本發(fā)明涉及畜禽養(yǎng)殖、籠養(yǎng)雞管理、計(jì)算機(jī)技術(shù)、深度學(xué)習(xí)技術(shù)、自動控制，具體是一種基于音頻技術(shù)的雞只體重估測方法。
背景技術(shù)：
1、肉雞養(yǎng)殖業(yè)是我國畜牧業(yè)的主要組成部分。隨著畜禽養(yǎng)殖業(yè)的快速發(fā)展，對養(yǎng)殖效率和管理精度的要求日益提高。雞只體重是衡量其生長發(fā)育和健康狀況的重要指標(biāo)之一。傳統(tǒng)的雞只體重測量方法通常是通過人工稱重來實(shí)現(xiàn)的，但這些方法存在操作繁瑣、無法實(shí)時監(jiān)測等問題。特別是在規(guī)?；B(yǎng)殖環(huán)境中，大量雞只的體重測量需要大量的人力和時間，且容易對雞只造成應(yīng)激反應(yīng)，影響其正常生長。
2、因此，開發(fā)一種能夠?qū)崟r、非接觸、自動化的雞只體重檢測方法具有重要的現(xiàn)實(shí)意義和廣闊的應(yīng)用前景。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明針對傳統(tǒng)雞只體重檢測方法存在的問題，提出了一種基于音頻技術(shù)的雞只體重估測方法。該方法通過采集籠養(yǎng)雞舍內(nèi)的聲音，利用深度學(xué)習(xí)技術(shù)對聲音信號進(jìn)行分析和處理，識別出鳴叫聲片段，計(jì)算出該片段中幅值最高點(diǎn)的頻率，以大量頻率的平均值擬合出體重，進(jìn)而實(shí)現(xiàn)對雞只體重的實(shí)時、非接觸、自動化檢測。
2、技術(shù)方案：
3、一種基于音頻技術(shù)的雞只體重估測方法，它包括以下步驟：
4、s1、在雞舍設(shè)置數(shù)據(jù)采集模塊，從音頻中截取聲音片段；
5、s2、構(gòu)建transformer+cnn雙通道神經(jīng)網(wǎng)絡(luò)識別模型，檢測出雞只鳴叫聲；
6、s3、計(jì)算鳴叫聲中最大幅值點(diǎn)的頻率，并統(tǒng)計(jì)平均值；
7、s4、由頻率平均值擬合計(jì)算雞只體重。
8、優(yōu)選的，s1中，所述數(shù)據(jù)采集模塊包括拾音器、網(wǎng)絡(luò)硬盤錄像機(jī)、交換機(jī)、電腦、電源系統(tǒng)和移動硬盤。
9、優(yōu)選的，s2中，所述識別模型構(gòu)建步驟如下：
10、s2-1、采集數(shù)據(jù)：采集養(yǎng)殖場雞只24小時的音頻數(shù)據(jù)，確保音頻數(shù)據(jù)覆蓋不同時間段、不同環(huán)境條件，全面反映雞只的鳴叫聲特征；
11、s2-2、數(shù)據(jù)預(yù)處理：對采集的音頻數(shù)據(jù)進(jìn)行預(yù)處理，選擇梅爾頻率倒譜系數(shù)mfcc作為聲音特征參數(shù)，構(gòu)建數(shù)據(jù)集；數(shù)據(jù)預(yù)處理步驟包括：分幀、加窗、快速傅里葉變換fft、mel頻率倒譜特征提取及對數(shù)能量計(jì)算；同時，將數(shù)據(jù)集劃分為訓(xùn)練集和驗(yàn)證集，以確保模型訓(xùn)練和驗(yàn)證的可靠性；
12、s2-3、構(gòu)建雙通道神經(jīng)網(wǎng)絡(luò)：基于mfcc特征構(gòu)建雙通道神經(jīng)網(wǎng)絡(luò)模型，使用訓(xùn)練集對模型進(jìn)行訓(xùn)練，并通過驗(yàn)證集對訓(xùn)練結(jié)果進(jìn)行驗(yàn)證，以優(yōu)化模型性能，確保最終獲得最優(yōu)的識別模型。
13、具體的，mfcc特征的提取步驟如下：①分幀、加窗；②快速傅里葉變換；③mel頻率彎折；④取對數(shù)；⑤離散余弦變換。
14、優(yōu)選的，雙通道神經(jīng)網(wǎng)絡(luò)的具體架構(gòu)如下：
15、①利用cnn模塊對輸入的鳴叫聲特征參數(shù)進(jìn)行局部特征抽取，并通過自適應(yīng)最大池化層將提取出的多維特征映射到固定維度的二維向量；
16、transformer編碼器處理鳴叫聲特征參數(shù)其輸出經(jīng)過平均池化以獲得反映全局上下文信息的特征向量；
17、②將cnn模塊產(chǎn)生的線性二維向量與transformer編碼器的平均池化特征向量進(jìn)行拼接，形成一個融合局部和全局信息的聯(lián)合特征向量；
18、fjoint＝[fcnn，ftransformer]
19、其中，fcnn是通過cnn模塊提取的局部特征向量，ftransformer是通過transformer編碼器的平均池化輸出的全局特征向量，fjoint拼接后的向量包含了局部和全局信息；
20、③聯(lián)合特征向量通過全連接層進(jìn)一步轉(zhuǎn)換和壓縮，最后經(jīng)過softmax層得到各分類的概率分布，從而實(shí)現(xiàn)對雞只聲音的精確分類識別。
