基于轻量级卷积神经网络的种鸡发声识别方法

作者：杜晓冬; 滕光辉^*; 刘慕霖; 赵雨晓; 周振宇; 祝鹏飞

来源：农业机械学报, 2022, 53(10): 271-276.

• 种鸡
• 动物声音识别
• 声谱图
• 轻量级卷积神经网络
• 深度学习

在种鸡养殖和管理过程中，借助非接触式、连续的声音检测手段和智能化设备，饲养员可以全面了解蛋鸡的健康状况以及个体需求，为提高生产效率并同时改善种鸡福利化养殖，提出了一种基于轻量级卷积神经网络的种鸡发声分类识别方法，以海兰褐种鸡为研究对象，收集种鸡舍内常见的5类声音，再将其声音一维信号转换为二维图像信号，利用卷积神经网络建立轻量级的深度学习模型，80%数据进行训练，20%数据进行测试，该模型实现了动物声音信号从输入端到识别结果输出端的高效检测。对比已有研究，本文方法对种鸡舍内常见的5类声音识别整体准确率提高3.7个百分点。试验结果表明，该方法平均准确率为95.7%,模型对饮水声、风机噪声、产蛋叫声识别召回率均达到100%,其中风机噪声和产蛋叫声精确率和F1值也均达到100%,而应激叫声召回率最低，为88.3%。本研究可为规模化无人值守鸡舍的智能装备研发提供一定理论参考。

• 单位
  土木工程学院; 新希望六和股份有限公司; 中国农业大学