基于音频技术的白羽肉鸡咳嗽识别算法研究

[目的]咳嗽是肉鸡呼吸道发病初期的主要症状,为实现肉鸡呼吸道疾病非接触式监测,本研究提出一种肉鸡咳嗽声识别算法。[方法]利用网络拾音器采集白羽肉鸡咳嗽及其他声音数据,选用最小均方误差(MMSE)谱减法对其进行滤波去噪;经预处理后人工截取肉鸡咳嗽样本与噪声样本;提取样本基于小波变换的梅尔频率倒谱系数(WMFCC)特征,构建高斯混合模型-隐马尔科夫模型(GMM-HMM)识别算法,训练并调整优化咳嗽识别模型。[结果]试验表明,在隐状态数为3,高斯元个数为3时,该模型在测试集上达到最优识别效果,正确率为98.7%。将算法识别结果与人工分类结果比较,肉鸡咳嗽识别算法的平均准确率为95%。[结论]本文提出的肉鸡咳嗽算法模型能较好地检测肉鸡咳嗽,为肉鸡呼吸道疾病的早期自动预警提供技术支持。     

基于Kinect的母猪呼吸频率测定算法

[目的]呼吸频率是评价母猪健康的重要指标。针对目前畜牧业对母猪呼吸频率无接触测定的需求,提出一种基于Kinect的无接触测量算法。[方法]使用Kinect采集梅山母猪侧卧时的深度图像。通过动态区域检测算法确定腹部区域,采用DBSCAN密度聚类算法得到腹部区域质心进行局部深度图像提取。最后基于腹部区域局部深度图像的深度均值,使用离散傅里叶变换得到深度-时间拟合曲线,通过极值点确定1次呼吸过程的周期进而求出监测时间段内母猪的呼吸频次,最后转化成母猪的呼吸频率(RF)。[结果]将检测结果与人工计数结果做比较,呼吸频率正确率为85.3%,该呼吸频率测定算法是有效的。[结论]提出了一种呼吸频率测定方法,该方法实现无接触测量,准确率高,为定位饲养条件下的梅山母猪呼吸频率的测定提供了理论支撑。     

基于Kinect的哺乳期母猪姿态识别算法的研究

[目的]哺乳期母猪的姿态是其母性的外在表现,为监测母猪在哺乳期的哺乳行为,提出了一种基于Kinect的无接触式母猪姿态识别算法。[方法]使用Kinect 2.0采集位于限位栏内哺乳期小梅山母猪的深度数据。先通过姿态预分类将母猪的姿态分为站姿与卧姿,而后针对卧姿,使用基于DBSCAN(density-based spatial clustering of applications with noise)密度聚类算法计算母猪高度信息的簇数,通过比较簇的个数将卧姿分为侧卧与趴卧;针对站姿,使用基于脊背线提取的识别算法,将脊背线分成前后2段,通过比较前后2段脊背线的平均高度将站姿分为站立与坐立。[结果]比较人眼观察结果与算法识别结果,该算法识别站立、坐立的准确率分别为94.3%、92.6%,趴卧识别准确率为84.2%,侧卧姿态为93.7%。[结论]提出了一种无接触式的哺乳期母猪姿态识别算法,为母猪哺乳能力的评判与健康状况的分析提供了技术支持。     

基于SVM二叉树的猪呼吸系统疾病诊断方法的研究（摘要）

[目的]研究1种基于SVM二叉树的猪呼吸系统疾病诊断方法。[方法]首先利用聚类思想,定义了1种基于疾病特征权重的分离程度;每次将分离程度最大的类分离出来,得到了累积误差更小的决策树;并将二叉树SVM用于常见的4种呼吸系统疾病的诊断试验。[结果]该方法可行,可用于猪呼吸系统疾病的早期诊断。[结论]为促进我国猪养殖业的健康发展及农民增收提供了参考。     

