基于决策树支持向量机和模糊推理的生猪异常声音识别

育肥期是猪生长发育最快的阶段,此阶段生猪疾病防控工作是否到位直接关系着养殖效益高低。猪舍内声音种类繁多,借鉴前人研究成果和咨询相关养殖专家,本文选择打斗声、咳嗽声、喷嚏声、饥饿声和呛水声作为生猪异常声音研究对象。针对上述5种声音建立声音采集识别系统,对每种声音信号提取改进梅尔频率倒谱系数(MFCC_P)、短时能量(E)和短时过零率(ZCR)组成的复合特征参数,然后利用决策树支持向量机(DT-SVM)对每帧数据进行识别,最后结合模糊推理技术对时间窗口内结果进行推理识别。试验结果表明:复合特征参数识别结果优于传统MFCC,平均识别率可以达到94.4%,满足对生猪异常声音的识别要求。     

基于微惯性传感器的生猪运动监测系统

生猪养殖过程中,猪的运动行为可以作为其健康状况评价的重要指标之一。目前,生猪健康状况的评价主要依靠养殖人员对生猪运动行为的大量观察来实现,费时费力,并且容易造成疏漏。本文设计了一种生猪运动数字化监测系统,利用微惯性传感器MPU6050采集生猪运动的加速度数据,蓝牙模块无线发送、接收数据,通过以太网将数据远距离传输至上位机实时显示、存储。采用K均值聚类算法对生猪合加速度数据进行分析,得到生猪的运动量。试验结果表明,本系统可以稳定准确的获得模拟生猪运动加速度信息,由K均值聚类分析出生猪的少量运动、正常运动和过量运动,为判断生猪是否异常提供依据。     

基于模糊推理的生猪异常行为综合判断

为了实现生猪异常行为的智能化判断,首先要对与生猪行为相关的参数进行数字化监测,由于生猪行为数字化监测的复杂性,单一的监测方式很难实现生猪异常行为的准确监测。本研究运用机器视觉、听觉以及超声波和微惯性传感器4种监测技术手段,从多角度对生猪行为进行数字化综合监测后,采用基于综合加权相似度的区间值模糊推理技术对生猪异常行为进行综合判断。结果表明:推理判断结果与饲养员决策结果相比,准确度达87%。说明基于综合加权相似度的区间值模糊推理技术可及早发现生猪养殖中的异常状况,有效避免危害的进一步扩大。     

基于帧间差分法-单点多框检测器的圈养生猪打斗行为识别方法

在集约化养殖过程中,生猪打斗行为是影响生猪福利养殖的重要因素之一.针对复杂养殖环境下传统方法识别圈养生猪打斗行为准确率低的问题,提出1种基于帧间差分法(Frame difference,FD)-单点多框检测器(Single shot MultiBox detector,SSD)的生猪打斗行为识别方法.首先,利用帧间差分法提取生猪连续视频帧中的移动像素,排除光照度变化、地面水渍及尿渍等环境因素以及静止生猪对打斗行为识别的干扰.然后,以连续视频帧中的移动像素为样本,采用MobileNet v2、焦点损失函数、网络参数迁移学习对单点多框检测器进行改进,用于检测发生剧烈运动的生猪个体,提高SSD对运动生猪个体的检测精度与速度.最后,针对生猪发生打斗行为时的特点,设计精准的生猪打斗行为判别方法,以识别生猪是否发生打斗行为.试验结果表明,该方法对生猪打斗行为的识别准确率、查准率、查全率分别达到93.75％、96.79％、90.50％,可以有效识别圈养生猪的打斗行为,为饲养员判断生猪异常状况提供依据.