基于鸣声特征的果园鸟害防治管理系统

1.本发明属于鸟类识别技术领域，尤其涉及一种基于鸣声特征的果园鸟害防治管理系统。


背景技术：

2.近年来，随着生态环境的改善以及人们对动物的保护，鸟类的数量也大大增多，并且活动范围频繁范围广，鸟类对于果园来说逐渐的变成了鸟害，严重影响了果园的收成，人工巡检的方式工作难度极强，无法有效的防治鸟害。通常情况下，害鸟啄食的对象都是正值成熟时期的果实，芳香的气味，这些果实饱满、没有遭到虫害，市场价值较高，一旦被啄食，只能以低价售予市场或果汁厂；同时，被啄食的伤口还会引起盘菌属或葡萄孢属等真菌的滋生，从而引起烂果；此外，还会引起提前落果，导致果实以劣质品进入市场，影响水果品质和价值。现在鸟害变成了一种亟需解决的问题，因此本技术提出了一种基于鸣声特征的果园鸟害防治管理系统。


技术实现要素：

3.本发明的目的在于提出一种基于鸣声特征的果园鸟害防治管理系统，有效识别果园上空和果园中的鸟类，大大的减少或有力的缓解鸟害问题。
4.为实现上述目的，本发明提供了一种基于鸣声特征的果园鸟害防治管理系统，包括：数据采集模块、处理模块、语音识别模块、鸟害防治模块、电源模块，所述数据采集模块、处理模块、语音识别模块、鸟害防治模块以及电源模块通信连接；
5.所述数据采集模块，用于采集鸟的鸣声信息；
6.所述处理模块，用于通信和处理数据信息；
7.所述语音识别模块，用于对鸟的鸣声信息进行语音识别；
8.所述鸟害防治模块，用于对鸟类进行驱逐；
9.所述电源模块，用于提供电能。
10.可选的，所述数据采集模块包括声音获取单元、声音降噪单元、声音提取单元；
11.所述声音获取单元，用于获取鸟类声音信息，通过在同一平面的位置安装多个麦克风，每个麦克风的角度设置每个麦克风的方向，所有的麦克风处于果园上方的一个圆周上；
12.声音降噪单元，用于过滤麦克风获取的鸟类声音信息，将所述鸟类声音信息进行统一频率处理，获取降噪后的鸟类鸣声信息；
13.所述声音提取单元，用于将所述降噪后的鸟类鸣声信息输入声音的倒谱系数作为特征矢量，对特征矢量的各分量的特征进行初始化，并对初始化参数进行多次迭代，获取最佳声音特征矢量。
14.可选的，所述语音识别模块包括鸟类声音数据库、语音融合单元、语音识别单元；
15.所述鸟类声音数据库，用于存储收集的鸟类声音特征值；
16.所述语音融合单元，用于将所述最佳声音特征矢量与所述鸟类声音数据库的鸟类声音特征值进行融合处理，获得融合后的特征值；
17.所述语音识别单元，用于将融合后的特征值进行匹配处理，根据不同声纹进行识别判断鸟的种类。
18.可选的，所述鸟害防治模块包括驱逐鸟类单元，所述驱逐鸟类单元，用于驱逐鸟类离开果园上空区域；所述驱逐鸟类单元包括超声波单元和机械设备，所述超声波单元，用于释放超声波驱逐鸟类；所述机械设备包括机械鹰和机械人型，所述机械识别设置与果园中间区域，用于通过鸟看见产生恐惧驱逐鸟类。
19.可选的，所述机械设备还包括太阳能电池板，所述太阳能电池板与所述电源模块连接。
20.可选的，所述鸟害防治模块还包括图像识别单元，所述图像识别单元，用于通过鸟类形状识别果园中鸟的种类，判断果树上有无鸟类滞留；所述机械设备还包括红外摄像头，判断果园中有无飞鸟出现。
21.可选的，所述图像识别单元包括图像采集单元和图像识别单元，所述图像识别单元与所述红外摄像头通信连接，统一分辨率，形成鸟类图像样本，通过加权法将所述图像转化为灰度图，进行图像降噪和二进制化处理，提取鸟类的形体轮廓特征，训练和测试后与鸟类形态数据图进行匹配，识别出鸟类的种类。
22.可选的，所述图像识别单元与所述红外摄像头通信连接，将果园进行网格区域划分，进行每一网格区域驱逐鸟类；所述图像识别单元与所述驱逐鸟类单元通信连接，将红外摄像头监测到的网格区域中鸟类，进行超声波驱逐出果园。
23.本发明技术效果：本发明公开了一种基于鸣声特征的果园鸟害防治管理系统，采用鸣声特征的识别方式进行防治果园鸟害，通过声音获取、声音降噪和声音提取，准确的采集鸟类声音信息，采用多次迭代更加准确的进行鸟类特征值的获取；采用语音识别方式进行语音融合、语音匹配通过不同声纹信息判断鸟类的种类，更准确的通过声音识别判断鸟类信息，也通过了图像识别与红外摄像头相结合识别未在果园上空发现的，停留在果树上的鸟类，对果园进行网格划分，对每一个网格区域的果树进行超声波方式的驱逐鸟类，准确有效的进行了鸟类识别和鸟类驱逐，极大程度的解决了果园鸟害问题。
附图说明
24.构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
25.图1为本发明实施例基于鸣声特征的果园鸟害防治管理系统的结构示意图。
