音頻分析技術(shù)在家禽養(yǎng)殖中的研究進(jìn)展

杜天天,李奇峰,孟 蕊,馮 璐,侯宇婷,高榮華,丁露雨,馬為紅,劉同海，余禮根*

(1.天津農(nóng)學(xué)院 計算機(jī)與信息工程學(xué)院，天津 300384；2.北京農(nóng)業(yè)信息技術(shù)研究中心，北京 100097；3.國家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京 100097)

規(guī)?；B(yǎng)殖給畜禽養(yǎng)殖業(yè)可持續(xù)發(fā)展帶來較高的健康風(fēng)險與疫病防控壓力，高效的數(shù)字化養(yǎng)殖管理手段是實現(xiàn)傳統(tǒng)畜牧業(yè)向智能型管理升級的有效途徑。以生命信息感知、動物生長模型、畜牧生產(chǎn)大數(shù)據(jù)分析和智能控制為核心的智慧養(yǎng)殖業(yè)已成為全球畜牧業(yè)發(fā)展的必然趨勢[1-2]。隨著數(shù)字語音處理和人工智能等技術(shù)的快速發(fā)展，基于音頻的畜禽非接觸式監(jiān)測、分析方法逐漸受到關(guān)注和應(yīng)用[3]。

發(fā)聲是畜禽交流的主要方式，在研究福利化養(yǎng)殖的過程中通常將其作為一種輔助判斷方法，一直是畜禽養(yǎng)殖研究的熱點[4]。自20世紀(jì)50年代首次報道雞的發(fā)聲特征以來，研究人員發(fā)現(xiàn)雞可以發(fā)出30多種聲音類型，其中19種發(fā)聲的語義信息(包括警告、威脅、求偶等)可被理解[5]。目前，對家禽發(fā)聲的研究逐漸從時域、頻域特征參數(shù)分析[6]，發(fā)展到利用深度學(xué)習(xí)、自適應(yīng)學(xué)習(xí)等模型方法，對家禽發(fā)聲信號進(jìn)行深入研究[7-8]。本文重點介紹音頻分析技術(shù)在蛋雞、肉雞等家禽生長監(jiān)測、應(yīng)激行為分析和疾病監(jiān)測3個領(lǐng)域的國內(nèi)外應(yīng)用現(xiàn)狀及存在問題，并展望其發(fā)展方向，為家禽實時無應(yīng)激監(jiān)測技術(shù)研究提供參考。

1 家禽發(fā)聲分析

家禽發(fā)聲是由發(fā)聲器官-鳴管內(nèi)鳴膜振動產(chǎn)生[9]。畜禽發(fā)聲的持續(xù)時間、振幅、頻率、能量等音頻特征與生長階段、體重、品種類別等自身生長特性密切相關(guān)，同時與養(yǎng)殖模式、應(yīng)激反應(yīng)、疾病發(fā)生等外部生長環(huán)境相互關(guān)聯(lián)[10-11]。將音頻信息作為輔助手段可輔助評估畜禽對環(huán)境的適應(yīng)性，并可用于應(yīng)激行為分析和疾病的監(jiān)測預(yù)警[12-14]。

1.1 生長發(fā)聲研究

家禽生產(chǎn)過程中飼料成本約占養(yǎng)殖投入的70%，家禽生長狀況是養(yǎng)殖者關(guān)心的重要問題。但在規(guī)模化養(yǎng)殖舍中，主要依靠人工測量家禽體質(zhì)，浪費大量人力物力。音頻分析技術(shù)對家禽的發(fā)聲行為進(jìn)行監(jiān)測，分析不同生長階段特征參數(shù)與生長之間關(guān)系，利于合理調(diào)控生產(chǎn)管理。

