc0+1-γc1dcepsil=γdcepsil+1-γdc式中:γ为更新系数;设定有效声音段最大长度Lmax;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。

全文数据:

权利要求:

百度查询: 南京农业大学 基于音频技术的肉鸡采食量检测系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。