基于声学分析的母猪呼吸系统疾病预警方法与流程

本发明涉及母猪呼吸系统疾病预警、音频采集与分析、arm处理器、wifi网络、传感器技术、自动化控制
技术领域：
。具体讲是一种采集并分析母猪咳嗽声，从而判断母猪是否患有呼吸系统疾病，并确定病猪所在栏位与实时通知管理员的预警方法。
背景技术：
猪肉是我国居民的主要肉质食品，猪的健康直接关系到人类的健康。随着国内养猪业的迅速发展，猪的集约化水平越来越高，猪的呼吸系统疾病在猪群中是较为常见的一种疾病，其严重时会引起大量的猪只死亡。其中，母猪的健康尤为重要，其直接关系到仔猪的成活率与养殖场的经济效益，因此母猪呼吸系统疾病的监测在养殖过程中备受关注。猪的呼吸系统疾病是一种常见病、多发病，其病症主要有咳嗽、呼吸困难等。目前养殖场主要依靠人工观察判断，主观性强且易疏忽，容易导致大范围的疾病发生。技术实现要素：本发明针对
背景技术：
中存在的问题，针对母猪呼吸系统疾病的主要症状，提出一种自动化监测方法。技术方案：一种基于声学分析的母猪呼吸系统疾病预警方法，它包括以下步骤：s1、设置音频采集节点采集声音信号，存储咳嗽数据并提取咳嗽数据的特征参数；s2、建立分类模型判断是否为咳嗽音频；s3、提取咳嗽信息判断是否患病；s4、获取声源位置；s5、gsm模块发送患病信息；s6、管理员接收信息；s7、判断是否继续监测：否则结束；是则返回步骤s2。优选的，s1中，采集声音信号的具体步骤为：s1-1、获取幅值；s1-2、判断是否有声音：否则返回步骤s1-1；是则进行步骤s1-3；s1-3、持续存储数据；s1-4、存储数据40s；s1-5、取40s数据；s1-6、声音识别：s1-7、存储咳嗽数据并返回步骤s1-3。优选的，s1-6中，声音识别的具体步骤为：s1-6-1、预处理，包括：(i)去噪：使用巴特沃斯滤波器滤波，达到降噪效果；(ii)分帧加窗：使用交叠分段的方法对去躁后的声音信号进行分帧，并使用汉明窗降低频谱泄露；(iii)端点检测：使用基于短时平均能量和短时过零率的双门限法，实现对声音信号的端点检测，从而获取样本信号；s1-6-2、特征提取，使用加权的mfcc作为特征参数；s1-6-3、利用熵权法计算各维参数的表征能力；s1-6-4、计算一阶、二阶差分；s1-6-5、主成分分析降维，取累计贡献率超过85％的特征向量作为特征参数。优选的，s2中，判断是否咳嗽的具体步骤为：s2-1、训练开始；s2-2、将训练集的特征参数输入svm分类器，构建svm优化函数；s2-3、采用smo算法计算函数最优解，得到超平面；s2-4、根据各个样本点到超平面的距离判断其分类，并输出分类模型；s2-5、利用测试集样本测试分类模型的准确性，加以优化。优选的，s3中，判断是否患病的具体步骤为：s3-1、计算母猪的呼吸系统疾病五项参数值，分别为：(i)计算咳嗽音频的均方根：式中，s表示咳嗽声均方根；n表示咳嗽的次数；ani表示单次咳嗽的峰值；(ii)计算峰值频率：指一次连续咳嗽中出现峰值的次数；(iii)计算咳嗽持续时间：指一次连续咳嗽从第一次咳嗽时间开始到最后一次咳嗽结束；(iiii)计算咳嗽声间隔平均时间：指一次连续咳嗽中，单次咳嗽之间的间隔平均时间；(iiiii)计算最大峰值：指一次咳嗽音频段中幅值的最大值；s3-2、判断是否为呼吸系统疾病，建立逻辑回归方程，引入sigmoid函数，公式如下：其中，xi为步骤s3-1计算出的五项参数，θi为五项参数对应的系数，i＝1,2,…,5；