具体实施方式
26.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
27.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
28.如图1所示，本实施例中提供一种基于鸣声特征的果园鸟害防治管理系统，包括：数据采集模块、处理模块、语音识别模块、鸟害防治模块、电源模块，所述数据采集模块、处理模块、语音识别模块、鸟害防治模块以及电源模块通信连接；
29.所述数据采集模块，用于采集鸟的鸣声信息；
30.所述处理模块，用于通信和处理数据信息；
31.所述语音识别模块，用于对鸟的鸣声信息进行语音识别；
32.所述鸟害防治模块，用于对鸟类进行驱逐；
33.所述电源模块，用于提供电能。
34.进一步优化方案，所述数据采集模块包括声音获取单元、声音降噪单元、声音提取单元；
35.所述声音获取单元，用于获取鸟类声音信息，通过在同一平面的位置安装多个麦克风，每个麦克风的角度设置每个麦克风的方向，所有的麦克风处于果园上方的一个圆周上；
36.声音降噪单元，用于过滤麦克风获取的鸟类声音信息，将所述鸟类声音信息进行统一频率处理，获取降噪后的鸟类鸣声信息；
37.所述声音提取单元，用于将所述降噪后的鸟类鸣声信息输入声音的倒谱系数作为特征矢量，对特征矢量的各分量的特征进行初始化，并对初始化参数进行多次迭代，获取最佳声音特征矢量。
38.进一步优化方案，所述语音识别模块包括鸟类声音数据库、语音融合单元、语音识别单元；
39.所述鸟类声音数据库，用于存储收集的鸟类声音特征值；
40.所述语音融合单元，用于将所述最佳声音特征矢量与所述鸟类声音数据库的鸟类声音特征值进行融合处理，获得融合后的特征值；
41.所述语音识别单元，用于将融合后的特征值进行匹配处理，根据不同声纹进行识别判断鸟的种类。
42.对于不同鸟类的鸣声，相应特征间距离应当较大，而对于相同鸟类的鸣声，相应特征间的距离应当较小，若以前者距离与后者距离之比作为优化准则，则应使这个比值最大。特征参数数量应尽量少，从而减少计算量。为了保证有较高的识别率，所选择的特征之间的相关性宜小，且每个特征的有效性应高。而在声音识别中常用的特征参数大体分为频率、短时过零率、短时能量、基音周期、线性预测系数、线性预测倒谱系数。将人耳听觉感知特性与声音的产生相结合的一种特征参数，它采用了一种非线性的频率单位，来模拟人的听觉系统，具有更好的识别率和鲁棒性；而短时能量是声音信号最基本的短时参数之一，它表征一帧声音信号能量的大小，是声音信号重要的时域特征参数。
43.进一步优化方案，所述鸟害防治模块包括驱逐鸟类单元，所述驱逐鸟类单元，用于驱逐鸟类离开果园上空区域；所述驱逐鸟类单元包括超声波单元和机械设备，所述超声波单元，用于释放超声波驱逐鸟类；所述机械设备包括机械鹰和机械人型，所述机械识别设置与果园中间区域，用于通过鸟看见产生恐惧驱逐鸟类。
44.进一步优化方案，所述机械设备还包括太阳能电池板，所述太阳能电池板与所述电源模块连接。
45.进一步优化方案，所述鸟害防治模块还包括图像识别单元，所述图像识别单元，用于通过鸟类形状识别果园中鸟的种类，判断果树上有无鸟类滞留；所述机械设备还包括红外摄像头，判断果园中有无飞鸟出现。
46.进一步优化方案，所述图像识别单元包括图像采集单元和图像识别单元，所述图像识别单元与所述红外摄像头通信连接，统一分辨率，形成鸟类图像样本，通过加权法将所述图像转化为灰度图，进行图像降噪和二进制化处理，提取鸟类的形体轮廓特征，训练和测试后与鸟类形态数据图进行匹配，识别出鸟类的种类。
47.进一步优化方案，所述图像识别单元与所述红外摄像头通信连接，将果园进行网格区域划分，进行每一网格区域驱逐鸟类；所述图像识别单元与所述驱逐鸟类单元通信连接，将红外摄像头监测到的网格区域中鸟类，进行超声波驱逐出果园。
48.本发明公开了一种基于鸣声特征的果园鸟害防治管理系统，采用鸣声特征的识别方式进行防治果园鸟害，通过声音获取、声音降噪和声音提取，准确的采集鸟类声音信息，采用多次迭代更加准确的进行鸟类特征值的获取；采用语音识别方式进行语音融合、语音匹配通过不同声纹信息判断鸟类的种类，更准确的通过声音识别判断鸟类信息，也通过了图像识别与红外摄像头相结合识别未在果园上空发现的，停留在果树上的鸟类，对果园进行网格划分，对每一个网格区域的果树进行超声波方式的驱逐鸟类，准确有效的进行了鸟类识别和鸟类驱逐，极大程度的解决了果园鸟害问题。
49.以上所述，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。