通过基于机器学习的分析,增强家禽健康管理,对发声信号数据集进行分析

科学领域:

• 农业科学 农业科学
• 动物科学动物科学
• 生物声学是一种生物声学.

背景情况:

• 全球对动物蛋白质的需求推动了家禽业的增长.
• 早期发现家禽疾病对于动物福利和经济稳定至关重要.
• 当前的诊断方法往往不够,导致重大损失.

研究的目的:

• 创建一个全面的健康和不健康的的音频数据集.
• 促进用于早期检测家禽疾病的智能技术的发展.
• 为了实现禽群的持续,非侵入性和自动化的健康监测.

主要方法:

• 在65天内从100只一天大的收集了音频数据.
• 将分为治疗和未治疗的组,以治疗呼吸系统疾病.
• 使用高保真音频录音 (24-bit/96 kHz) 来捕捉微妙的发音.
• 实施的降噪技术和一致的环境监测.

主要成果:

• 没有接受治疗的组在30天后表现出呼吸系统疾病的可听迹象.
• 观察到明显的音频模式可以区分健康和不健康的鸟类.
• 一个数据集的声被成功编译成WAV格式.

结论:

• 对声的音频分析可以作为早期疾病检测的有效工具.
• 开发的数据集支持创建自动化家禽健康监测系统.
• 这项技术有可能显著改善家禽养殖场管理,减少经济损失.