基于分布式声学节点的猪只咳嗽识别与监测方法及系统与流程

本发明涉及畜禽健康监测，特别涉及一种基于分布式声学节点的猪只咳嗽识别与监测方法及系统。

背景技术：

1、猪呼吸道疾病是规模化猪场面临的重大健康威胁，猪只咳嗽作为该类疾病的核心早期症状，其及时、准确的识别与监测对疫病预警和精准防控具有重要意义。传统猪只咳嗽监测主要依赖人工巡检，存在主观性强、实时性差、劳动强度大等问题，难以满足现代化猪场的高效管理需求。

2、近年来，基于声学传感技术的自动化监测方法逐渐应用于畜禽健康领域。然而，猪舍环境具有空间结构复杂、设备运行噪声密集的特点，现有方法多采用均匀布设或经验布设声学传感器，未考虑建筑墙体、栏舍隔栏等结构对声音传播的遮蔽效应，以及通风、喂料等设备噪声对麦克风拾音的干扰，导致有效拾音区域受限，监测盲区较多。同时，猪舍内采食、饮水、躯体摩擦等声音与咳嗽声在频谱、能量及持续时间上高度相似，现有识别模型多采用传统机器学习算法，缺乏对声学信号时序特征的深度挖掘，易受相似特征干扰声音影响，导致咳嗽识别准确率低、误报率高。因此，亟需一种能够适应猪舍复杂环境、有效克服遮蔽与噪声干扰、精准识别猪只咳嗽的监测方法。

技术实现思路

1、为了解决上述至少一个技术问题，本发明提出了一种基于分布式声学节点的猪只咳嗽识别与监测方法及系统。

2、本发明第一方面提供了一种基于分布式声学节点的猪只咳嗽识别与监测方法，包括：

3、获取猪场目标猪舍的建筑布局数据及设备运行数据，根据所述建筑布局数据确定不同建筑结构对麦克风拾音的建筑遮蔽区域，并根据所述设备运行数据确定设备运行噪音对麦克风拾音的噪音遮蔽区域，构建猪场目标猪舍的拾音遮蔽分布热力图；

4、基于密度峰值聚类算法对所述拾音遮蔽分布热力图进行分析，识别遮蔽效应的空间聚集特征，根据所述空间聚集特征确定分布式声学节点的布设位置，得到分布式节点布设方案；

5、获取猪只咳嗽的音频数据，对所述猪只咳嗽的音频数据进行梅尔频率倒谱系数分析，提取咳嗽声音的频谱、能量和持续时间声学特征，得到猪只咳嗽声学特征，根据所述猪只咳嗽声学特征构建基于lstm算法的猪只咳嗽识别模型；

6、通过所述分布式声学节点获取目标猪舍的环境声信号，对所述环境声信号进行分析，将环境声信号的声学特征与所述猪只咳嗽声学特征进行比对，确定与猪只咳嗽具有相似特征的声音类型，得到相似特征干扰声音类型；

7、根据所述相似特征干扰声音类型对目标猪舍内的猪只咳嗽声音监测信号进行选择，得到待分析声音信号，将所述待分析声音信号输入所述猪只咳嗽识别模型中对目标猪舍的猪只咳嗽进行识别与监测。

8、本方案中，所述获取猪场目标猪舍的建筑布局数据及设备运行数据，根据所述建筑布局数据确定不同建筑结构对麦克风拾音的建筑遮蔽区域，并根据所述设备运行数据确定设备运行噪音对麦克风拾音的噪音遮蔽区域，构建猪场目标猪舍的拾音遮蔽分布热力图，具体为：

9、通过猪舍建筑信息模型获取目标猪舍的建筑布局数据，所述建筑布局数据包括猪舍墙体、栏舍隔栏、立柱及通道的空间位置和尺寸信息，根据猪舍设备运行记录获取设备运行数据，所述设备运行数据包括通风设备、喂料设备、消毒的设备位置、运行时段；

10、根据所述建筑布局数据确定猪只活动位置，以所述猪只活动位置中的各位置点位作为声音传播起点，分别向目标猪舍范围进行光线投射模拟，根据投射光线与目标猪舍建筑布局的空间交叠关系确定被建筑结构阻断的光线传播路径，并将被阻断的光线传播路径对应的区域确定为建筑遮蔽区域；

11、根据各被阻断的光线传播路径所穿透的建筑结构类型及建筑物厚度确定声音传播路径中的建筑穿透厚度，并根据所述建筑穿透厚度计算对应的声音衰减量，将所述声音衰减量映射至对应建筑遮蔽区域，得到建筑遮蔽强度分布；

