首页|基于DenseNet模型的猪咳嗽声识别算法研究

基于DenseNet模型的猪咳嗽声识别算法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
为了增强猪传统咳嗽声识别算法的准确性和快速性,试验以6头患有猪呼吸道疾病的长白猪为猪声信号采集对象,研究猪咳嗽声智能识别方法.首先采用谱减法、单参数双门限端点检测法和时间规整法对采集到的原始猪声信号进行预处理,实现猪声信号去噪和有效等长信号片段提取;然后,对预处理后的猪声信号提取13维梅尔频率倒谱系数(MFCC)特征参数;最后,针对DenseNet-121、DenseNet-169和ResNet-34三类神经网络对猪咳嗽声的识别性能进行比较研究,通过对比分析识别准确率和识别时间两个评价指标,选出最佳猪咳嗽声识别模型.结果表明:DenseNet-121模型识别猪咳嗽声准确率(90.9％)最高,识别时间(0.019 s)最短,为最优猪咳嗽声识别模型.说明DenseNet-121猪咳嗽声识别模型能够实现猪呼吸道疾病的早期智能预警.
Research on pig cough recognition algorithm based on DenseNet model

宋航、赵斌、孙浩楠、王淞、李普、马永财

展开 >

黑龙江八一农垦大学工程学院,黑龙江大庆163319

猪 呼吸道疾病 咳嗽 DenseNet结构 识别 最优模型

黑龙江省自然科学基金黑龙江省"百千万"重大专项大庆市指导课题

LH2019E073SC2020ZX17B0009zd-2020-46

2022

10.13881/j.cnki.hljxmsy.2021.12.0118

黑龙江畜牧兽医(下半月)

黑龙江畜牧兽医(下半月)

ISSN：
年,卷(期)：2022.(10)
  • 1
  • 4