耿艳利，宋朋首，林彦伯，季燕凯，杨淑才

采用改进CNN对生猪异常状态声音识别

耿艳利1,2，宋朋首1，林彦伯1，季燕凯1，杨淑才3

（1. 河北工业大学人工智能与数据科学学院，天津 300130；2. 智能康复装置与检测技术教育部工程研究中心，天津 300130；3. 天津魔界客智能科技有限公司，天津 300130）

猪只声音能够体现出其生长状态，该研究针对人工监测猪只声音造成的猪只疾病误判以及耗时耗力等问题，研究基于卷积神经网络CNN（Convolutional Neural Network）的生猪异常状态声音识别方法。该研究首先设计猪只声音实时采集系统，并利用4G通讯技术将声音信息上传至云服务器，基于专业人员指导制作猪只异常声音（生病、打架、饥饿等）数据集，提取猪只异常声音的梅尔谱图特征信息；其次引入多种注意力机制对CNN进行改进，并对CBAM（Convolutional Block Attention Module）注意力机制进行优化，提出_CBAM-CNN网络模型；最后将_CBAM-CNN网络模型分别与引入SE_NET（Squeeze and Excitation Network）、ECA_NET（Efficient Channel Attention Networks）和CBAM注意力机制的CNN神经网络进行对比，试验结果表明该文提出的_CBAM-CNN网络模型在最优参数为128维梅尔频率、2 048点FFT（Fast Fourier Transform）点数、512点窗移下的梅尔谱图特征下相较于其他模型对猪只异常声音识别效果最佳，识别率达到94.46%，验证了算法的有效性。该研究有助于生猪养殖过程中对猪只异常行为的监测，并对智能化、现代化猪场的建设具有重要意义。

声音信号处理；动物；异常声音；卷积神经网络；SE_NET；CBAM；ECA_NET

0 引 言

传统的生猪养殖对猪只的健康状态和异常状态判断通常需要人为蹲点监测、近距离观察[1-2]，容易造成猪只的应激反应和疾病的扩散[3-5]。随着科学技术的发展，养猪技术越来越趋于智能化。……