基于声信号特征加权的设施养殖羊行为分类识别

• Published in: 农业工程学报 Vol. 32; no. 19; pp. 195 - 202
• Main Author: 宣传忠 马彦华 武佩 张丽娜 郝敏 张曦宇
• Format: Journal Article
• Language: Chinese
• Published: 内蒙古农业大学机电工程学院,呼和浩特,010018 2016
• Subjects: 动物; 声信号处理; 支持向量机; 梅尔频率倒谱系数; 特征提取; 行为识别; 设施; 支持向量机; 声信号处理; 动物; SVM; 设施; 特征提取; 梅尔频率倒谱系数; feature extraction; behavior recognition; 行为识别; animals; facilities; MFCC; acoustic signal processing
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2016.19.027

中国西部地区正在发展集约化和规模化的设施养羊业,通过监测羊舍内的声信号可以判别羊只的行为状态,从而为设施养羊的福利化水平评估提取基础依据。梅尔频率倒谱系数（mel frequency cepstrum coefficient,MFCC）模拟了人耳对语音的处理特点且抗噪音性强,被广泛用于畜禽发声信号的特征提取,但其没有考虑各个特征分量表征声信号的能力。该研究构建羊舍无线声音数据采集系统,采集20只羊在设施羊舍内的打斗、饥饿、咳嗽、啃咬和寻伴共5种行为下的声信号,并通过Audacity音频处理软件选出720个清晰且不重叠的声音样本数据。根据MFCC各分量对羊舍声信号表征能力,特征参数提取采用一种熵值加权的MFCC参数,再求其一、二阶差分并进行主成分分析降维,得到优化的19维特征参数。通过对羊舍声信号的声谱图分析,设计了支持向量机二叉树识别模型,并对模型内的4个分类器参数进行网格化寻优测试,该识别模型对羊只5种行为下的声信号进行分类识别,用改进的特征参数与传统MFCC和线性预测倒谱系数（linear predictive cepstrum coefficient,LPCC）进行对比分析。结果表明,该特征参数对5种行为的识别率平均可达83.6%,分别高于MFCC和LPCC参数14.1%和26.8%,羊只打斗和咳嗽行为的声信号属于相似的短时爆发类声音,其识别率分别仅为80.6%和79.5%,啃咬声特征显著不易混淆,其查全率可达到为92.5%,改进特征参数更好的表征了羊舍声信号的特征,提高了羊只不同行为的识别率,为羊只健康和福利状况的监测提供理论依据。