【技术实现步骤摘要】
本专利技术涉及声音识别，具体为一种根据家禽叫声判断呼吸道疾病的方法及系统。
技术介绍
1、鸡群呼吸道疾病会导致鸡只呼吸系统受损，自身抗疾病能力下降，进而导致鸡群采食量减少，体质下降，生产性能降低，甚至大量淘汰鸡只，为广大蛋鸡、肉鸡养殖户带来不同程度的经济损失。监控鸡舍中鸡群的叫声，对音频数据进行分析，判断鸡只是否患呼吸道疾病及患病种类具有重要意义。现有的鸡只呼吸道疾病判断方法采用人工识别，由专业人员在鸡舍实地巡查，人工定位鸡只发病位置，这需要巨大的人工成本与时间成本，且由于鸡只发病不具有时间限制而专业巡查人员并非7*24h工作，这使得鸡只呼吸道病情捕捉存在疏漏。
2、利用计算机音频序列自动化处理的方法，主要包括以下几种：
3、一.基于发声信号的检测方法：该方法一般利用短时能量、短时过零率和持续时间三个参数，采用双阈值法自动检测发声端点，提取音频特征作为深度学习模型的输入进行学习和分类。存在准确率低；召回率低；而且鸡只被单独放在收声单元中收声，抗噪性差且不宜在实际鸡舍中使用；对于音频数据要求高等问题。
4、二.基于声音识别和鸡声音频谱分析的方法：该方法一般使用事先准备好的频谱图素材与图像进行匹配比对，比对方法包括色彩匹配、方差匹配等，存在召回率低，数据依赖强，耗时较长等问题。
5、三.机器学习、深度学习等人工智能的方法：该方法常用于特征提取、音频分类、目标检测等，机器学习方法可解释但准确性低，深度学习准确率有所提高，但模型为黑盒性质，难以解释，即使检测到鸡叫目标物，也难以划分具体的健
6、直接应用于家禽呼吸道疾病检测的自动化方法较少，并且现有方法中，灵活性较差，自动化程度低，统计效率较纯人工提升小。
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：现有的识别方法存在难以准确识别目标，已识别密集型的音频有障碍，人工参与度高，以及如何解决存在噪音的音频中效果差的优化问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种根据家禽叫声判断呼吸道疾病的方法，包括：
4、集鸡舍的音频数据，对所述音频数据进行预处理；
5、对处理后的声音信号进行变换，转化为频域上的能量分布，获取声音片段的频谱特征；
6、将历史数据划分为训练集、验证集和测试集，对目标检测模型进行训练；
7、利用训练好的目标检测模型对采集的音频数据进行识别，预测声音的类别。
8、作为本专利技术所述的根据家禽叫声判断呼吸道疾病的方法的一种优选方案，其中：所述音频数据包括，通过录音设备在鸡舍中采集音频数据；
9、所述预处理包括，音频的预加重：使用高通滤波来减少噪声干扰，高通滤波函数公式为：
10、y(n)＝x(n)-αx(n-1)
11、其中，n表示时间，x(n)表示采样数据，y(n)表示滤波结果，α表示强调系数；
12、音频的切片：将预加重后的音频信号切成大小为5秒的音频信号切片；
13、分帧处理：将一维的采样点数m转化成二维的分帧矩阵，其中矩阵的行数等于单帧的帧长，矩阵的列数为分帧的帧数：
14、采样点总数m：
15、m＝sr*t
16、其中，sr表示采样率，t表示时间，固定采样率为22050hz，时间为5s，采样点总数m＝110250；
17、单帧内的重叠点数overlap：
18、overlap＝wlen-inc
19、其中，wlen表示帧长，inc表示帧移动长度，每个帧之间的重叠为15毫秒，每个帧的时间长度为25毫秒，分帧后的帧数nf：
20、
21、其中，表示每一帧的采样点数，表示相邻帧之间的采样点数，表示向下取整。
22、作为本专利技术所述的根据家禽叫声判断呼吸道疾病的方法的一种优选方案，其中：所述获取声音片段的频谱特征包括，分帧矩阵加窗：将信号分割成帧后，再对每个帧与窗口函数相乘，以增加帧左端和右端的连续性；
23、快速傅里叶变换：将声音信号转化为频域上的能量分布，对于每一帧的加窗信号，进行n点fft变换：
24、
25、其中，x[k]表示频域中第k个频率分量的幅度和相位，是在信号中的强度；x[n]表示时域中第n个时间点的样本值；j表示虚数单位，n表示信号的总长度；
26、取功率谱：功率谱的计算公式表示为：
27、
28、梅尔滤波器组：计算梅尔频率，使用以下公式将频率f转换为mel频率：
29、
30、计算滤波器中心频率，在mel频率刻度上均匀分布的m＝23个滤波器通道的中心频率f(m)表示为：
31、
32、计算每个滤波器通道的频率响应，公式表示为：
33、
34、其中，k表示频域中的第k个频率分量，hm(k)是滤波器通道m的频率响应；
35、应用滤波器，将每个滤波器通道的频率响应hm(k)应用于信号的频率；
36、计算每个滤波通道的能量，对于每个滤波器通道m，计算em：
37、em＝∑|x[k]*hm(k)|2
38、对数操作：对em进行对数变换：lm＝ln em
39、离散余弦变换：对每个滤波器通道的对数能量lm应用离散余弦变换：
40、
41、其中，dtck表示第kd个dct系数，n表示信号的长度即帧的大小，lm(km)表示对数操作得到的对数能量序列的第km个元素。
42、作为本专利技术所述的根据家禽叫声判断呼吸道疾病的方法的一种优选方案，其中：对所述对目标检测模型进行训练包括，采用人工标注的方式标注声音切片的标签，分为三类：非鸡叫、健康、患病；
43、获得的原始音频信号转换的高维特征表示和对应标签，将每一段声音切片都转化为：
44、(batch，fea，feature_dim)
45、其中，batch为batch size，fea表示时间步长或者频率步长，feature_dim表示音频特征mfcc的维度；输入为(batch，fea，feature_dim)的三维张量，通过对输入数据的多次迭代遍历整个数据集，计算损失并更新权重，通过将预测标签与真实标签进行比对，进行反向传播更新模型参数，使得预测值贴近真实的标签；
46、定义损失函数：
47、
48、其中，xl表示模型的原始输出，是一个包含每个类别的得分的向量；yl表示真实标签；exp(·)表示指数函数；表示对所有类别j的求和；xl[yl]表示向量xl中索引为yl的元素。
49、作为本专利技术所述的根据家禽叫声判断呼吸道疾病的方法的一种优选方案，其中：所述目标检测模型还包括，对数据进行增强，设置频谱上掩蔽的频率范围freq_mask_w本文档来自技高网...