不同生長階段，聲道結(jié)構(gòu)發(fā)生一定變化，蛋雞發(fā)聲特征參數(shù)也會發(fā)生改變。李志忠等[15-16]獲取了3個日齡階段(35日齡、95日齡和125日齡)的蛋雞發(fā)聲信息，通過分析基音頻率、持續(xù)時間、頻譜質(zhì)心和共振峰等基本聲學(xué)參數(shù)，發(fā)現(xiàn)蛋雞不同日齡的聲學(xué)特征參數(shù)存在顯著差異。在相同生長階段，不同養(yǎng)殖模式下蛋雞的聲學(xué)特征有所不同。余禮根等[17]比較棲架養(yǎng)殖模式與疊層籠養(yǎng)模式下蛋雞發(fā)聲行為的差異，發(fā)現(xiàn)棲架養(yǎng)殖模式下蛋雞產(chǎn)蛋后產(chǎn)蛋叫聲和愉悅叫聲增多，自然的生理活動和生長行為能夠有效表達(dá)。宗超等[18]比較棲架養(yǎng)殖和籠養(yǎng)兩種不同養(yǎng)殖模式在不同養(yǎng)殖階段典型蛋雞發(fā)聲，發(fā)現(xiàn)蛋雞發(fā)聲的峰值頻率和能量值在產(chǎn)蛋期低于育成期，峰值頻率和周齡呈負(fù)相關(guān)關(guān)系，棲架養(yǎng)殖模式下蛋雞的發(fā)聲次數(shù)、持續(xù)時間和能量值均高于籠養(yǎng)。不同生長周期或不同體質(zhì)量情況下，雞叫聲特征不同。Fontana等[19]根據(jù)峰值頻率與體重之間的關(guān)系，建立多項式回歸模型用來預(yù)測肉雞體重。Abdel-Kafy等[20]針對火雞叫聲峰值頻率、體重以及生長周期的關(guān)系建立生長模型，試驗驗證了模型的可行性。

音頻采集技術(shù)具有非接觸監(jiān)測的特點，不會對畜禽生產(chǎn)過程產(chǎn)生額外影響，為家禽生長監(jiān)測提供新的技術(shù)手段。但是，不同遺傳品系、不同生長階段和不同養(yǎng)殖模式下的家禽發(fā)聲差異顯著，建立基于音頻特征數(shù)據(jù)庫的異常預(yù)警系統(tǒng)為健康養(yǎng)殖評價系統(tǒng)提供參考依據(jù)。

1.2 應(yīng)激發(fā)聲研究

應(yīng)激反應(yīng)是指機(jī)體受到外部環(huán)境刺激做出防御性行為，應(yīng)激反應(yīng)過度可能導(dǎo)致功能紊亂或疾病發(fā)生[21]。限制飼喂、熱環(huán)境、生長環(huán)境變化等均對家禽情緒狀態(tài)產(chǎn)生影響造成應(yīng)激反應(yīng)。應(yīng)激發(fā)聲是應(yīng)激行為的一種，是在應(yīng)激狀態(tài)下發(fā)出的異常叫聲[22]。

近年來，研究者對不同應(yīng)激狀態(tài)下雞的發(fā)聲信息進(jìn)行了深入探討，對不同發(fā)聲特征與外部刺激間的關(guān)系進(jìn)行深入分析，提出將其作為畜禽福利評價的重要指標(biāo)[23-24]。最初研究者比較正常狀況和應(yīng)激狀態(tài)下發(fā)聲的差異，如Fontana等[25]利用隔離箱對幼小雛雞分群飼養(yǎng)的叫聲進(jìn)行了研究，分析幼雞叫聲峰值頻率，發(fā)現(xiàn)隔離飼養(yǎng)后幼雞更容易發(fā)出搜尋同伴的聲學(xué)信號。雛雞在封閉的環(huán)境中容易處于孤獨焦慮的狀態(tài)。余禮根等[26]在消音室可控環(huán)境條件下，對產(chǎn)蛋期海蘭褐蛋雞在熱應(yīng)激、限制飼喂和正常飼養(yǎng)下的發(fā)聲差異進(jìn)行比較，發(fā)現(xiàn)應(yīng)激狀態(tài)與正常飼養(yǎng)下發(fā)聲特征參數(shù)變化規(guī)律不一致。之后通過對應(yīng)激發(fā)聲分析建立異常識別模型，如Pereira等[27]研究了肉雞在熱應(yīng)激和室溫條件下能量、帶寬、第一共振峰、第二共振峰等聲學(xué)特征變化，構(gòu)建了熱應(yīng)激聲學(xué)識別模型。目前，隨著人工智能技術(shù)的發(fā)展，通過支持向量機(jī)、深度學(xué)習(xí)等進(jìn)行應(yīng)激發(fā)聲識別的識別效果逐漸體現(xiàn)。如Liu等[28]將外部溫度設(shè)定為34 ℃的試驗組、21 ℃的對照組予以對比分析，以過零率、基頻和梅爾頻率倒譜系數(shù)作為特征參數(shù)，采用支持向量機(jī)模型進(jìn)行分類。結(jié)果表明火雞熱應(yīng)激識別準(zhǔn)確率達(dá)88.75%。Maljkovic等[29]以1～4周齡的肉雞為研究對象，提取應(yīng)激條件下肉雞叫聲的梅爾頻譜系數(shù)進(jìn)行歸一化處理并作為識別特征參數(shù)，結(jié)果表明應(yīng)激叫聲識別的準(zhǔn)確率為68.26%～87.80%。Du等[30]改進(jìn)了支持向量機(jī)模型用于熱應(yīng)激叫聲識別，識別模型的靈敏度識別率提高到95.1%±4.3%，識別精度可達(dá)97.6%±1.9%。Lee等[31]設(shè)計了在線監(jiān)測系統(tǒng)用于識別雞的熱應(yīng)激叫聲和恐慌叫聲。使用支持向量機(jī)分類器模型對提取蛋雞聲音的聲學(xué)特征子集進(jìn)行分類，分類準(zhǔn)確率為96.2%。這說明家禽發(fā)聲是對其機(jī)體狀況的直接反饋，利用音頻分析可快速識別應(yīng)激狀態(tài)。利用家禽發(fā)聲作為評價指標(biāo)，通過對聲學(xué)特征參數(shù)的提取、分析，比較家禽在應(yīng)激與非應(yīng)激狀態(tài)下的發(fā)聲差異，進(jìn)而實現(xiàn)養(yǎng)殖過程中應(yīng)激行為監(jiān)測預(yù)警，及時發(fā)現(xiàn)引起應(yīng)激反應(yīng)的根源，有效避免過度應(yīng)激。采用模式識別技術(shù)實現(xiàn)對家禽應(yīng)激反應(yīng)的反饋識別，避免或減少對家禽飼養(yǎng)過程的干擾和影響。