所述θ0和θi通过不同区域大量呼吸系统疾病的病猪和非呼吸系统疾病的常猪咳嗽声音样本，输入上式后训练得到；当hθ(x)＝0时，被判定为非呼吸系统疾病，hθ(x)＝1被判定为呼吸系统疾病；s3-3、若s3-2判定为呼吸系统疾病，则将上述五项参数值归一化到0-10之间；将各项参数值的最大值定为10，测量值按照比例定在0-10之间；最大值的选取为动态获取，根据同一个体母猪患病一段时间内连续咳嗽的最大值确定，即若本次咳嗽声中五个参量的值与之前最大值相比较小，则最大值为之前咳嗽段最大值，若比之前大，则将该值作为最大值，并记录；s3-4、在二维空间中，五项参数轴同一原点，各参数轴等间距，相邻参数值在各参数轴的点连线构成五边形；s3-5、计算α判定母猪呼吸系统疾病的严重程度；式中，s五边形为五项参数值相邻连线后构成五边形的面积，为外接圆半径为10的正五边形的面积；α为将评价等级指标划分在0-1之间的比值。优选的，s3-5中，母猪呼吸系统疾病的严重程度按照以下标准判定：母猪呼吸系统疾病分级标准α0-0.30.3-0.70.7-0.90.9-1级别ⅰ级ii级ⅲ级ⅳ级ⅰ级：表示母猪有轻微呼吸系统疾病，症状为连续咳嗽次数较少，频率较低，持续时间较短，进食量没有太大变化，及时接种疫苗，治疗效果明显，常见于发病初期；ii级：表示母猪患有中度呼吸系统疾病，症状为连续咳嗽次数较多，持续时间较长，进食量略微减少，常见于患病3-4天以内，需要多次接种疫苗治疗；ⅲ级：表示母猪患有重度呼吸系统疾病，症状为连续咳嗽次数多，持续时间长，进食减少，且伴随明显腹式呼吸，若接种疫苗无效，需及时处理；ⅳ级：表示母猪患有极重呼吸系统疾病，症状为连续咳嗽次数频繁，持续时间长，进食明显减小，腹式呼吸明显，活动量减少，多次接种疫苗无效，可能在引发传染性疾病，较为少见。优选的，s4中，获取声源位置的具体步骤为：s4-1、所述音频采集节点设置为两套，s4-2、获取相邻两栏音频数据；s4-3、计算两路信号的时延τ；s4-4、计算两路信号的功率衰减：其中，ei表示第i个麦克风的信号能量，xi表示第i个麦克风在[0-l]时间段内声音信号采样的幅值；l表示一段时间；t表示某一采样时间；s4-5、获取声源位置：求解方程组其中，(x1,y1)表示第1个麦克风的坐标，(x2,y2)表示第2个麦克风的坐标；c为声速；τ为s13-3求得的时延；解得(x,y)即为声源坐标；s4-6、结束。本发明的有益效果(1)本发明可直接采集猪舍声音信号，并实时对母猪咳嗽声进行识别，提取识别咳嗽音频中携带信息，利用逻辑回归分析方法判断母猪是否患有呼吸系统疾病，可提高猪舍养殖环境的自动化水平，减少人为主观判断，提高呼吸系统疾病的识别准确率。(2)利用一次连续咳嗽中的信息，设计了网状评级方法，可直观观察到母猪咳嗽的各项指标，并根据面积比实现母猪呼吸系统疾病严重性的评级，便于管理人员优先处理紧急病猪。(3)利用双麦克风确定声源位置，在判断母猪患有呼吸系统疾病的基础上，利用相邻两个声音采集节点所采集的音频数据，依据能量比与时延特点，确定声源位置，即咳嗽母猪所在栏位，便于管理人员及时发现生病母猪，提高管理效率。(4)在核心处理器中集成gsm模块，可实时将患病母猪信息发送到管理人员手机，起到预警作用。附图说明图1为本发明系统整体框架图。图2为本发明音频采集节点结构图。图3为本发明方法整体流程图。图4为本发明实时音频获取算法流程图。图5为本发明咳嗽音频识别算法流程图。图6为本发明加权mfcc提取算法流程图。