基于矢量量化的猪咳嗽声识别

针对猪的规模化养殖中频发的呼吸道疾病问题,提出通过监测咳嗽状况对猪的健康状况进行预警,以谱减法去噪和端点检测为猪咳嗽信号主要预处理方法,以矢量量化(vector quantization,VQ)匹配算法为核心算法,分别构建基于标准梅尔频率倒谱系数(Mel-frequency cepstral coefficient,MFCC)和改进的MFCC 2种猪咳嗽声识别模型。测试结果显示,以标准MFCC为特征矢量构建的识别系统的识别率、误判率和综合识别率分别达到88%、14%和87.3%,基于改进的MFCC特征矢量构建的识别系统与之相比有很大提高,其识别率、误判率和综合识别率分别达到91%、12%和90.0%。试验表明,采用改进的MFCC与矢量量化相结合构建猪咳嗽识别系统是可行的,能够应用于猪的呼吸道疾病预警。     

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。     

待产梅山母猪咳嗽声识别算法的研究

[目的]目前对于母猪是否患有呼吸系统疾病的诊断主要依靠饲养员观察,存在由于疏忽未能及时发现并处理患病母猪而造成大量母猪死亡的情况。为解决这一问题,笔者以待产梅山母猪咳嗽声为对象,对其识别方法进行了研究,旨在将母猪咳嗽情况作为诊断早期呼吸系统疾病的依据,以达到自动监控的目的。[方法]基于无线多媒体传感器网络进行母猪声音数据的采集与传输,对采集到的声音信号进行滤波、分帧等预处理操作后,由于不同声音的功率谱密度曲线的波动性不同,依托曲线目标优化的思想提取声音功率谱密度特征,并以此特征作为聚类中心,运用改进的模糊C均值聚类算法对咳嗽声和尖叫声进行识别分类。[结果]训练出了母猪咳嗽声和尖叫声的功率谱密度特征,差异明显;忽略个体差异,咳嗽声和尖叫声的总体识别准确率分别约为83.4%和83.1%,识别算法是有效的。[结论]针对待产梅山母猪咳嗽声,创新性提出了一种声音识别算法,该方法简单,高效,识别率高,为母猪呼吸系统疾病的早期自动诊断提供了技术支持。     

沈阳地区鸡隐孢子虫感染情况调查

[目的]了解沈阳地区鸡隐孢子虫感染情况。[方法]从沈阳地区9个鸡场采集450份鸡粪便样品,用改良抗酸染色法对粪便样品进行检查。[结果]结果显示,鸡隐孢子虫的总感染率为11.3%(51/450),其中雏鸡的感染率为13.6%(28/206),成鸡的感染率为9.0%(22/244),蛋鸡的感染率为11.6%(40/346),肉鸡的感染率为10.6%(11/104)。[结论]雏鸡的感染率高于成鸡,蛋鸡和肉鸡的感染率无明显差异。     

基于改进YOLO v5复杂场景下肉鹅姿态的检测算法研究

[目的]肉鹅姿态是预警肉鹅异常行为、评判肉鹅健康状态的重要指标,针对传统养殖场人工观察肉鹅姿态耗时费力且有很大主观性等问题,提出了一种基于深度学习模型自动识别肉鹅姿态的检测算法。[方法]利用YOLO v5模型对扬州鹅4种姿态(站立、休憩、饮水和梳羽)进行识别;对YOLO v5模型加入SENet、CBAM、ECA三种注意力模块改进网络结构,提高模型的识别能力;设计明暗试验和密集场景试验进一步验证模型在复杂场景下的鲁棒性。[结果]YOLO v5+ECA模型的平均检测精度(mAP)为88.93%,相比YOLO v5提升了2.27%。在识别精度(AP)上,站立姿态为91.85%,休憩姿态为93.42%,饮水姿态为90.02%,梳羽姿态为80.42%。在明暗试验和密集场景试验中,YOLO v5+ECA模型性能表现稳定,漏检现象和误检现象相对较少。[结论]该模型可以实现养殖场复杂场景下肉鹅姿态准确快速检测,为后续肉鹅行为监控和健康防疫提供数据支撑。     