基于SVM二叉树的猪呼吸系统疾病诊断方法的研究

[目的]研究一种基于SVM二叉树的猪呼吸系统疾病诊断方法。[方法]首先利用聚类思想,定义了一种基于疾病特征权重的分离程度;每次将分离程度最大的类分离出来,得到了累积误差更小的决策树;并将二叉树SVM用于常见的4种呼吸系统疾病的诊断试验。[结果]该方法可行,可用于猪呼吸系统疾病的早期诊断。[结论]该研究为促进我国猪养殖业的健康发展及农民增收提供了参考。     

语音端点检测算法在猪咳嗽检测中的应用研究

针对大型养猪场疫病防治工作中人工诊断效率低下的问题,对猪患病时发出的咳嗽声音进行研究,提出了猪咳嗽声自动化检测方案。结合猪咳嗽声音信号的特点,借鉴语音识别中广泛应用的端点检测算法,并加以改进,实现对声音信号中猪咳嗽声音的检测。该方案为猪咳嗽类疾病的人工诊断和自动化诊断提供有效信号。经150段猪咳嗽音验证表明,该检测方案检出率达96%以上,检错率低于4%,说明方法具有有效性和实用性。     

基于机器视觉的新生仔猪目标识别方法研究与实现

[目的]新生仔猪目标检测是母猪分娩监测的关键环节。[方法]通过自制图像采集器采集母猪分娩视频图像,机器视觉系统获取分娩图像信息,选取Canny算子对图像进行边缘检测,采用Otsu算法对图像进行二值变换,应用滑动平均算法和形态学开运算对二值图像滤波消噪,提取图像最大连通域,利用团序列检测算法对母猪目标进行分割,对分割后区域进行仔猪目标识别。[结果]试验结果表明,团序列检测算法能够准确分割出母猪目标,检测仔猪目标的正确率达到95.5%。[结论]提出一种能够有效识别新生仔猪目标的方法,为仔猪的出生预警提供了技术支撑。     

基于偏移补偿模型的极值点聚类苗带识别算法研究

为实现田间管理机械自动导航驾驶,提高苗带轨迹识别精度,提出了一种基于偏移补偿模型的极值点聚类苗带识别算法.首先,以舵机调平单元为基础,利用激光雷达采集苗带数据构建2.5 D点云图像,通过建立偏移补偿模型获得矫正参数.然后,通过极值检测算法获得聚类要素点,结合偏移补偿模型进行分层聚类.最后,通过最小二乘法对获取的苗带聚类...     

基于SD-SVD-Burg的玉米叶片铜铅污染甄别与程度诊断

为研究一种快速甄别作物受重金属污染的元素类别和所受污染程度的方法,于2017年设置不同梯度铜(Cu)、铅(Pb)胁迫下的玉米盆栽实验,对玉米的紫谷、绿峰和红边3个光谱特征区间的高光谱数据进行光谱一阶微分和奇异值分解处理,并结合Burg算法绘制功率谱密度曲线,同时利用2014年采集的光谱数据作为验证组检验该模型的稳定性。结果表明:健康玉米叶片与不同浓度Cu、Pb胁迫下玉米叶片光谱信号的功率谱密度曲线的波峰数及波峰坡度均不相同。功率谱曲线平均功率和玉米叶片中Cu、Pb含量的相关系数最高可达0.9958,证明该方法在对玉米进行污染元素种类辨别和污染程度诊断方面具有可行性,不同年份Cu与Pb胁迫下绿峰功率谱曲线平均功率与玉米叶片中Cu、Pb含量的相关系数分别为0.9213和0.9915,进一步验证该算法在玉米Cu、Pb污染诊断方面具有稳定性与普适性。     

基于引力核密度聚类算法的作物病害叶片区域的快速检测

针对作物病害叶片图像的复杂性和模糊性,提出一种基于引力核密度聚类算法的作物叶片病害区域快速检测方法:首先,在RGB颜色空间提取病害叶片图像的R通道值,根据R值的特征直方图特性,运用多项式拟合特征直方图曲线,根据导数性质确定拟合特征直方图曲线的峰值点和峰值区域,确定病害叶片图像聚类数和初始聚类中心;根据初步确定的病变叶片图像的聚类中心,运用引力核密度聚类算法快速完成对病害叶片病斑的分割。试验结果表明,基于引力核密度聚类算法的平均分割精度达80%以上,平均检测时间为4.912 s,优于已有病害区域分割算法K–means和Meanshift的性能。     

