一个带有图像和数值数据的卷积神经网络,以改善可食作为食物来源的养殖 - 一个决策支持系统

科学领域:

• 生物声学是一种生物声学.
• 机器学习 机器学习
• 动物行为 动物行为

背景情况:

• (Gryllus bimaculatus) 通过与温度和湿度等环境因素相关的声音进行通信.
• 优化养殖需要对的行为及其对环境的影响进行准确的监测和理解.

研究的目的:

• 开发一个使用机器学习的决策支持系统来分类板球歌曲并将其与天气变量相关联.
• 通过为农民提供对最佳环境条件和行为解释的可操作见解来增强生产.

主要方法:

• 从视频录制中提取声音信号和分类行为 (打电话,攻击,求爱).
• 结合数值 (MFCC,染色) 和图像 (光谱) 功能,并提供温度和湿度数据.
• 训练了浅层 (SVM,k-NN,RF) 和深层 (ResNet152V2,VGG16,EfficientNetB4) 机器学习模型.

主要成果:

• 深度学习模型ResNet152V2实现了99.42%的准确性;随机森林 (RF) 使用MFCC+chroma功能实现了95.63%的准确性.
• 通过RF识别的关键特征包括湿度,温度和特定的音乐音调 (C#,D).
• 该系统成功地将板球歌曲与天气变量相关联,确定了生长和行为的最佳范围.

结论:

• 决策支持系统可以有效地解释板球歌曲和环境数据,以指导农业实践.
• 实施人工智能驱动的洞察力可以针对温度,湿度和社会管理进行有针对性的干预,以促进生产.
• 了解生物声学与环境因素之间的联系对于推进昆虫养殖技术至关重要.