基于深度神经网络及隐马尔科夫模型的生猪状态音频识别

针对传统音频识别方法在生猪音频信号识别中识别率较低的问题,将深度神经网络及隐马尔可夫模型理论作为生猪音频信号识别依据,以长白猪的吃饭声、发情声、嚎叫声、哼叫声和生病长白猪的喘气声为识别对象,利用卡尔曼滤波和改进的EMD-TEO倒谱距离端点检测算法对生猪音频信号进行预处理,把提取的39维的梅尔频率倒谱系数(Mel-frequency cepstral coefficient,MFCC)作为网络学习和识别的数据集,构建基于深度神经网络及隐马尔科夫模型的生猪状态音频识别模型。试验结果表明:1)隐马尔可夫隐状态数设置为5,深度神经网络隐藏层设置为3层,每层128个节点的深度神经网络-隐马尔可夫模型(Deep neural network-hidden Markov model,DNN-HMM),对5种生猪状态音频,即吃饭声、嚎叫声、哼叫声、发情声和病猪喘气声的识别率为70%、95%、75%、80%和95%,总体识别率83%;2)相较于传统的高斯混合模型-隐马尔可夫模型(Gaussian mixture model-hidden Markov model,GMM-HMM),DNN-HMM对相应音频的识别率分别提高了5%、5%、15%、30%、30%,总体识别率提高了17%;3)DNN-HMM模型对于5种不同类型的生猪音频信号均呈现出较好的识别效果。基于DNN-HMM生猪音频识别模型,对生猪不同状态下音频的识别具有较高正确率,且更为可靠。     

基于稀疏分量分析的生猪音频欠定盲源分离研究

旨在针对生猪养殖过程中，混合生猪音频特征难以提取及识别的问题，提出一种基于稀疏化理论的欠定生猪盲源信号分离方法。本研究选取4个月、150 kg左右，健康状况良好的长白母猪，将其不同状态下的叫声按照不同系数混合得到的音频信号作为观测信号，运用短时傅里叶变换(short-time Fourier transform, STFT)对音频信号做时频域转换，通过分组筛选出信号中的单源点，使用自适应阻尼系数的AP(affinity propagation)算法结合奇异值分解，将单源点聚类以估计混合矩阵，采用优化最小l_p范数的方法完成音频信号的重构。设计2组试验，1组阐述试验的一般过程，另1组通过对比分析整个分离算法的性能，使用相似系数(similarity coefficient)、信噪比(signal to noise ratio, SNR)和均方误差(mean square error, MSE)衡量分离音频质量。结果表明：1)3个源信号与2个观测信号的欠定生猪盲源分离中，不同时长下分离出的音频信号与对应源信号的相似系数、信噪比和均方误差分别在0.67～0.92、7.9～...     

基于MaxEnt模型的菜豆象和蚕豆象在中国的适生区预测

为减少外来入侵物种菜豆象Acanthoscelides obtectus和蚕豆象Bruchus rufimanus对中国造成的潜在威胁,收集这2种豆象的全球地理分布数据,采用Pearson相关性分析和主成分分析分别从19个环境变量中筛选关键环境变量,采用MaxEnt模型对历史气候条件下和未来气候情景下这2种豆象在中国的适生区进行预测,并对预测结果进行分析。结果显示,经Pearson相关性分析共筛选出4个关键环境变量用于菜豆象适生性区的模型构建,分别为最暖季度平均温度、最干月份降水量、年气温变化范围及最湿季度降水量,其对MaxEnt模型的累积贡献率分别为31.6%、28.4%、26.3%和13.7%;经Pearson相关性分析共筛选出4个主要关键环境变量用于蚕豆象适生性区的模型构建,分别为最冷季度平均温度、最干月份降水量、最热月份最高温度和最湿月份降水量,其对MaxEnt模型的累积贡献率分别为48.5%、39.5%、7.8%和4.2%。MaxEnt模型重复运行10次后,菜豆象训练数据的平均AUC值为0.938,蚕豆象训练数据的平均AUC值为0.963,均显著高于随机模型的AUC值,表明基于MaxEnt模型的菜豆象和蚕豆象在中国适生区的预测结果准确。未来气候情景下,这2种豆象在中国的适生区均呈现向北扩张的趋势,需加强对这2种豆象的检疫与防治,严防发生区域进一步扩大。     

澳大利亚外来昆虫组成及区系

为明确澳大利亚外来昆虫物种组成及入侵区系，以在线数据库、公开发表文献以及图书等资料为数据源集成澳大利亚外来昆虫数据集，对其物种组成、原产地、空间分布、传入途径进行统计分析。结果显示，收集的澳大利亚外来昆虫数据集共包括382种，隶属于8目78科277属。鞘翅目昆虫的种类最多，有325种，其中象甲科昆虫最多，有74种，其次是隐翅甲科和叶甲科昆虫，分别有27种和20种。澳大利亚外来昆虫主要来源于亚洲，占外来昆虫原产地总记录频次的28.47%，其次是欧洲和非洲，占比分别为19.79%和16.32%。整体上来看，澳大利亚外来昆虫丰富度呈现东高西低的空间分布格局，密度呈现东南密西北疏的格局；从传入途径来看，无意传入的昆虫占91.89%，有意传入的昆虫占8.11%，且主要通过运输污染物和运输偷运物2种途径无意传入。基于澳大利亚外来昆虫现状，考虑我国在全球气候变化背景下面临的跨境生物入侵威胁，建议我国在外来物种入侵防控工作中加大口岸检疫监管力度，规范引种管理，同时加强防范入侵的宣传教育。     

气候变化背景下烟草粉斑螟入侵中国的全程风险评估

为制订烟草粉斑螟Ephestia elutella的精准管理方案，从入侵阶段出发，基于收集的生物学及生态学信息以及MaxEnt模型对烟草粉斑螟入侵中国的跨境传入风险、定殖适生风险以及扩散暴发风险进行评估，并提出相应的风险管理措施。结果表明，烟草粉斑螟个体体积小，为害隐蔽不易识别，传入途径多样，具有高跨境传入风险；未来气候条件下其在全球及在中国的总适生区面积呈扩张趋势，具有高定殖适生风险；其繁殖能力强，寄主广泛，传播途径广，为害后果严重，具有高扩散暴发风险，最终评估烟草粉斑螟入侵中国的全程风险水平为高风险水平。应采取科学的监测和防控方法，分阶段精准防控烟草粉斑螟入侵，警惕其进一步扩散为害。