基于人工智能和声音技术的实时牛监测系统
现代畜牧网 http://www.cvonet.com 2023/7/26 11:22:40 关注:317 评论: 我要投稿
|
|
本文提出了一个基于网络的实时牛监测系统,采用卷积神经网络(CNN)模型对牛的声音进行分类和去除背景噪声,以及对现有数据集中牛的行为进行分类。经过声音滤波后,该系统在现场监测系统通过传感器采集的牛声数据中的最终精度达到了81.96%。
01 研究的背景和原因
随着人工智能技术的不断发展,其在动物声音分类领域的应用也越来越广泛。在肉类行业中,对于动物福利的关注程度日益提高,而理解牲畜的行为对于确保其福利具有重要意义。在这个背景下,针对牛的声音分类监测和记录系统已经得到了广泛的研究。然而,人工智能和先进的声音技术在牛声音分类中的应用仍然面临着一些挑战,其中最主要的问题是背景噪声的干扰。
为了解决这个问题,研究人员提出了一个基于网络的实时牛监测系统,旨在通过对牛的声音进行分类和去除背景噪声,评估牛的状况。该系统包含一个卷积神经网络(CNN),用于对牛的声音进行分类和去除背景噪声,以及另一个CNN,用于从现有数据集中进行行为分类。该系统的核心技术是将CNN和Mel-frequency倒谱系数(MFCCs)结合起来进行实时牛声检测和相应的行为匹配。
02 研究方法
在这项实验中,研究人员采用了卷积神经网络(CNN)和长短时记忆网络(LSTM)来对牛叫声进行分类。使用Mel频率倒谱系数(MFCC)提取牛叫声的特征,并将其作为CNN和LSTM模型的输入。CNN模型用于对牛叫声进行分类,而LSTM模型则用于对牛叫声序列进行分类,以识别不同的牛叫声类型。此外,研究人员还开发了一个实时监测系统,该系统可以过滤噪声并实时监测牛的叫声。该系统使用了12个声音传感器收集牛叫声数据,并将其传输到云端进行处理和分析。这些方法的使用使农民能够更加高效、准确地监测他们的牲畜,从而提高畜牧业的生产效率和动物福利。
03 结论
1.经过声音滤波后,所建立的模型在现场监测系统通过传感器采集的牛声数据中的最终精度达到了81.96%。
2.采用短时傅立叶变换的噪声滤波技术,将分类模型的准确率提高到了94.18%。
3.研究将分类后的牛声分为4类,共获得897条分类记录,建立了分类模型。
来源 | Animals
|
|
文章来源:国家动物健康与食品安全创新联盟 文章编辑:一米优讯 |
【进入社区】【进入专栏】【推荐朋友】【收藏此页】【大 中 小】【打印此文】【关闭窗口】 |
|
发表评论 (当前没有登录 [点击登录]) |
|
信息发布注意事项: 为维护网上公共秩序和社会稳定,请您自觉遵守以下条款: 一、不得利用本站危害国家安全、泄露国家秘密,不得侵犯国家社会集体的和公民的合法权益,不得利用本站制作、复制和传播下列信息:[查看详细]
(一)煽动抗拒、破坏宪法和法律、行政法规实施的; (二)煽动颠覆国家政权,推翻社会主义制度的; (三)煽动分裂国家、破坏国家统一的; (四)煽动民族仇恨、民族歧视,破坏民族团结的; (五)捏造或者歪曲事实,散布谣言,扰乱社会秩序的; (六)宣扬封建迷信、淫秽、色情、赌博、暴力、凶杀、恐怖、教唆犯罪的; (七)公然侮辱他人或者捏造事实诽谤他人的,或者进行其他恶意攻击的; (八)损害国家机关信誉的; (九)其他违反宪法和法律行政法规的; (十)进行商业广告行为的。
二、互相尊重,对自己的言论和行为负责。 三、本网站不允许发布以下信息,网站编辑有权直接删除:[查看详细]
(一)、重复(恶意灌水)发布的信息; (二)、在本栏目内发布例如供求信息、代理招商、会展、求职招聘等含有广告宣传性质、不符合网站栏目的信息内容; (三)、与本网站主体定位不相关的信息等等。
四、本网站有权删除或锁定违反以上条款的会员账号以及该账号发布的所有信息。对情节恶劣的,本网将向相关机构举报及追究其法律责任! 五、对于违反上述条款的,本网将对该会员账号永久封禁。由此给该会员带来的损失由其全部承担! |
|
|
声明:本网刊登的文章仅代表作者个人观点,文章内容仅供参考,并不构成投资建议,据此操作,风险自担。如果转载文章涉嫌侵犯您的著作权,或者转载出处出现错误,请及时联系文章编辑进行修正,电话:010-65283357。本网原创文章,转载请注明出处及作者。感谢您的支持和理解! |
|