基于改进Transformer的生猪音频识别研究.pdf
摘要
随着智慧农业的快速发展，生猪行为和健康状态的监测日益成为提升养殖效率和
动物福利的重要环节。传统的监测方法往往依赖人工观察，不仅耗时费力，而且存在
主观判断的误差。音频识别技术为解决这一问题提供了新思路，通过分析生猪的声音
信号，可以实现对其行为和健康状态的实时监测。本研究基于改进的Transformer模
型，设计了一种生猪音频识别系统，旨在提高生猪养殖的自动化水平和效率。
研究工作涵盖了音频信号的采集、预处理、特征提取、模型改进和系统实现等多
个方面。音频信号预处理包括预加重、分帧处理和小波变换降噪，采用端点检测算法
提取有效声音信号，从而增强了信号中的有用特征并减少噪声。声谱图特征提取方面，
预处理后的生猪音频数据被分类构建数据集，并通过时域与频域分析提取频域特征，
使用Mel滤波器组处理后对其输出进行对数转换，得到了五种生猪音频的Mel声谱
图。改进的Transformer模型引入了可变长度自注意力机制，以适应声音信号的动态
变化，并采用相对位置编码增强模型对时间关系的理解，集成自适应特征选择模块提
升模型性能。
实验结果显示，改进后的模型在识别进食声、发情声、嚎叫声、哼叫声和病猪喘
气声时，识别率分别为95.74%、92.86%、94.87%、94.87%和91.67%，加权平均识别
94.35%F1
率达到。与基线模型相比，改进后的模型在召回率、精确度和分数等关键
性能指标上均有显著提升。通过集成音频采集、信号处理、特征提取及模型识别的完
整流程，设计并实现了一个完整的生猪音频识别系统。该系统由音频信号采集节点和
音频信息处理平台组成，能够在实际养殖环境中实时接收和处理生猪的声音数据，并
准确分类五种生猪音频，从而提升了养殖的自动化水平和效率。
关键词：生猪音频识别；信号预处理；Mel声谱图；深度学习；Transformer模型
II
目录
第一章绪论1
1.1研究背景及意义1
1.2国内外生猪音频研究现状2
1.2.1国外研究现状2
1.2.2国内研究现状2
1.2.3国内外现状小结3
1.3研究内容与章节安排4
1.3.1研究内容4
1.3.2章节安排5
第二章生猪音频信号采集与预处理7
2.1采集设备与软硬件环境7
2.2预加重7
2.3分帧加窗8
2.4基于小波变换的生猪音频降噪10
2.4.1小波变换10
2.4.2生猪音频降噪实验14
2.4.3去噪结果与分析19
2.5端点检测20
2.5.1短时能量和短时过零率的双门限端点检测算法20
2.5.2端点检测结果与分析22
2.6本章小结24
第三章生猪音频Mel声谱图的构建25
3.1时频特征提取与数据集构建25
3.1.1时域特征提取26
3.1.2频域特征提取27
3.2Mel声谱图特征提取方法29
3.3生猪音频声谱图构建实验29
3.4声谱图构建结果与分析32
3.5本章小结35
V
第四章基于改进Transformer模型的生猪状态音频识别36
4.1Transformer模型原理36
4.1.1多头自注意力机制36
4.1.2编码器-解码器结构37
4.2T