图7为本发明svm算法流程图。图8为母猪一次连续咳嗽时域图。图9为母猪呼吸系统疾病分级评价网状分布图。图10为双麦克风确定声源流程图。图11为双麦克风确定声源原理图。具体实施方式下面结合实施例对本发明作进一步说明，但本发明的保护范围不限于此：结合图1所示本发明的系统，它包括多个音频采集节点，多个音频采集节点连接无线通信模块，音频采集节点的无线通信模块通过路由器与微处理器(arm核心处理器)的通信模块保持通信；所述微处理器连接sdram模块、flash模块、lcd显示模块、电源模块、gsm模块，微处理器通过gsm模块同手机保持通讯。音频采集节点与核心处理器之间采用wifi传输数据，高度的鲁棒性能够保证本系统长期稳定工作。此外，wifi传输具有高度的实时性，方便实时采集猪舍内的声音数据，保证了系统的工作效率。该核心处理器主要由arm微控制器、通信模块、gsm模块、存储模块、电源模块组成，其中通信模块与控制器之间通过spi接口相连，gsm模块与微控制器之间通过uart接口相连；通信模块用于接收节点采集到的音频数据；arm控制器主要用于执行算法，得出母猪是否患有呼吸系统疾病的结果，并确定咳嗽母猪所在的栏位；gsm模块用于将病猪信息发送到饲养员。核心处理器使用arm芯片，使整套装置具有高性能、低功耗与易扩展等特点，并且arm自带操作系统提供了算法运行的基本环境，可以将音频数据加以处理，并结合gsm模块，发送预警信息至管理人员。结合图2，所述音频采集节点包括顺次连接的声音传感器、功率放大器和wifi模块，所述wifi模块通过电源模块供电。其中声音传感器可以将环境中的声音转换为电信号，通过功率放大器将电信号放大，之后传输到wifi模块，wifi模块将音频数据发送至路由器，从而到达arm核心处理器，其保存数据格式为.wav，且采样频率为48000hz，采样精度为16位。结合图3给出了本发明的整体流程，总结分为以下几大步：s1、设置音频采集节点采集声音信号，存储咳嗽数据并提取咳嗽数据的特征参数；s2、建立分类模型判断是否为咳嗽音频；s3、提取咳嗽信息判断是否患病；s4、获取声源位置；s5、gsm模块发送患病信息；s6、管理员接收信息；s7、判断是否继续监测：否则结束；是则返回步骤s2。具体的，结合图4的实时音频获取算法流程图，步骤s1具体包括：s1-1、获取幅值；s1-2、判断是否有声音：否则返回步骤s1-1；是则进行步骤s1-3；s1-3、持续存储数据；s1-4、存储数据40s；s1-5、取40s数据；s1-6、声音识别：s1-7、存储咳嗽数据并返回步骤s1-3。具体的，结合图5的咳嗽音频识别算法流程图，步骤s1-6具体包括：s1-6-1、预处理，包括：(i)去噪：使用巴特沃斯滤波器滤波，达到降噪效果；(ii)分帧加窗：使用交叠分段的方法对去躁后的声音信号进行分帧，并使用汉明窗降低频谱泄露；(iii)端点检测：使用基于短时平均能量和短时过零率的双门限法，实现对声音信号的端点检测，从而获取样本信号；s1-6-2、特征提取，使用加权的mfcc作为特征参数；加权的mfcc提取算法如图6所示(首先计算咳嗽声与非咳嗽声的mfcc特征参数，由于mfcc各维参数对样本信号的表征能力不同，利用熵权法计算各维参数的表征能力，取表征能力较高的几维，再求其一阶、二阶差分，增加特征在时域内的连续性，利用主成分分析法降维，取累积贡献率超过85％的特征向量作为特征参数，用于模型的训练与识别测试)；s1-6-3、利用熵权法计算各维参数的表征能力；s1-6-4、计算一阶、二阶差分；s1-6-5、主成分分析降维，取累计贡献率超过85％的特征向量作为特征参数。