基于深层神经网络的猪声音分类

来源：农业工程学报杂志2020年第9期北京时间：

作者：苍岩,罗顺元,乔玉龙,

摘要：猪的声音能够反映生猪的应激状态以及健康状况，同时声音信号也是最容易通过非接触方式采集到的生物特征之一。深层神经网络在图像分类研究中显示了巨大优势。谱图作为一种可视化声音时频特征显示方式，结合深层神经网络分类模型，可以提高声音信号分类的精度。现场采集不同状态的猪只声音，研究适用于深层神经网络结构的最优谱图生成方法，构建了猪只声音谱图的数据集，利用MobileNetV2网络对3种状态猪只声音进行分类识别。通过分析对比不同谱图参数以及网络宽度因子和分辨率因子，得出适用于猪只声音分类的最优模型。识别精度方面，通过与支持向量机，随机森林，梯度提升决策树、极端随机树4种模型进行对比，验证了算法的有效性，异常声音分类识别精度达到97.3%。该研究表明，猪只的异常发声与其异常行为相关，因此，对猪只的声音进行识别有助于对其进行行为监测，对建设现代化猪场具有重要意思。

关键词：信号处理, 声音信号, 识别, 深度学习, 猪只音频, 梅尔倒谱系数, 分类