1.3 疾病發(fā)聲研究

呼吸道疾病主要由病原體感染引起，發(fā)病時主要癥狀為呼吸道內(nèi)粘液增多，造成呼吸道堵塞，伴隨有咳嗽聲、噴嚏聲、呼嚕聲和呼吸羅音等異常叫聲[32-33]。目前，傳統(tǒng)診斷方法主要依靠飼養(yǎng)人員夜間對呼吸道疾病進(jìn)行人工巡檢，實時性和準(zhǔn)確性無法得到保障。在規(guī)?；B(yǎng)殖中，及時發(fā)現(xiàn)禽舍內(nèi)患有疾病的個體在群體飼養(yǎng)管理中非常重要。聲音監(jiān)測技術(shù)可通過持續(xù)、在線監(jiān)測家禽聲音，實現(xiàn)疾病判斷、狀態(tài)識別與提前預(yù)警[34-36]。

曹晏飛等[37-38]針對蛋雞聲音識別過程中存在噪聲干擾的問題，通過分析蛋雞聲音與噪聲的功率譜密度等頻譜特征差異，提出了蛋雞聲音自動檢測與分類識別的方法，開發(fā)的蛋雞聲音識別模型可在夜間低噪聲環(huán)境下檢測出蛋雞呼嚕聲。Sadeghi等[39]基于23種聲學(xué)特征，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)識別健康雞和感染雞。在雞患病后的第2天和第8天分類的準(zhǔn)確度分別為66.6%和100.0%。Huang等[40]計算梅爾頻率倒譜系數(shù)作為特征參數(shù)用于區(qū)別健康雞和禽流感病雞，實驗室條件下的測試集準(zhǔn)確率為84%～90%。此方法為及時監(jiān)測禽流感傳染病提供依據(jù)。在此基礎(chǔ)上，張鐵民等[41]提出以短時過零率、短時能量、短時過零率與短時能量混合的多維特征作為音頻特征參數(shù)，以模糊神經(jīng)網(wǎng)絡(luò)作為分類器識別禽流感病雞的發(fā)聲，以隸屬度函數(shù)為鐘形函數(shù)、隸屬度個數(shù)為2時模糊神經(jīng)網(wǎng)絡(luò)對3組測試集識別準(zhǔn)確率分別為75.47%、80.39%和76.92%。這些研究為規(guī)?；仪蒺B(yǎng)殖場禽流感的識別提供了快速高效檢測方法。Banakar等[42]根據(jù)數(shù)據(jù)挖掘方法和Dempster-Shafer證據(jù)理論，分析25種頻域聲學(xué)特征和75種時域聲學(xué)特征，基于支持向量機(jī)構(gòu)建分類器研制了一種監(jiān)測裝置，其用于檢測雞是否感染新城疫、支氣管炎、禽流感疾病3種疾病的效果較為理想。但實驗不足是沒有考慮實際現(xiàn)場環(huán)境噪聲的影響，距實際應(yīng)用還有待進(jìn)一步研究。Rizwan等[43]比較了極限學(xué)習(xí)機(jī)算法和支持向量機(jī)分類算法對于分類識別病雞呼吸羅音的準(zhǔn)確性。支持向量機(jī)分類算法在雞健康時顯示較少的假陽性狀態(tài)，而在生病時實驗組和對照組識別結(jié)果更清晰。規(guī)?；B(yǎng)殖舍中，Carpentier等[44]提出一種在多個噪聲源的情況下識別打噴嚏聲的算法，在763次打噴嚏聲音中提取出8個主要的特征參數(shù)構(gòu)建噴嚏聲識別模型，準(zhǔn)確率達(dá)到了88.4%。秦伏亮等[45]提出一種基于小波變換的改進(jìn)梅爾倒譜系數(shù)與高斯混合模型-隱馬爾可夫模型的雞咳嗽聲識別系統(tǒng)，肉雞咳嗽聲識別準(zhǔn)確率達(dá)95%。Mahdavian等[46]使用支持向量機(jī)模型對比5種常見的聲學(xué)特征在雞患病后的識別效果，在雞接種病毒的第三天，音頻信號的小波熵作為特征參數(shù)，雞的支氣管炎識別效果最好，準(zhǔn)確度達(dá)到83%。

