使用融合光谱图深度特征和声学特征识别羊群中的羊养行为
Youxin Yu1,2, Wenbo Zhu1,2, Xiaoli Ma1,2
1College of Computer and Information Engineering, Inner Mongolia Agricultural University, Hohhot 010018, China.
Animals : an open access journal from MDPI
|November 27, 2024
概括
准确的绵羊养行为监测对于精准农业至关重要. 这项研究通过融合声学和深层谱图特征来改进分类,在现实条件下达到96.47%的准确性.
科学领域:
- 农业科学 农业科学
- 动物行为 动物行为
- 机器学习 机器学习
背景情况:
- 无接触式监测羊的养行为对于精确的养和生产管理至关重要.
- 由于环境噪音和不同的条件,使用声学传感器准确分类羊养行为存在挑战.
研究的目的:
- 在复杂的生产环境中提高羊养行为的分类准确性.
- 将深层光谱图的特征与声学特征相结合,以改善监测.
主要方法:
- 在现实生产环境中收集的声学数据与噪音.
- 使用定制的卷积神经网络 (SheepVGG-Lite) 来从STFT和CQT谱图中进行深度特征提取.
- 使用跨光谱特征融合和支持矢量机 (SVM) 进行分类.
主要成果:
- 跨光谱特征的融合显著改善了分类性能.
- 在羊养行为识别方面实现了96.47%的高分类准确度.
- 在杂,复杂的环境中证明了综合方法的有效性.
结论:
- 将声学特征与深度光谱图特征集成,对于准确识别羊养行为非常有价值.
- 拟议的方法为精密料应用提供了可靠的解决方案.
- 突出了先进的机器学习技术在畜牧管理中的潜力.
