论文部分内容阅读
动物声音是动物交流的主要方式,可用来反馈动物机体的健康状况以及动物对饲养环境的适应程度,可做为评价动物福利好坏的辅助方法。本研究以海兰褐蛋鸡为研究对象,获取了蛋鸡在不同生长阶段不同饲养模式下的发声信息。针对蛋鸡声音识别过程存在噪声干扰、需要人工提取的问题,通过分析蛋鸡声音与噪声的功率谱密度等频谱特征差异,提出了蛋鸡声音自动检测与分类识别的方法,并比较分析了栖架和笼养模式下的蛋鸡发声规律,为建立基于蛋鸡声音信息的健康养殖预警系统提供基础依据。本文的主要研究结论如下：(1)针对栖架饲养模式下蛋鸡声音检测方法研究,提出了基于功率谱密度特征的分类识别方法,该方法的平均正确识别率可达95%,并利用Lab VIEW开发了一款蛋鸡声音自动检测软件,可显著提高工作效率。(2)针对叠层笼养饲养模式下蛋鸡声音检测方法研究,提出了一种基于子带功率比的特征提取算法,采用J48决策树分类模型进行了测试,结果表明,该算法对低噪声环境下声音的平均正确识别率可达93.4%。(3)探寻了蛋鸡声音适宜的去噪方法,分别对IIR滤波器、FIR滤波器以及采用不同阈值、小波函数、小波基以及分解层数组合的小波去噪方法进行了去噪效果比较,结果表明,以史坦无偏似然估计为阈值、小波函数为Daubechies、小波基为Db12以及分解层数为5左右的小波去噪方法去噪效果最好。(4)以栖架饲养模式下的蛋鸡鸣叫声、鸣唱声、产蛋叫声以及尖叫声为研究对象,构建了健康蛋鸡声音数据库,不同类型蛋鸡声音的声学特征存在明显差异,蛋鸡产蛋叫声频域能量最高,声压均值达到79.5±2.9dB,鸣叫声与尖叫声发声短促,持续时间短,提出了基于频域能量、时间长度、带宽为特征提取算法。结果表明,该方法的平均正确识别率为81.8%,以此为基础,开发了蛋鸡声音识别软件。(5)针对蛋鸡典型饲养环境下的发声规律进行了研究,结果表明,不同生长阶段的蛋鸡在熄灯期间基本维持安静状态,产蛋期蛋鸡在开灯后的活动量明显大于育成期；育成期蛋鸡发声主要以鸣叫声为主,声音时长、主频及声压均要低于产蛋期；与笼养模式相比,栖架饲养模式下蛋鸡发声数量更多,声音类型也更加丰富,可用来评价动物福利水平；利用蛋鸡声音识别软件,在夜间低噪声环境下能够很好地检测出蛋鸡呼噜声音,为蛋鸡呼吸道疾病监测提供基础。