基于神经网络和机器学习的白羽肉鸡体重估测算法

针对规模化肉鸡养殖生产中,传统肉鸡称重方法易造成应激问题,设计一种基于神经网络和机器视觉技术的非接触式肉鸡体重估测方法。应用深度相机采集白羽肉鸡的红外图像和深度信息,以目标识别算法YOLOv3和卷积网络分割算法FCN(Fully convolutional networks)为基础构建肉鸡区域提取模型,YOLOv3和FCN模型的查准率分别为98.1%和97.8%,查全率100%;结合肉鸡的深度信息,提取肉鸡投影面积等相关特征,构建多种回归算法,训练并调整优化肉鸡体重估测模型,ABR(Adaboost regressor)模型在测试集上达到最优的估测效果,该模型的决定系数R2为0.95,绝对误差为0.01～0.32kg。本研究的非接触式的肉鸡体重估测模型能较好的预测肉鸡体重,为实际生产环境中肉鸡自动称重提供了技术支持。     

基于Faster R-CNN的蓝莓冠层果实检测识别分析

[目的]基于Faster R-CNN模型对不同成熟度蓝莓果实进行精准识别分类,为浆果类果实的自动化采摘、产量预估等提供技术支撑.[方法]选取成熟果、半成熟果、未成熟果剪切图像各4000幅和8000幅背景图像作为训练集,1000幅原始图像用于验证集开展试验,改进Faster R-CNN算法,设计一种对背景干扰、果实遮挡等因素具有良好鲁棒性和准确率的蓝莓果实识别模型,模型通过卷积神经网络(CNN)、区域候选网络(RPN)、感兴趣区域池化(ROI Pool-ing)和分类网络来实现蓝莓图像背景消除及果实识别并与DPM算法进行对比.[结果]以WOA算法优化的训练参数作为参考,在蓝莓数据集上训练网络模型.在分析P-R曲线后计算F发现,Faster R-CNN算法在成熟果、半成熟果和未成熟果上的F值分别为95.48%、95.59%和94.70%,与DPM算法相比平均高10.00%.在对3类蓝莓果实的识别精度方面,Faster R-CNN同样有着优秀的识别效果.对成熟果、半成熟果和未成熟果的识别准确率分别为97.00%、95.00%和92.00%,平均识别准确率为94.67%,比DPM算法高20.00%左右.该网络模型在高精度的识别效果下,对于蓝莓果实的平均识别速度依然达0.25 s/幅,能满足实时在线识别的需求.[建议]获取多角度、复杂环境下的图像用来提高模型识别率;利用迁移学习建立蓝莓识别模型;数据集样本扩充并分类.     

基于Mixup算法和卷积神经网络的柑橘黄龙病果实识别研究

目的 解决传统柑橘黄龙病果实图像识别方法依赖人工设计特征、费时费力、网络模型参数量大、识别准确率低等问题。方法 首先,采集柑橘黄龙病的果实图像,并对其进行翻转、旋转、仿射、高斯扰动等数据扩增;采用Mixup算法建立样本之间的线性关系,增强模型识别数据样本的鲁棒性;然后,迁移Xception网络在ImageNet数据集上的先验知识,提出一种基于Mixup算法和卷积神经网络的柑橘黄龙病果实识别模型-X-ResNeXt模型;最后,采用动量梯度下降优化方法,有效地减缓震荡影响,并且有效地加速模型向局部最优点收敛。结果 采用数据扩增数据集训练的X-ResNeXt模型准确率可以达到91.38%;在进行迁移学习优化后,训练时间减少了432 s,准确率提升为91.97%;结合Mixup混类数据增强进一步训练,模型准确率提升为93.74%;最后,利用动量梯度下降方法进行模型收敛优化,最终模型的准确率达到94.29%,比Inception-V3和Xception网络分别提高了3.98%和1.51%。结论 在数据量较少情况下,降低模型复杂度并迁移已有先验知识,有助于模型性能提升;Mixup混类数据增强方法有利于提高模型识别柑橘黄龙病果实图像样本的适应性,提升柑橘黄龙病果实识别模型性能;X-ResNeXt模型在准确率与召回率指标上优于经典识别模型,可为柑橘黄龙病的高精度、快速无损识别提供参考。     

