基于音频特征和模糊神经网络的禽流感病鸡检测

摘要：

为了能在早期发现禽流感并进行预防,该文提出了一种基于音频特征和模糊神经网络的禽流感病鸡检测方法.依据获取的家禽音频和环境及其他噪声的谱熵差别大的特点,在复杂环境中分析并提取出鸡声,丢弃非鸡声段,对提取的鸡声进行分析及处理,计算短时过零率、短时能量以及短时过零率与短时能量混合特征,用作判别患禽流感的病鸡和健康鸡的依据.利用T-S模糊神经网络,对提取出来的家禽音频特征进行训练和识别,试验表明隶属度函数为钟形函数、隶属度个数为2时模糊神经网络对试验提取的3个鸡声特征组成的3组测试集的敏感性分别为75.47％、80.39％和76.92％,特异性分别为80.85％、79.59％和72.92％,正确识别率分别为78％、80％和75％.该研究为规模化家禽养殖场及大型家禽流通市场的禽流感病禽识别提供一套快速、高效检测方法.

关键词：神经网络、识别、提取、谱熵、短时过零率、短时能量、鸡病检测

所属期刊栏目：35

分类号：TP3-05(计算技术、计算机技术)

资助基金：国家重点研发计划项目资助2018YFD0500705

在线出版日期：2019-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：168-174