21、優(yōu)選的，s3中，具體包括：
22、s3-1、短時傅里葉變換：計(jì)算音頻信號的頻譜，得到隨時間變化的頻率分布：
23、
24、其中：x(n)是輸入音頻信號，w(n)是加窗函數(shù)，f是頻率，t是時間；
25、s3-2、計(jì)算能量譜：計(jì)算不同時間點(diǎn)的頻率能量分布，確定哪些頻率在鳴叫聲中占主導(dǎo)地位；對stft結(jié)果取平方，得到每個時刻的能量分布：
26、p(t，f)＝|x(t，f)|2
27、其中，x(t，f)為音頻信號在時間t和頻率f上的短時傅里葉變換結(jié)果；stft將音頻信號轉(zhuǎn)換到時頻域，表示在每個時間點(diǎn)t處，各個頻率f的幅值信息；|x(t，f)|2為對stft結(jié)果取模平方，得到能量譜(power?spectrum)，表示不同頻率分量的能量大??；
28、s3-3、尋找最大幅值點(diǎn)：在每個聲音片段的能量譜中找到能量最大的頻率成分，即該段鳴叫聲的主導(dǎo)頻率；在每個鳴叫片段的能量譜中找到最大值對應(yīng)的頻率：
29、fmax＝argmaxfp(t，f)
30、其中，p(t，f)為能量譜，即某個時間點(diǎn)t處的不同頻率成分的能量大?。籥rgmaxf表示尋找使p(t，f)最大的頻率f；
31、s3-4、通過計(jì)算多個雞叫樣本的平均主導(dǎo)頻率，減少單次測量的偶然誤差，提高體重估測的準(zhǔn)確性，計(jì)算多個鳴叫樣本的頻率均值：
32、
33、其中，n為采樣的鳴叫次數(shù)，即分析了多少個不同的雞叫樣本，fmax，i第i個鳴叫樣本的最大幅值頻率，為所有鳴叫樣本的最大頻率的均值。
34、優(yōu)選的，s4中，具體包括：
35、s4-1、實(shí)驗(yàn)數(shù)據(jù)采集：選取不同體重的雞只，對其鳴叫聲音進(jìn)行采集，并記錄相應(yīng)的體重數(shù)據(jù)；
36、s4-2、頻率-體重關(guān)系擬合：采用線性回歸或非線性回歸分析方法，構(gòu)建頻率均值與雞只體重之間的映射關(guān)系：
37、
38、其中a,b,c1,c2,c3為通過擬合模型得到的參數(shù)，w表示計(jì)算出的雞只體重。
39、具體的，s4中：
40、
41、本發(fā)明的有益效果
42、本方法無需接觸雞只，不會對雞只造成應(yīng)激反應(yīng)，且操作簡單、成本低廉，適用于規(guī)模化養(yǎng)殖環(huán)境。具體技術(shù)優(yōu)勢在于：
43、(1)提出使用雞只鳴叫聲的最大幅值點(diǎn)的頻率擬合體重。音頻作為一種非侵入性的方法，相比傳統(tǒng)的體重測量方法(如使用秤)，不會對雞造成傷害，減少雞的應(yīng)激反映。并且，聲音檢測具有實(shí)時性，可以實(shí)時監(jiān)聽雞只的鳴叫聲來預(yù)測其體重，實(shí)現(xiàn)自動化的體重預(yù)測系統(tǒng)。
44、(2)使用頻譜門控法對原始聲音進(jìn)行降噪，使得背景噪聲明顯減少，且保證雞只聲音不失真，再利用短時能量和短時過零率雙門限端點(diǎn)檢測法對降噪后的聲音分割出目標(biāo)聲音。
45、(3)將transformer+cnn的雙通道神經(jīng)網(wǎng)絡(luò)引入肉雞鳴叫聲識別領(lǐng)域。本模型對于籠養(yǎng)雞全生命周期均可達(dá)到較好的檢測效果，為檢測鳴叫聲提供了理論支持，利于籠養(yǎng)雞的福利化養(yǎng)殖。后續(xù)階段將嘗試更多的特征參數(shù)融合和目標(biāo)聲音檢測模型，以識別更多雞只的聲音，如啰音、噴嚏聲等。
1.一種基于音頻技術(shù)的雞只體重估測方法，其特征在于它包括以下步驟：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于s1中，所述數(shù)據(jù)采集模塊包括拾音器、網(wǎng)絡(luò)硬盤錄像機(jī)、交換機(jī)、電腦、電源系統(tǒng)和移動硬盤。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于s2中，所述識別模型構(gòu)建步驟如下：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于mfcc特征的提取步驟如下：①分幀、加窗；②快速傅里葉變換；③mel頻率彎折；④取對數(shù)；⑤離散余弦變換。
5.根據(jù)權(quán)利要求3所述的方法，其特征在于雙通道神經(jīng)網(wǎng)絡(luò)的具體架構(gòu)如下：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于s3中，具體包括：
7.根據(jù)權(quán)利要求1所述的方法，其特征在于s4中，具體包括：
8.根據(jù)權(quán)利要求7所述的方法，其特征在于s4中：