基于红外热图像的肉鸡腿部异常检测方法

[目的]为解决目前规模化养殖下肉鸡腿病多发、人工检查成本高等问题,提出一种基于红外热图像的肉鸡腿部异常自动检测方法.[方法]根据肉鸡步态评分标准,将肉鸡跛行划分为正常、轻微异常、中度异常、严重异常4个评级;通过YOLO v3神经网络模型获取肉鸡腿部区域的温度数据,并结合OpenCV图像处理方法提取肉鸡身体质心高度、身体...     

基于改进SSD的广佛手病虫害检测方法

[目的]针对广佛手在田间真实环境下病虫害识别较为困难的问题,提出一种基于改进SSD(single shot MultiBox detector)算法——SSD-Res50-3C的广佛手病虫害检测方法。[方法]SSD-Res50-3C算法主干网络部分用ResNet50网络替换原有的VGG16网络,增加模型在田间真实环境下对广佛手病虫害特征的提取能力;在预测特征层之前加入一种轻量高效的特征融合模块提升SSD算法的多尺度特征融合能力,进一步提高SSD算法在田间真实环境下的抗干扰能力。[结果]SSD-Res50-3C算法平均精度均值达到92.86%,相较原始的SSD算法提升6.61%,FPS(frames per second)达到64.1。相比YOLO v3、YOLO v4、YOLO v5x6、Faster R-CNN和EfficientDet-D3模型,SSD-Res50-3C算法的平均精度均值分别高6.41%、2.01%、0.79%、0.58%和5.10%,FPS分别高16.20、40.280、24.40、36.20和54.84。[结论]基于改进SSD算法的广佛手病虫害检测方法能够弱化田...     

基于改进SVM算法的植物叶片分类研究

[目的]为了有效的对植物物种进行识别,[方法]本文提出了基于布谷鸟(CS)算法改进的支持向量机(SVM)方法对植物叶片分类从而识别植物物种。本文用两种数据集验证改进的CS-SVM算法对植物叶片的分类效果:UCI公开数据集和自主采集叶片图像。在自主采集的叶片图像数据集中,首先对叶片图像预处理,提取6个特征值,然后再使用CS-SVM算法建立分类模型。[结果]结果表明,在UCI公开数据集每种叶片样本量较少的情况下,CS-SVM算法对叶片分类的准确率可以达到87%以上;在采集的叶片图像数据集上以鹅耳草榆属、槭属等8种植物叶片和红柳、杨属等15种植物叶片样本分别试验,前者叶片分类准确率达95%,后者则大于84%。最后,将CS-SVM算法与PSO-SVM算法对植物叶片的分类效果进行对比,结果表明两种方法在叶片分类准确率上无显著差异,但CS-SVM方法在速度上领先10 s以上。[结论]改进的CS-SVM算法在样本量少或者样本特征属性少的情况下,对植物叶片的分类具有良好的效果。     

