[发明专利]一种基于深度学习模型的仔猪被压检测方法

说明书

本发明公开了一种基于深度学习模型的仔猪被压检测方法，涉及养殖技术领域，技术方案为，在猪产房栏位内设置麦克风阵列；通过麦克风采集两个栏位的声音；根据采集到的声音，判断声源位置；结合基于CNN和声谱图所建立的仔猪被压发声模型，判断仔猪是否出现被压情况。本发明的有益效果是：本方案提供的方法将解放产房对劳动力的需求，降低企业的生产管理成本，提高畜牧养殖的数智化水平。此外，从生产角度来看，通过本方案的方案方法，可以降低仔猪死淘率，解救更多的仔猪，另其可转化为继续培育的生长育肥猪，对进一步提高畜牧企业的经营利润有很大帮助。

技术领域

本发明涉及养殖技术领域，特别涉及一种基于深度学习模型的仔猪被压检测方法。

背景技术

据统计，在母猪产仔过程中会发生每10头小猪就有1头被母猪压死的现象。近一半的死亡情况发生在小猪出生后的前3天。如果在母猪压在小猪3分钟之内站起来，小猪就有存活的希望。发生此类事件时，传统的方法是当饲养员发现小猪被压后冲到母猪身边，通过拍打它的方式让它站起来拿走小猪，久而久之，母猪适应了这种拍打后不再站立起来，所以这种依靠人为主观意志和行为来解救仔猪的方式费时耗力，且并不能有效解决该痛点问题。

此外，畜牧养殖环境的复杂性也对一些自动化养殖设备运行稳定性提出巨大挑战，例如：高温、高湿、高粉尘的养殖环境，会对一些自动化测量传感器产生较大影响，有研究借助图像或声音技术解决该问题，希望通过实时地、非接触式地采集母猪躺卧的产床附近的声音，利用模式识别技术识别仔猪是否发出呼救信号，提供及时反馈信息给执行机构(例如：机械臂，电刺激装置等)和专业饲养管理员，在第一时间解救仔猪，但是市面上尚未有成熟的商业产品和方案来实现，而且基于图像/声音检测技术的仔猪被压识别准确性在某些方面低于人耳/人眼检测，无法百分百识别准确，本发明专利针对该问题，结合实际的生产性能指标，提出一种评估仔猪被压检测手段有效性的统计方法，该方法可以分析检测的被压事件是否被有效处理，使同类技术具有广阔的研究提升空间，并评估其应用可行性。

发明内容

针对上述技术问题，本发明提供一种基于深度学习模型的仔猪被压检测方法。

其技术方案为，S1、在猪产房栏位内设置麦克风阵列，所述麦克风阵列设置在两个猪产房栏位相邻的栏位壁上，麦克风阵列设置在栏位壁的中部，所述麦克风阵列包括偶数个麦克风，麦克风对称分布朝向两个栏位；

S2、通过麦克风采集两个栏位的声音；

S3、根据S2采集到的声音，判断声源位置；

S4、结合基于CNN和声谱图所建立的仔猪被压发声模型，判断仔猪是否出现被压情况；

将声音信号进行短时傅里叶变换为线性频率尺度特征，将线性频率尺度转换为MEL频率尺度，以MEL频率尺度作为CNN模型的输入参数。

优选为，所述S3根据S2采集到的声音，判断声源位置的方法，具体为，

每个所述麦克风阵列包括4个麦克风，基于任意3个麦克风都可以定位到二维平面内的声源信号；

设声源位置为P(x,y)，其中3个麦克风位置分别位于点S₁(-a,0)、S₂(0,0)、S₃(b,0)，点P(x,y)由θ和PS₂表示，θ为线段S₂S₃和线段PS₂之间的夹角，PO即r₂，通过几何关系计算获得这些参数：