相关实验视频
Updated: Jun 4, 2025
Evaluation of Auditory Brainstem Response in Chicken Hatchlings
Published on: April 1, 2022
通过人工神经网络对肉对环境压力因素的声音反应进行分类
T Lev-Ron1, Y Yitzhaky2, I Halachmi3
1School of Electrical and Computer Engineering, Ben-Gurion University of the Negev, 1 Ben Gurion Avenue, P.O.B. 653, Be'er Sheva, 8410501, Israel; Precision Livestock Farming (PLF) Lab, Institute of Agricultural Engineering, Agricultural Research Organization (A.R.O.) - The Volcani Center, 68 Hamaccabim Road, P.O.B 15159 Rishon Lezion, 7505101, Israel; Animal Science Institute, Agricultural Research Organization (A.R.O.) - The Volcani Center, 68 Hamaccabim Road, P.O.B 7505101 Rishon Lezion, 7505101, Israel.
这项研究使用人工神经网络 (ANN) 来分类来自寒冷,热或风的肉压力呼叫. 最好的模型实现了0.97 mAP,改善了 brojler 福利和农场效率.
科学领域:
- 动物科学动物科学
- 人工智能的人工智能
- 声学 声学 在声学方面
背景情况:
- 早期发现肉压力对于优化生长和福利至关重要.
- 环境压力因素 (寒冷,热,风) 诱导肉的特定发声.
研究的目的:
- 用声信号处理和变压器人工神经网络 (ANN) 来分类肉的压力呼叫.
- 为了评估肉年龄和音频波形长度对ANN模型性能的影响.
- 评估不同ANN模型大小的多数投票的有效性.
主要方法:
- 使用变压器ANN进行了两项试验,数据大小和参数各不相同.
- 作为输入特征,测试了肉年龄数据和音频波形长度.
- 使用平均精度 (mAP) 来评估模型性能.
主要成果:
- 随着包括肉年龄和更长的音频波形,模型性能得到了改善,特别是在较小的数据集上.
- 多数投票提高了mAP,特别是在音频输入较短的模型中.
- 在较大的数据集上,最大的ANN模型实现了0.97的峰值mAP.
结论:
- 一个单一的ANN模型可以准确地分类多个肉压力呼叫.
- 这种声学分类方法可以提高及时的人类干预,改善肉福利和农场管理效率.