基于灰关联谱聚类模型的福建省暴雨灾害评价研究

[目的]研究基于灰关联谱聚类模型的福建省暴雨灾害评价指标体系。[方法]根据福建省灾害性气象年鉴,综合考量致灾因子、孕灾环境、承灾体以及区域防灾水平,建立福建省区域暴雨灾害评价指标体系,并通过基于灰关联分析的谱聚类模型对福建省各区域进行暴雨灾害风险区划,最后通过实例研究对聚类模型效果以及应用进行了分析。[结果]为挖掘各区域特征内在联系,提高评价单元防灾联动性能,通过基于灰关联分析的谱聚类模型对福建省各区域进行暴雨灾害风险区划,并引用组合权重评判各指标优劣,对聚类模型进行调整。通过实例研究,得出了67县域暴雨灾情等级,分析各类别的内部特征,提取了每个类别的主要关联因子指标,并与已有暴雨灾情统计结果进行了对比,验证了该模型的有效性和可行性。[结论]该方法是可行的,其评价结果有更好的区分度与决策精度。     

基于最小编码长度的基因数据聚类(英文)

[目的]分析基于最小编码长度的基因数据聚类算法的聚类效果,以期为基因数据聚类提供新的方法。[方法]将基因数据的聚类看成是高维混合数据的聚类,通过对基因数据进行预处理后,再利用主成分分析将基因数据降维,降维后基因数据呈类高斯分布,这样分布的基因数据能够被一个简单的基于有损数据压缩的聚类算法进行有效的聚类,而该基于有损数据压缩的聚类算法是根据聚类后使基因的总体编码长度最小原则对基因进行聚类的。试验中分别利用该新算法与传统聚类算法对酵母和拟南芥基因数据进行聚类,并通过基因聚类内部评价和功能评价来验证该新算法的有效性。[结果]通过利用酵母和拟南芥基因数据对新算法的验证试验表明,该研究中的新算法得到的聚类效果优于传统聚类算法,且避免了聚类数需要主观确定和对初始聚类中心敏感等问题。[结论]该研究结果为基因数据聚类提供了一种全新的聚类方法。     

基于最小编码长度的基因数据聚类

[目的]分析基于最小编码长度的基因数据聚类算法的聚类效果,以期为基因数据聚类提供新的方法。[方法]将基因数据的聚类看成是高维混合数据的聚类,通过对基因数据进行预处理后,再利用主成分分析将基因数据降维,降维后基因数据呈类高斯分布,这样分布的基因数据能够被一个简单的基于有损数据压缩的聚类算法进行有效的聚类,而该基于有损数据压缩的聚类算法是根据聚类后使基因的总体编码长度最小原则对基因进行聚类的。试验中分别利用该新算法与传统聚类算法对酵母和拟南芥基因数据进行聚类,并通过基因聚类内部评价和功能评价来验证该新算法的有效性。[结果]通过利用酵母和拟南芥基因数据对新算法的验证试验表明,该研究中的新算法得到的聚类效果优于传统聚类算法,且避免了聚类数需要主观确定和对初始聚类中心敏感等问题。[结论]该研究结果为基因数据聚类提供了一种全新的聚类方法。     

融入监督信息的k—mean聚类瓜蓟马预警模型

[目的]为提高瓜蓟马病虫害的预警效果。[方法]采用k-mean聚类建立了瓜蓟马预警模型,并针对瓜蓟马数据中在k-mean聚类算法下难以判断的情况,引入了监督信息,即模糊关联规则进行进一步划分。[结果]引入监督信息的k-mean聚类算法的预警准确率比最近邻算法、k-mean聚类和支持向量机预警准确率都要高。[结论]k-mean聚类过程中引入模糊关联规则能较有效地提高预警准确率。     