12、根据所述设备运行数据中的设备位置确定各运行设备与所述猪只活动位置集合中各位置之间的声音传播路径，获取设备噪声在所述声音传播路径中各位置的声音强度，根据各位置的声音强度形成设备噪声空间分布；

13、将所述设备噪声空间分布与目标猪舍的建筑布局进行位置关联，确定噪声传播影响区域，并将所述噪声传播影响区域确定为噪音遮蔽区域，根据各噪声传播影响区域内的设备运行噪声声音强度确定对应的噪音遮蔽强度分布；

14、将所述建筑遮蔽强度分布与所述噪音遮蔽强度分布按照空间位置进行叠加，得到目标猪舍各空间位置的拾音遮蔽强度，并根据所述拾音遮蔽强度进行空间映射，构建所述拾音遮蔽分布热力图。

15、本方案中，所述基于密度峰值聚类算法对所述拾音遮蔽分布热力图进行分析，识别遮蔽效应的空间聚集特征，根据所述空间聚集特征确定分布式声学节点的布设位置，得到分布式节点布设方案，具体为：

16、将所述拾音遮蔽分布热力图的空间映射区域划分为若干空间位置单元，提取每个空间位置单元的拾音遮蔽强度作为每个空间位置单元的特征值，计算任意两个空间位置单元之间的拾音遮蔽强度差值绝对值，将所述拾音遮蔽强度差值绝对值作为空间位置单元之间的特征距离，基于所述特征距离构建空间位置单元距离矩阵；

17、计算目标空间位置单元与所有其他空间位置单元的特征距离总和，将所述特征距离总和定义为目标空间位置单元的局部密度，对所有空间位置单元的局部密度进行降序排列，选取局部密度排序在前预设值的空间位置单元作为密度峰值候选单元；

18、计算密度峰值候选单元与局部密度高于所述密度峰值候选单元的其他空间位置单元之间的最小特征距离，将所述最小特征距离定义为密度峰值候选单元的簇间距离，将密度峰值候选单元的局部密度与簇间距离的乘积作为该密度峰值候选单元的聚类决策值，选取聚类决策值最大的密度峰值候选单元作为聚类中心，根据其他空间位置单元与聚类中心之间的特征距离将其他空间位置单元分配至对应聚类中心形成遮蔽效应空间聚集簇，得到遮蔽效应的空间聚集特征；

19、提取每个遮蔽效应空间聚集簇中所有空间位置单元的拾音遮蔽强度均值，将拾音遮蔽强度均值最小的遮蔽效应空间聚集簇确定为目标布设簇，计算目标布设簇中所有空间位置单元的空间坐标均值，将所述空间坐标均值对应的空间位置作为分布式声学节点的布设位置，遍历所有遮蔽效应空间聚集簇完成布设位置确定，得到分布式节点布设方案。

20、本方案中，所述获取猪只咳嗽的音频数据，对所述猪只咳嗽的音频数据进行梅尔频率倒谱系数分析，提取咳嗽声音的频谱、能量和持续时间声学特征，得到猪只咳嗽声学特征，根据所述猪只咳嗽声学特征构建基于lstm算法的猪只咳嗽识别模型，具体为：

21、采集猪只咳嗽的音频数据，对所述猪只咳嗽的音频数据进行预加重处理，将预加重处理后的猪只咳嗽的音频数据按照时间顺序分割为若干帧音频信号，对每一帧音频信号进行加窗操作，对加窗后的每一帧音频信号进行快速傅里叶变换得到对应的频谱；

22、将得到的频谱通过梅尔滤波器组计算每个梅尔滤波器输出的对数能量，对所述对数能量进行离散余弦变换，提取得到梅尔频率倒谱系数；

23、根据所述梅尔频率倒谱系数计算每一帧音频信号的能量值，将每一帧音频信号的能量值按照时间顺序进行排列得到能量序列，计算所述猪只咳嗽的音频数据从起始帧到结束帧的时间长度得到持续时间，将所述梅尔频率倒谱系数、能量序列和持续时间组合为猪只咳嗽声学特征；

24、构建长短期记忆网络模型，所述长短期记忆网络模型包含输入层、隐藏层和输出层，所述隐藏层由若干长短期记忆单元组成，所述长短期记忆单元包含输入门、遗忘门和输出门，将所述猪只咳嗽声学特征输入所述长短期记忆网络模型的输入层进行训练；

25、通过所述隐藏层的长短期记忆单元对输入的猪只咳嗽声学特征进行时序特征提取，利用所述输入门控制当前输入信息的保留比例，利用所述遗忘门控制上一时刻记忆信息的遗忘比例，利用所述输出门控制当前时刻隐藏状态的输出比例，将提取的时序特征传输至输出层，所述输出层通过全连接层对所述时序特征进行分类，输出猪只咳嗽识别结果，根据猪只咳嗽识别结果和猪只咳嗽声学特征的对应关系调整长短期记忆网络模型的参数，得到猪只咳嗽识别模型。

