肉发声的自动检测 肉发声监测的机器学习方法
Patricia de Carvalho Soster1, Tomasz Grzywalski2, Yuanbo Hou2
1Department of Pathobiology, Pharmacology and Zoological Medicine, Faculty of Veterinary Medicine, Ghent University, 9820 Merelbeke-Melle, Belgium; Poulpharm Bvba, Izegem, Belgium.
Poultry science
|March 18, 2025
概括
这项研究开发了一个人工智能系统来识别肉的发声,有助于福利监测. 该系统准确地区分了快乐音符,救援电话,声和声,以实现可持续的家禽养殖.
科学领域:
- 动物科学动物科学
- 农业工程 农业工程
- 人工智能的人工智能
背景情况:
- 可持续的家禽生产需要有效的肉福利评估.
- 自动化数据收集系统对于监测肉健康至关重要.
- 区分发音是理解肉情绪状态的关键.
研究的目的:
- 开发一个声学系统来检测和分类肉的声音.
- 要区分四种特定的发音:快乐音符,救援电话,短视听和声.
- 为了过出背景噪音,以准确识别发音.
主要方法:
- 设计了一个卷积神经网络 (CNN) 架构,具有11个2D和1D卷积层.
- 从Ross 308肉 (1-36天) 的录音创建了一个定制的发音库 (>2k样本,190分钟).
- 训练数据集增加了来自AudioSet数据集的背景声音.
主要成果:
- 开发的基于神经网络的识别器实现了91.1%的整体平衡精度.
- 该系统成功地区分了快乐音符,紧急呼叫,短视频和声.
- 证明了对背景噪音和非目标语音的有效过.
结论:
- 声学系统提供了一种可靠的方法,用于自动化肉声分析.
- 这项技术支持在可持续食品生产中加强肉福利监测.
- 由人工智能驱动的方法为家禽行业提供了可扩展的解决方案.
