基于声音信号的白羽肉鸡疾病自动检测技术研究.pdf

摘要

随着养殖业的不断发展和规模化的增长,饲养大量白羽肉鸡面临着疾病的风险.

传统的白羽肉鸡疾病检测方法依赖于人工检查或血液检测,不仅需要专业人员的参

与,而且耗时费力.相比于传统的疾病检测方法,基于声音信号的疾病检测具有快速、

自动、非侵入性的特点,可以大大提高养殖业的效益和生产效率.因此,本文提出了基

于声音信号的白羽肉鸡疾病自动检测技术.

为了确保实验过程中白羽肉鸡的正常活动不受其他病毒的干扰,数据采集操作

在无特定性病原体隔离笼进行.采集健康肉鸡声音和感染新城疫疾病的肉鸡声音,并

观察症状,将所有数据储存在计算机中.本研究从两个角度进行探究:

(1)基于小波变换和梅尔频率倒谱系数融合的白羽肉鸡声音端点检测方法.在实

验中,我们对采集到的声音数据进行了预处理和声音端点检测,采用小波变换和梅尔

频率倒谱系数融合技术进行特征提取.通过改进声音信号端点检测算法,旨在提高白

羽肉鸡声音信号端点检测准确性,能更全面地描述声音信号的频域和时域特性,并更

好地适应不同的声音环境.

(2)基于Transformer的端到端白羽肉鸡新城疫检测.在新城疫感染的早期阶段,

声音变化可能不容易被人类听觉察觉,但可以通过深度学习方法进行检测.随着感染

时间的延长,白羽肉鸡的病情加重,呼吸道受到更大影响,声音与健康状况的联系变

得更为明显.通过呼吸系统疾病会对白羽肉鸡的声音产生不同程度的影响,本文采用

基于Transformer的端到端模型,分析疾病前后的声音差异来直接检测新城疫感染.

实验结果表明,基于声音信号的白羽肉鸡疾病自动检测技术在患有疾病的肉鸡和健

康肉鸡的分类上表现出了很高的准确率和敏感度.

关键词:深度学习;声音信号;离散小波变换;梅尔频率倒谱系数;白羽肉鸡

ABSTRACT

Withthecontinuousdevelopmentandincreasingscaleofthelivestockindustry,raising

alargenumberofwhite-featherbroilersfacestheriskofdiseases.Traditionalmethodsfor

detectingdiseasesinwhite-featherbroilersrelyonmanualinspectionorbloodtests,which

notonlyrequiretheinvolvementofprofessionalsbutarealsotime-consumingandlabor-

intensive.Comparedtotraditionaldiseasedetectionmethods,diseasedetectionbasedon

soundsignalsfeaturesrapid,automatic,andnon-invasivecharacteristics,whichcangreatly

improvetheefficiencyandproductivityofthebreedingindustry.Therefore,thispaper

proposesanautomaticdiseasedetectiontechnologyforwhite-featherbroilersbasedon

soundsignals.

Toensurethatthenormalactivitiesofwhite-featherbroilersarenotdisturbedbyother

virusesduringtheexperimentalprocess,datacollectionoperationswereconductedin

isolationcageswithoutspecificpathogens.Healthybroiler