【技术保护点】
1.一种根据家禽叫声判断呼吸道疾病的方法，其特征在于，包括：
2.如权利要求1所述的根据家禽叫声判断呼吸道疾病的方法，其特征在于：所述音频数据包括，通过录音设备在鸡舍中采集音频数据；
3.如权利要求2所述的根据家禽叫声判断呼吸道疾病的方法，其特征在于：所述获取声音片段的频谱特征包括，分帧矩阵加窗：将信号分割成帧后，再对每个帧与窗口函数相乘，以增加帧左端和右端的连续性；
4.如权利要求3所述的根据家禽叫声判断呼吸道疾病的方法，其特征在于：对所述对目标检测模型进行训练包括，采用人工标注的方式标注声音切片的标签，分为三类：非鸡叫、健康、患病；
5.如权利要求4所述的根据家禽叫声判断呼吸道疾病的方法，其特征在于：所述目标检测模型还包括，对数据进行增强，设置频谱上掩蔽的频率范围freq_mask_width；音频特征取器所获得的每个样本的三维张量(batch,fea,feature_dim)作为输入，为每个样本生成一个随机的频率掩蔽长度mask_len和随机位置mask_pos，其中mask_len的取值范围为Uniform(0，8)，mas
6.如权利要求5所述的根据家禽叫声判断呼吸道疾病的方法，其特征在于：所述训练包括，特征的提取通过多个卷积层和卷积组块实现，每个卷积组块通过卷积操作、激活函数和残差连接，逐渐提取并丰富图像的特征信息；一个卷积块的基本单元主要包含三个部分：卷积层、批量归一化、激活操作；卷积层的整体计算表示为：
7.如权利要求6所述的根据家禽叫声判断呼吸道疾病的方法，其特征在于：所述训练还包括，不断从图像数据集中提取图像特征，在一层层卷积过程中提取深层图像信息，利用提取到的信息对图像进行分类，将模型输出的概率分布结果利用交叉熵损失函数计算分类结果与真实值的差额，损失函数Loss公式表示为：
8.一种采用如权利要求1-7任一所述方法的根据家禽叫声判断呼吸道疾病的系统，其特征在于：
9.一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种根据家禽叫声判断呼吸道疾病的方法，其特征在于，包括：
2.如权利要求1所述的根据家禽叫声判断呼吸道疾病的方法，其特征在于：所述音频数据包括，通过录音设备在鸡舍中采集音频数据；
3.如权利要求2所述的根据家禽叫声判断呼吸道疾病的方法，其特征在于：所述获取声音片段的频谱特征包括，分帧矩阵加窗：将信号分割成帧后，再对每个帧与窗口函数相乘，以增加帧左端和右端的连续性；
4.如权利要求3所述的根据家禽叫声判断呼吸道疾病的方法，其特征在于：对所述对目标检测模型进行训练包括，采用人工标注的方式标注声音切片的标签，分为三类：非鸡叫、健康、患病；
5.如权利要求4所述的根据家禽叫声判断呼吸道疾病的方法，其特征在于：所述目标检测模型还包括，对数据进行增强，设置频谱上掩蔽的频率范围freq_mask_width；音频特征取器所获得的每个样本的三维张量(batch,fea,feature_dim)作为输入，为每个样本生成一个随机的频率掩蔽长度mask_len和随机位置mask_pos，其中mask_len的取值范围为uniform(0，8)，mask_pos的取值范围为uniform(0，max(1，fea-mask_len.max...
【专利技术属性】
技术研发人员：王连增，黄君贤，周守长，乔华欣，闫文亮，陈子欣，薛晓阳，高健峰，徐焕良，戴维，吴文彩，季呈明，朱留超，邓文聪，
申请(专利权)人：南京星罗基因科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。