26、本方案中，所述通过所述分布式声学节点获取目标猪舍的环境声信号，对所述环境声信号进行分析，将环境声信号的声学特征与所述猪只咳嗽声学特征进行比对，确定与猪只咳嗽具有相似特征的声音类型，得到相似特征干扰声音类型，具体为：

27、通过所述分布式声学节点同步采集目标猪舍内不同空间位置的环境声信号，将各环境声信号按照时间顺序进行分帧，对每一帧环境声信号进行短时傅里叶变换得到时频谱，并提取所述时频谱中各频率对应的幅值，将相邻时间帧中频率相近且幅值变化连续的时频点进行连接，形成多个时频轨迹；

28、根据各所述时频轨迹在连续时间帧中的频率变化方向及幅值变化关系，将频率变化连续且能量变化连续的时频轨迹进行合并，并将相互之间不存在连续时频连接关系的时频轨迹进行分离，得到多个时频成分；

29、根据各时频成分的起止时间、频率范围及能量变化数据，对具有重叠时间范围且频率范围发生交叠的时频成分进行幅值相关性计算，将幅值变化同步的时频成分进行合并，将幅值变化不同步的时频成分保持分离，将所述环境声信号划分为多个独立声学成分；

30、分别对各独立声学成分进行梅尔频率倒谱系数提取，并根据对应的能量序列、频谱特征及持续时间构建独立声学成分的声学特征，计算所述声学特征与所述猪只咳嗽声学特征的欧氏距离，根据所述欧氏距离确定各独立声学成分与猪只咳嗽声音的相似程度；

31、将相似程度大于预设相似度的独立声学成分确定与猪只咳嗽声音具有相似声学特征的干扰声音，确定所述干扰声音的声音类型，得到相似特征干扰声音类型。

32、本方案中，所述根据所述相似特征干扰声音类型对目标猪舍内的猪只咳嗽声音监测信号进行选择，得到待分析声音信号，将所述待分析声音信号输入所述猪只咳嗽识别模型中对目标猪舍的猪只咳嗽进行识别与监测，具体为：

33、根据所述相似特征干扰声音类型确定对应的物理声源，获取所述物理声源对应的设备运行记录、控制状态记录或动作状态记录，并按照统一时间基准对所述设备运行记录、控制状态记录或动作状态记录进行时间关联，根据所述物理声源的运行状态变化确定所述相似特征干扰声音类型对应的干扰声音发生时间段；

34、通过所述分布式声学节点连续获取目标猪舍内的声音监测信号，将所述声音监测信号按照时间顺序进行分帧，并将各帧声音监测信号的采集时间与所述相似特征干扰声音类型的发生时间段进行时间对应，将采集时间位于所述相似特征干扰声音类型发生时间段内的声音监测信号剔除，将无相似特征干扰声音发生时间段的声音监测信号作为待分析声音信号；

35、提取所述待分析声音信号的独立声学成分，对所述待分析声音信号的独立声学成分进行声学特征提取，得到待分析声音信号的声学特征数据，将所述声学特征数据输入所述猪只咳嗽识别模型中进行时序特征提取及分类识别，输出各独立声学成分对应的猪只咳嗽识别结果，并根据所述猪只咳嗽识别结果对应的独立声学成分发生时间确定目标猪舍内猪只咳嗽的监测结果。

36、本发明第二方面还提供了一种基于分布式声学节点的猪只咳嗽识别与监测系统，该系统包括：存储器、处理器，所述存储器中包括基于分布式声学节点的猪只咳嗽识别与监测方法程序，所述基于分布式声学节点的猪只咳嗽识别与监测方法程序被所述处理器执行时，实现如上述任一项所述的基于分布式声学节点的猪只咳嗽识别与监测方法的步骤。

37、本发明公开了一种基于分布式声学节点的猪只咳嗽识别与监测方法及系统。首先获取猪舍建筑布局及设备运行数据，构建拾音遮蔽分布热力图，并基于密度峰值聚类确定分布式声学节点布设方案；接着提取猪只咳嗽音频的梅尔频率倒谱系数特征，构建基于lstm算法的咳嗽识别模型；然后通过分布式节点采集环境声信号，分析比对相似特征干扰声音类型，筛选待分析声音信号并输入识别模型，实现猪只咳嗽的精准识别与监测。本发明有效克服了猪舍建筑遮蔽和设备噪音干扰，提升了复杂环境下猪只咳嗽识别的准确率与监测效率。