基于声纹识别的农田野猪驱逐技术研究与实现.pdfVIP

摘要

近年来，随着生态保护政策的持续推进以及生态环境质量的显著提升，野猪种群

数量迅速增长，已超过100万头，全国16个省份受其侵袭，影响约43%的国土面积。

野猪不仅破坏农作物，还引发人身危害事件，传统防控方法效果不佳，亟待更有效的

驱逐研究。

本研究基于声纹识别技术，收集野猪声音信号并构建数据集，通过预处理、特征

提取，结合深度学习算法训练出能识别野猪叫声的模型，再利用STM32单片机等搭

建系统实现农田野猪驱逐。实验中，分别将两种注意力机制CBAM、SE引入到ResNet

网络模型中，并对其进行了比较分析，以识别率及梯度下降率作为评价模型性能的主

要标准。实验结果表明，引入注意力机制的ResNet模型在声纹识别任务中表现出色，

测试集准确率最高达95.26%，系统能准确识别野猪叫声并及时驱逐，为野猪危害防

控提供了科学依据和有效手段。具体研究如下：

1.对声音信号进行预处理，降噪等操作，确保数据的准确性。对声音信号展开特

征参数的提取及分析工作。完成声音信号到梅尔谱图的转化，将梅尔谱图放入ResNet

网络模型中进行训练，得到基础训练模型。

2.探索不同注意力机制在野猪声纹识别中的应用效果。分别将两种注意力机制

CBAM、SE引入到ResNet网络模型中，并对其进行了比较分析。以识别率及梯度下

降率作为评价模型性能的主要标准。

3.运用STM32单片机连接VS1053音频模块采集音频信号并将信号通过ESP8266

传给PC端的模型进行野猪声纹的识别，再将识别的结果返回给单片机，如果识别为

野猪声纹，单片机将会控制喇叭进行驱离野猪。

关键词：声纹识别、深度学习、ResNet模型、注意力机制

Abstract

Inrecentyears,withthecontinuouspromotionofecologicalprotectionpoliciesand

thesignificantimprovementofecologicalenvironmentquality,thepopulationofwildboar

hasgrownrapidly,exceeding1millionheads,and16provincesinChinaareinfestedby

them,affectingabout43%ofthenationalterritory.Feralpigsnotonlydestroycrops,but

alsocausepersonalharmevents.Traditionalpreventionandcontrolmethodsare

ineffectiveandmoreeffectiveexpulsionstudiesareurgentlyneeded.

Inthisstudy,basedontheacousticpatternrecognitiontechnology,wecollectwild

boarsoundsignalsandconstructadataset,trainamodelthatcanrecognizewildboar

gruntsthroughpreprocessing,featureextraction,combinedwithdeeplearningalgorithms,

andthenbuildasystemtorealizetheexpulsionofwildboarfromfarmlandbyusing

STM32microcontrollerandsoon.Intheexperiment,twoattentionmechanisms,CBAM

andSE,wereintroducedintotheResNetnetworkmodel,andtheywerecomparedand

analyzed,andthe