中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 基于深度神经网络及隐马尔科夫模型的生猪状态音频识别 中国农业大学学报 2022,27 (6) 172-181
Position: Home > Articles > Pig state audio recognition based on deep neural network and hidden Markov model Journal of China Agricultural University 2022,27 (6) 172-181

基于深度神经网络及隐马尔科夫模型的生猪状态音频识别

作  者：
彭硕;刘东阳;时国龙;李广博;慕京生;辜丽川;焦俊
单  位：
安徽农业大学 信息与计算机学院;蒙城县京徽蒙农业科技发展有限公司
关键词：
生猪;MFCC;卡尔曼滤波;DNN-HMM;识别;音频信号
摘  要：
针对传统音频识别方法在生猪音频信号识别中识别率较低的问题,将深度神经网络及隐马尔可夫模型理论作为生猪音频信号识别依据,以长白猪的吃饭声、发情声、嚎叫声、哼叫声和生病长白猪的喘气声为识别对象,利用卡尔曼滤波和改进的EMD-TEO倒谱距离端点检测算法对生猪音频信号进行预处理,把提取的39维的梅尔频率倒谱系数(Mel-frequency cepstral coefficient,MFCC)作为网络学习和识别的数据集,构建基于深度神经网络及隐马尔科夫模型的生猪状态音频识别模型.试验结果表明:1)隐马尔可夫隐状态数设置为5,深度神经网络隐藏层设置为3层,每层128个节点 的深度神经网 络-隐马尔可夫模型(Deep neural network-hidden Markov model,DNN-HMM),对5种生猪状态音频,即吃饭声、嚎叫声、哼叫声、发情声和病猪喘气声的识别率为70%、95%、75%、80%和95%,总体识别率83%;2)相较于传统的高斯 混合模型-隐马尔可夫模型(Gaussian mixture model-hidden Markov model,GMM-HMM),DNN-HMM对相应音频的识别率分别提高了 5%、5%、15%、30%、30%,总体识别率提高了 17%;3)DNN-HMM 模型对于5种不同类型的生猪音频信号均呈现出较好的识别效果.基于DNN-HMM生猪音频识别模型,对生猪不同状态下音频的识别具有较高正确率,且更为可靠.
译  名：
Pig state audio recognition based on deep neural network and hidden Markov model

相似文章

PDF下载 PDF预览
导出引用
计量
文章访问数: 11
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46