具体的，步骤s2具体包括：s2-1、训练开始；s2-2、将训练集的特征参数输入svm分类器，构建svm优化函数；所述svm算法流程如图7所示(将音频段样本数据分为训练集和测试集，将训练集样本的特征参数输入svm分类器，构建svm优化函数，利用smo算法计算函数最优解，从而得到超平面，根据各个样本点到超平面的距离判断其分类，并输出分类结果，得到svm分类模型，利用测试集样本测试分类模型准确性，并加以优化)；s2-3、采用smo算法计算函数最优解，得到超平面；s2-4、根据各个样本点到超平面的距离判断其分类，并输出分类模型；s2-5、利用测试集样本测试分类模型的准确性，加以优化。在步骤s3中，由于母猪呼吸系统疾病主要病症以咳嗽声为主，通过咳嗽声的监测可以及时发现母猪健康状况。在本装置中，通过svm模型的分类识别，可将夜间声音信号中母猪的咳嗽音频段识别并输出，利用咳嗽声与其他声音在声学方面的参数差异，如：均方根、峰值频率、咳嗽持续时间与持续咳嗽声之间的间隔时间等，利用逻辑回归建立咳嗽声与呼吸系统疾病之间的判别模型。逻辑回归分析是以多个解释变量的给定值为条件的回归分析，是研究一个因变量和多个自变量的线性关系方法，但逻辑回归的因变量只能有0或1两种状态。在本装置中，因变量为是否患有呼吸系统疾病，即0为未患病，1为患病。自变量为咳嗽声的均方根、峰值频率、咳嗽持续时间、持续咳嗽声之间的间隔时间与峰值大小等。如图8所示为母猪一次连续咳嗽音频。故具体的：s3-1、计算母猪的呼吸系统疾病五项参数值，分别为：(i)计算咳嗽音频的均方根：式中，s表示咳嗽声均方根；n表示咳嗽的次数；ani表示单次咳嗽的峰值；(ii)计算峰值频率：指一次连续咳嗽中出现峰值的次数；(iii)计算咳嗽持续时间：指一次连续咳嗽从第一次咳嗽时间开始到最后一次咳嗽结束；(iiii)计算咳嗽声间隔平均时间：指一次连续咳嗽中，单次咳嗽之间的间隔平均时间；(iiiii)计算最大峰值：指一次咳嗽音频段中幅值的最大值；s3-2、判断是否为呼吸系统疾病，建立逻辑回归方程，引入sigmoid函数，公式如下：其中，xi为步骤s3-1计算出的五项参数，θi为五项参数对应的系数，i＝1,2,…,5；所述θ0和θi通过不同区域大量呼吸系统疾病的病猪和非呼吸系统疾病的常猪咳嗽声音样本，输入上式后训练得到；将上述五项参数输入上式后，当hθ(x)＝0时，被判定为非呼吸系统疾病，hθ(x)＝1被判定为呼吸系统疾病；s3-3、若s3-2判定为呼吸系统疾病，则将上述五项参数值归一化到0-10之间；如图9所示：将各项参数值的最大值定为10，测量值按照比例定在0-10之间；最大值的选取为动态获取，根据同一个体母猪患病一段时间内连续咳嗽的最大值确定，即若本次咳嗽声中五个参量的值与之前最大值相比较小，则最大值为之前咳嗽段最大值，若比之前大，则将该值作为最大值，并记录；s3-4、在二维空间中，五项参数轴同一原点，各参数轴等间距，相邻参数值在各参数轴的点连线构成五边形；s3-5、计算α判定母猪呼吸系统疾病的严重程度；式中，s五边形为五项参数值相邻连线后构成五边形的面积，为外接圆半径为10的正五边形的面积；α为将评价等级指标划分在0-1之间的比值。