计算机视觉技术在核桃壳、仁及分心木识别中的应用研究

[目的]为了研究快速准确识别核桃壳、仁及分心木的方法,[方法]本研究以太谷"清香"核桃为研究对象,搭建计算机视觉系统获取核桃壳、仁及分心木的图像信息,提取各样本的12个颜色特征值(RGB和HSI各分量的均值与方差),以及利用灰度共生矩阵(gray level co-occurrence matrix,GLCM)分别提取各样本能量、熵、惯性矩、相关性、逆差矩4个方向(0°,45°,90°,135°)共20个纹理特征参数。以颜色特征值、纹理特征值、颜色-纹理特征值融合作为输入建立3种最小二乘支持向量机(LS-SVM)模型(Y-LS-SVM、W-LS-SVM、Y-W-LS-SVM),并对各预测集样本进行判别。[结果]结果表明,Y-LS-SVM模型对核桃仁、分心木及核桃壳的判别准确率分别为91.1%、82.4%、96.6%;W-LS-SVM模型对核桃仁、分心木及核桃壳的判别准确率分别为100%、85.3%、84.7%;Y-W-LS-SVM模型对核桃仁、分心木及核桃壳的判别准确率分别为93.3%、97.1%、100%。Y-W-LS-SVM模型的判别效果最好。[结论]本研究表明,基于计算机视觉技术能够很好地对核桃壳、仁及分心木进行识别,为核桃壳、仁及分心木在线分选技术提供理论基础。     

基于机器学习的奶牛颈环ID自动定位与识别方法

[目的]奶牛个体信息的实时感知和行为分析是现代化奶牛精细养殖的必然要求,奶牛个体身份的有效识别是上述目标的前提和基础。基于奶牛生物特征(牛脸、体斑等)图像的无接触识别方法易受外界干扰、算法复杂度高,可识别的样本规模受到限制。因此,本文提出1种基于机器学习的奶牛颈环ID自动定位与识别方法。[方法]针对奶牛运动造成的颈环ID偏转问题,采用基于梯度方向直方图(HOG)特征的级联检测器结合多角度检测方法实现奶牛标牌的定位;对标牌图像进行图像增强和二值化分割等处理,得到单个字符图像;设计卷积神经网络的结构和参数,训练字符识别模型,从而完成标牌字符的识别。试验数据包括80头奶牛的1 414幅侧视图像,随机选取其中58头奶牛的图像作为训练集,其余22头奶牛的图像作为测试集。[结果]标牌定位的准确率为96.98%,召回率为80.23%,字符识别模型的准确率为93.35%,连续图像序列中奶牛个体的识别率为95.45%。[结论]识别模型对光线变化、污渍沾染、旋转角度等具有良好的鲁棒性,具有代替传统动物个体身份识别方法的潜力。     

肉鸡群中呼吸道病原体共感染情况调查

【目的】对肉鸡群中常见的呼吸道病原体共感染情况进行调查,为肉鸡呼吸道疾病的防控提供流行病学资料。【方法】从山东省济南、潍坊、青岛等地区采集421份有呼吸道症状的病(死)鸡肺脏及160份临床健康肉鸡的肺脏作为供检样品,用特异性核酸探针技术,对其进行H9N2亚型禽流感病毒(H9N2AIV)、新城疫病毒(NDV)、传染性支气管炎病毒(IBV)、禽偏肺病毒(aMPV)、禽败血性支原体(MG)、鼻气管鸟杆菌(ORT)和大肠杆菌(E.coli)共感染情况的调查。【结果】421份发病肉鸡肺脏中,H9N2AIV、NDV、IBV、aMPV、MG、ORT和E.coli的检出率分别为53.68%,68.41%,33.49%,54.87%,57.25%,9.02%和41.17%;且存在严重的共感染现象,共感染率高达90.26%,单一感染和阴性个体仅占7.36%和2.38%;发病肉鸡群中,7种呼吸道病原体2重、3重、4重、5重、6重、7重感染的检出率分别达19.48%,26.12%,27.32%,11.88%,4.51%和0.95%,以2重、3重和4重感染较为常见。而临床健康肉鸡肺脏中,H9N2AIV、NDV、IBV、aMPV、MG、ORT和E.coli的检出率分别为12.50%,23.13%,5.63%,36.87%,21.88%,0%和16.88%;呈阴性和单一感染的样品分别占25.00%和43.75%;多重感染样品仅占31.25%,且主要为2重感染。7种病原体中,H9N2AIV、NDV、MG和E.coli在肉鸡呼吸道疾病的共感染中起重要作用。【结论】发病肉鸡和临床健康肉鸡均存在混合感染,但以发病鸡群更为严重和复杂;呼吸道病原体多重感染是导致肉鸡呼吸道疾病日益严重的重要原因。     