基于超声波的母猪产前行为监测系统设计

针对目前养殖业对母猪分娩时间的判断主要通过人工观察,不仅工作繁杂,而且易受饲养员主观经验影响等问题,设计一种基于超声波传感器和无线传感网络的母猪产前行为监测系统。该系统通过节点采集母猪产前头部、背部、尾部活动量的距离信息,将采集到的距离数据实时发送到网关节点,网关节点将距离信息转发到服务器。服务器端采用K-means聚类算法进行行为识别与分类。试验结果表明:系统能够快速采集母猪身体活动量的距离信息并对母猪行为进行分类,能够检测出母猪筑窝、站立、躺卧等行为,正确率为90.47%,系统工作稳定。提出了一种非接触式监测母猪产前行为的方法,为母猪分娩时间的预测提供基础。     

基于蚁群聚类算法的离心式压缩机故障诊断方法

工业化生产水平的提高使得离心式压缩机不断朝着大型化、复杂化、连续化及自动化方向发展,设备故障造成的损失越来越大,研究其故障诊断方法对于提高设备故障在线检测能力、预防故障与事故的发生具有积极意义。采用电涡流传感器测量离心式压缩机联轴节侧径向位移信号,应用频域分析方法对采集到的信号数据进行傅里叶变换,获得对故障敏感的特征量,作为蚁群聚类算法输入的特征参数,将对故障识别转化成对于设备运行时的输出和状态特征的聚类问题。将蚁群聚类算法应用于某乙烯厂的离心式压缩机,对其正常运行、转子不平衡故障、油膜涡动故障、喘振故障4种状态进行模式识别。应用结果表明:基于蚁群聚类算法的离心式压缩机故障诊断方法诊断结果准确、识别率高。(表3,参20)     

聚类算法在玉米叶片病斑降维识别中的应用

为了及时、准确地识别玉米病害,基于聚类识别算法,进行了玉米叶片病斑图像识别的对比试验。首先利用LLE算法对玉米图像降维以提取特征,然后采用K-均值算法、FCM算法和GK算法进行聚类分析,其中GK算法能够有效识别出玉米病斑图像,正确识别率高达95.5%。可见,GK模糊聚类算法对玉米病斑图像的识别效果较好。     

基于FVSM的核聚类算法在文本聚类中的应用

针对信息挖掘中的文本自动聚类问题,提出了一种基于模糊向量空间模型的核聚类算法。首先对聚类文本进行模糊特征提取得到模糊特征项集,然后依据模糊特征项集对每篇文本计算特征项的文档频数,进而得出每篇文本的模糊特征向量。最后利用高斯核函数将每篇文本的特征向量映射到高维特征空间,在高维特征空间中利用核聚类算法实施文本聚类。该方法在特征提取时充分考虑了特征项在文档中的位置信息,使自动聚类原则更接近手工聚类方法。以中国期刊网全文数据库部分文档数据为例验证了该方法的有效性。     

基于聚类的决策树在玉米种质筛选中的应用(英文)

[目的]建立一种改进的基于聚类的模糊决策树,并研究其在玉米种质筛选中的应用。[方法]采用一种新型的基于聚类的决策树算法,该算法针对传统的决策树算法不能处理无类别样本的这一不足,进行了改进。同时,将改进算法应用在玉米品种的筛选问题中,通过对叶面积、株高、干重、钾利用率等指标的衡量,筛选出耐低钾性较强的玉米种子。[结果]该算法在玉米种质的筛选上,适用性强且性能较优。[结论]在今后工作中还需进一步验证比较改进的基于聚类的模糊决策树与传统的模糊聚类决策树的性能,并将其应用在更多的实际问题中。     

基于聚类的决策树在玉米种质筛选中的应用

[目的]建立一种改进的基于聚类的模糊决策树,并研究其在玉米种质筛选中的应用。[方法]采用一种新型的基于聚类的决策树算法,该算法针对传统的决策树算法不能处理无类别样本的这一不足,进行了改进。同时,将改进算法应用在玉米品种的筛选问题中,通过对叶面积、株高、干重、钾利用率等指标的衡量,筛选出耐低钾性较强的玉米种子。[结果]该算法在玉米种质的筛选上,适用性强且性能较优。[结论]在今后工作中还需进一步验证比较改进的基于聚类的模糊决策树与传统的模糊聚类决策树的性能,并将其应用在更多的实际问题中。