书目详细信息
： 基于智能语音技术的猪只声音监测研究
书目信息 机读格式(MARC)
| ISBN/价格： | CNY20.00 (估\呈缴)学位论文 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 530000 |
| 题名责任者项： | 基于智能语音技术的猪只声音监测研究/.谢杰著/.周兵指导 |
| 出版发行项： | 2023.5.24 |
| 载体形态项： | 90页:;+图表:;+30cm |
| 一般附注： | 大数据学院（信息工程学院）, 学号2021240527 |
| 提要文摘： | 猪肉已经成为了我国最主要的肉类粮食之一，对牢牢端稳中国人饭碗起着至关重要的作用，在生猪产量需求稳步增长的背景下，我国生猪养殖产业模式正朝着规模化、集约化、现代化方向发展，同时，也带来了一些新的挑战。例如规模化、集约化的养殖过程中存在猪只养殖空间缩小，养殖密度变大，通风情况不佳等现象，这无疑加剧了猪只患呼吸道病的风险，严重的极有可能导致猪只疫病的集中爆发。在密集化的生猪养殖场中对猪只进行呼吸道病的检测与预防是至关重要的，研究表明猪只咳嗽声是呼吸道病的早期临床症状之一，因此，研究如何通过对猪只声音监测来预警猪只疫病是实现生猪现代化养殖的关键问题与热点问题之一。传统监测方式是通过人工蹲点监测猪只咳嗽声来判断猪只健康状况以及疫病爆发风险，该手段费时、费力、效率低，还容易出现人畜共患病或其他影响猪只正常生长的情况，所以通过智能语音技术对猪只声音进行监测在疫病防控方面具有重大的意义。 本文首先调研分析了国内外关于猪只声音监测的研究现状，并以数据采集、数据预处理、特征提取、模型建立与优化为技术路线，开展猪只声音分类的研究，内容如下： （1）猪只声音数据采集与处理。本研究的猪只声音数据来源于三个不同地方的生猪养殖场，在养殖专业人员指导下，对原始样本进行数据标注与样本切割，从10万余条原始数据中截取出了10000条目标样本，目标样本包括猪只的吃食声、饮水声、呼噜声、哼唧声、咳嗽声五类声音。对目标样本进行数据预处理，预处理包括预加重、分帧加窗以及滤波降噪。针对猪只声音样本中背景噪声，对比了谱减法、维纳滤波法以及小波分析法的降噪效果，选取维纳滤波法进行降噪。针对猪只声音样本中的特定噪声采用FIR滤波器进行降噪。 （2）猪只声音特征参数提取。本研究对猪只声音信号提取了四类特征参数，包括时域中的短时能量与短时过零率、频域中的功率谱密度、时频域中的语谱图以及倒谱域中的梅尔倒谱系数，通过对四类特征参数的提取、分析与对比，最后选取梅尔倒谱系数（MFCC）作为特征参数，并以MFCC作为本次研究分类模型的输入数据。 （3）猪只声音分类模型研究。本次研究基于猪只的五类声音数据集构建了支持向量机模型(SVM)、隐马尔科夫模型（HMM）、长短期记忆网络（LSTM）以及改进的长短期记忆网络（LSTMP）四种猪只声音分类模型，选取准确率作为模型效果评价指标，通过分层抽样方法将数据集划分训练集与测试集比例为8：2，研究结果显示，SVM、HMM、LSTM、LSTMP对猪只声音总的分类准确率分别为87.83%、87.65%、90.49%、91.54%，均达到85%以上，且以LSTM为基础的改进模型LSTMP高于LSTM本身分类准确率，改进后模型在分类效果上提升了约1%，表明研究中采用的分类模型对猪只声音分类均可行且有效，LSTMP较基础模型LSTM改进效果有一定提升。 （4）猪只声音分类模型优化。本研究采取了鲸鱼优化（WOA）、粒子群优化（PSO）以及量子花朵授粉优化（QFPA）三种智能优化算法，搭建了WOA-LSTMP、PSO-LSTMP、QFPA-LSTMP三个优化组合模型，研究结果显示，WOA-LSTMP、PSO-LSTMP、QFPA-LSTMP对猪只声音总的分类准确率分别为92.54%、92.77%、93.47%，三种优化组合模型均高于LSTMP模型分类准确率，证明三种模型优化方法是可行且有效，其中QFPA-LSTMP的分类准确率最佳。 结合上述猪只声音分类研究结果，我们基于MATLAB GUI设计了猪只声音分类可视化界面，为后期猪只声音在线实时监测奠定基础，同时本次研究结果也为猪只疫病预警提供新思路，研究结果将助力于智慧养殖技术提升，对生猪养殖产业的健康发展进行数字赋能。 |
| 并列题名： | Research of Pig Sound Monitoring Based on Intelligent Voice Technology eng |
| 题名主题： | 猪只声音 数据预处理 特征提取 分类模型 疫病预警 学位论文 |
| 中图分类： | TN912-533 |
| 个人名称等同： | 谢杰 著 |
| 个人名称次要： | 周兵 指导 |
| 团体名称等同： | 云南农业大学 授予 |
| 记录来源： | CN YNAUL 20240528 |