家禽集約化養(yǎng)殖增加了傳染病傳播的風(fēng)險，呼吸道疾病是家禽飼養(yǎng)過程中的常見疾病，聲學(xué)研究中主要表現(xiàn)癥狀為發(fā)出噴嚏、咳嗽等異常叫聲。相較于人工觀察，利用聲音監(jiān)測進(jìn)行疾病判別可以提前預(yù)警。目前，研究選取呼吸道疾病發(fā)聲特征參數(shù)、建立識別模型，用來識別患病個體，防止疾病蔓延和群體性迸發(fā)，對于減少生產(chǎn)損失、提高家禽福利化水平具有一定的實現(xiàn)意義。對于音頻監(jiān)測識別技術(shù)在家禽養(yǎng)殖上應(yīng)用情況做出以下分析，如表1所示。

表1 家禽音頻分析監(jiān)測技術(shù)應(yīng)用情況對比

2 家禽音頻分析技術(shù)發(fā)展方向

盡管國內(nèi)外學(xué)者對家禽養(yǎng)殖過程中發(fā)聲特征規(guī)律及音頻監(jiān)測技術(shù)開展了大量研究，但音頻分析效果受特征參數(shù)和識別模型選擇的影響[47-51]。音頻特征參數(shù)研究方面，最初計算家禽發(fā)聲的時域特征參數(shù)和頻域特征參數(shù)構(gòu)造數(shù)據(jù)庫。在匹配階段將待確定聲音類型的特征參數(shù)與數(shù)據(jù)庫匹配，找到與數(shù)據(jù)庫相對應(yīng)的聲音類型。近年來，深度學(xué)習(xí)模型使用卷積核對語音局部特征加權(quán)求和，這樣的操作使網(wǎng)絡(luò)對出現(xiàn)的相同特征進(jìn)行提取，識別效果有了顯著提高。但是，特征參數(shù)的選取較為分散，沒有統(tǒng)一的標(biāo)準(zhǔn)，導(dǎo)致畜禽語音特征庫匱乏，方法復(fù)用性差。建立多種養(yǎng)殖模式、多品種、多環(huán)境變化下的家禽統(tǒng)一標(biāo)準(zhǔn)音頻特征數(shù)據(jù)庫，以提高識別效果的準(zhǔn)確性和魯棒性。音頻識別模型方面，已從最初的標(biāo)準(zhǔn)統(tǒng)計模型、復(fù)雜統(tǒng)計模型，到人工神經(jīng)網(wǎng)絡(luò)模型、支持向量機(jī)模型、隱馬爾可夫模型、深度學(xué)習(xí)模型等轉(zhuǎn)變，識別模型逐步地從復(fù)雜、低識別率向簡單、高識別率的方向發(fā)展，并大量應(yīng)用于家禽發(fā)聲識別領(lǐng)域。

3 展 望

本文對蛋雞、肉雞等家禽生長發(fā)聲、應(yīng)激發(fā)聲、疫病發(fā)聲方面的研究進(jìn)展進(jìn)行了分析，闡述了音頻處理技術(shù)在家禽養(yǎng)殖非接觸、無應(yīng)激監(jiān)測方面的重要作用，提出了家禽音頻分析技術(shù)發(fā)展方向?？傮w而言，歐洲在畜禽發(fā)聲信息感知與監(jiān)測識別技術(shù)方面的研究較為深入，部分技術(shù)已應(yīng)用于生產(chǎn)實踐。我國規(guī)?；B(yǎng)殖舍中，基于音頻分析的監(jiān)測設(shè)備應(yīng)用較少，智能化水平難以滿足實際需求。因此，亟待開發(fā)聲學(xué)監(jiān)測系統(tǒng)用于規(guī)?；B(yǎng)殖舍家畜生產(chǎn)過程監(jiān)測，對提高養(yǎng)殖舍智能化水平具有重要意義。