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。     

冬季肉鸡呼吸道疾病防治措施

正因冬季气温低下、天气寒冷,使得肉鸡多发生呼吸道疾病。为促进养殖户养殖利润增加,必须加强对肉鸡呼吸道疾病的积极防治。在不断扩大养殖规模的影响下,导致出现更加严重的养殖污染,同时因饲养管理员存在较为低下的管理水平,使得肉鸡呼吸道疾病发生数量明显增加。针对肉鸡呼吸道疾病来说,该疾病很难控制且病情复杂,多为混合感染,使得肉鸡出现十分缓慢的生长速度,严重者死亡,导致增加了饲养成本,降低了利润[1]。     

基于MMSE谱减算法的农产品市场信息语音识别技术

为解决传统的便携式农产品市场信息采集设备操作不便,易受使用环境影响等问题,提出利用语音识别技术采集信息,以增加操作界面的灵活性。为增强语音识别的抗噪声鲁棒性,针对农产品市场信息采集的特殊工作环境,采集到20男20女语音训练集材料。首先利用最小均方误差( MMSE)谱减法进行前端带噪语音增强,得到增强后的语音信号,然后提取其 MFCC 特征用于HMM声学模型的训练;声学识别单元采用上下文相关的三音子模型,模型训练过程中采用了决策树状态聚类和增加高斯混合分量的策略,以提高模型的精确度。在3处不同环境不同信噪比情况下对训练出的模型进行测试,结果表明,MMSE谱减算法处理后的语音识别率比基本谱减法( SS)、多带谱减法( MB)有明显的提高,特别是在较低信噪比情况下更为明显。     

尿素及丝兰提取物对黄羽肉鸡生长性能影响的研究

[目的]为提高肉鸡生长速度提供技术参考。[方法]通过在黄羽肉鸡饲粮中添加0.10%尿素及0.01%丝兰提取物,研究尿素和丝兰提取物对黄羽肉鸡生长性能的影响。[结果]日粮单独添加0.10%尿素或单独添加0.01%丝兰提取物都可以提高黄羽肉鸡的日增重,降低料肉比,但效果不明显;日粮中同时添加0.10%尿素及0.01%丝兰提取物,黄羽肉鸡的日增重明显提高,料肉比下降,差异显著(P<0.05)。[结论]丝兰提取物配合尿素共同使用,能明显提高黄羽肉鸡的生产性能,取得良好的社会效益和经济效益。     

复方中草药预防肉鸡大肠杆菌病的研究

[目的]探讨复方中草药制剂对肉鸡人工感染大肠杆菌的保护作用。[方法]在验方的基础上加减组方,以AA肉鸡为试验动物,通过体外抑菌试验和体内攻毒试验,研究中药复方制剂A和B的体外抑菌效果和对鸡人工感染大肠杆菌的保护作用。[结果]与感染对照组相比,处方A组和处方B组的肉鸡死亡率均显著降低。处方A组和处方B组的保护率分别为68.5%和59.3%,均高于感染对照组（32.5%）。[结论]中药复方制剂A和制剂B均对肉鸡感染大肠杆菌病有预防保护作用。     

基于nrDNA-ITS片段的16份木耳属物种鉴定

[目的]本文旨在阐明山西木耳属物种资源状况。[方法]本文采用基于nrDNA-ITS片段的分子系统学方法对采自山西各地的16份木耳属Auricularia物种样本(野生或栽培)进行研究。[结果]结果表明,这16份木耳样本分属于木耳属Auricularia的3个不同物种,即毛木耳Auricularia cornea(2份样本,1份野生样本和1份人工种植的白色木耳品种)、黑木耳A. heimuer(12份样本,4份野生样本和8份人工种植的黑木耳样本)和短毛木耳A. villosula(2份样本,均为野生样本)。[结论]这3个物种均为山西省首次记录。此前文献中记录木耳A. auricula、多毛木耳A. polytricha和皱木耳A. delicata在山西本地有分布,但本研究引证的山西样本没有匹配到这3个物种。