母猪呼吸系统疾病的严重程度按照以下标准判定：母猪呼吸系统疾病分级标准α0-0.30.3-0.70.7-0.90.9-1级别ⅰ级ii级ⅲ级ⅳ级ⅰ级：表示母猪有轻微呼吸系统疾病，症状为连续咳嗽次数较少，频率较低，持续时间较短，进食量没有太大变化，及时接种疫苗，治疗效果明显，常见于发病初期；ii级：表示母猪患有中度呼吸系统疾病，症状为连续咳嗽次数较多，持续时间较长，进食量略微减少，常见于患病3-4天以内，需要多次接种疫苗治疗；ⅲ级：表示母猪患有重度呼吸系统疾病，症状为连续咳嗽次数多，持续时间长，进食减少，且伴随明显腹式呼吸，若接种疫苗无效，需及时处理；ⅳ级：表示母猪患有极重呼吸系统疾病，症状为连续咳嗽次数频繁，持续时间长，进食明显减小，腹式呼吸明显，活动量减少，多次接种疫苗无效，可能在引发传染性疾病，较为少见。利用一次连续咳嗽中的信息，设计了网状评级方法，可直观观察到母猪咳嗽的各项指标，并根据面积比实现母猪呼吸系统疾病严重性的评级，便于管理人员优先处理紧急病猪。结合图10，s4中，获取声源位置的具体步骤为：s4-1、所述音频采集节点设置为两套，s4-2、获取相邻两栏音频数据；s4-3、计算两路信号的时延τ；s4-4、计算两路信号的功率衰减：其中，ei表示第i个麦克风的信号能量，xi表示第i个麦克风在[0-l]时间段内声音信号采样的幅值；l表示一段时间；t表示某一采样时间；s4-5、获取声源位置：求解方程组其中，(x1,y1)表示第1个麦克风的坐标，(x2,y2)表示第2个麦克风的坐标；c为声速；τ为s13-3求得的时延；解得(x,y)即为声源坐标；s4-6、结束。下面结合图11对获取声源位置的结论进行原理分析。在确实声源位置时，对于麦克风采集音频信号，可将其接收信号的模型表示为：x(t)＝s(t-τ)/d+n(t)其中：s(t)为源信号；n(t)为加性白噪声；d和τ分别表示信号到达麦克风的距离和时延。如图11所示，设声源s的坐标为(x,y)，第1个麦克风的坐标为(x1,y1)，第2个麦克风的坐标为(x2,y2)，可依据声源信号到达两个麦克风的信号能量与距离平方成反比和时延的特点，确定声源s的位置。在不考虑噪声影响的情况下，两只麦克风接收到信号时的信号能量为该时间段内咳嗽声信号的幅值平方和，能量与距离的关系可以表示为：其中：表示第i个麦克风的信号能量，表示第i个麦克风到声源的距离。由于声源到两个麦克风之间的距离不同，导致两个麦克风收到音频信号的时间不同，结合声音在空中的传播速度，可得如下方程(2)，由方程可知声源s在以两个麦克风为焦点的双曲线上。d1-d2＝cτ(2)其中：表示第i个麦克风到声源的距离；c表示声速；τ表示延时时间。整理方程(1)(2)，最终可以得到方程组如下：其中：由此可根据上述方程组中确定两个圆的交点即为声源s的位置，即母猪咳嗽的大致栏位。利用双麦克风确定声源位置，在判断母猪患有呼吸系统疾病的基础上，利用相邻两个声音采集节点所采集的音频数据，依据能量比与时延特点，确定声源位置，即咳嗽母猪所在栏位，便于管理人员及时发现生病母猪，提高管理效率。本发明可直接采集猪舍声音信号，并实时对母猪咳嗽声进行识别，提取识别咳嗽音频中携带信息，利用逻辑回归分析方法判断母猪是否患有呼吸系统疾病，可提高猪舍养殖环境的自动化水平，减少人为主观判断，提高呼吸系统疾病的识别准确率。本文中所描述的具体实施例仅仅是对本发明精神做举例说明。本发明所属
技术领域：
的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。当前第1页12