با همکاری انجمن مهندسان مکانیک ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی مکانیک بیوسیستم، دانشگاه تربیت مدرس، تهران، ایران

2 گروه پرورش و مدیریت طیور، دانشگاه تربیت مدرس، تهران، ایران

چکیده

پرندگان نابالغ با گذر از دوران پیوبرتی به بلوغ جنسی می‌رسند که با تغییرات صوتی صدا همراه است و بعد از دوران بلوغ، ساختار صوتی تکامل می‌یابد. هدف اصلی این پژوهش تشخیص پیوبرتی و بلوغ جنسی خروس‌های مادر از روی سیگنال‌های صوتی می‌باشد. برای انجام این کار خروس‌ها به سه دسته خروس‌های نابالغ، خروس‌های در دوران پیوبرتی و خروس‌های بالغ تقسیم شدند. معیارهای نخستین انزال و غلظت اسپرم به‌ترتیب برای پیوبرتی و بلوغ جنسی استفاده شدند. پس از ضبط سیگنال‌های صوتی، ضرایب کد پیش‌بینی خطی (LPC) از حوزه فرکانس به‌عنوان ویژگی‌های صوتی استخراج شدند. این ویژگی‌های صوتی به‌عنوان ورودی‌های طبقه‌بند k نزدیک‌ترین همسایه (K-NN) استفاده شدند و خروجی طبقه‌بند سه دسته‌ی خروس‌های نابالغ، خروس‌های در دوران پیوبرتی و خروس‌های بالغ می‌باشد. نتایج مقادیر درستی، حساسیت و دقت به‌ترتیب 7/98%، 3/98% و 8/98% را برای طبقه‌بندی خروس‌ها نشان می‌دهد.

کلیدواژه‌ها

Open Access

©2020 The author(s). This article is licensed under Creative Commons Attribution 4.0 International License (CC BY 4.0), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source.

1. Adi, K., M. T. Johnson, and T. S. Osiejuk. 2010. Acoustic censusing using automatic vocalization classification and identity recognition. The Journal of the Acoustical Society of America 127 (2): 874-883.
2. Banakar, A., M. Sadeghi, and A. Shushtari. 2016. An intelligent device for diagnosing avian diseases: Newcastle, infectious bronchitis, avian influenza. Computers and Electronics in Agriculture 127: 744-753.
3. Beani, L., G. Panzica, F. Briganti, P. Persichella, and F. Dessì-Fulgheri. 1995. Testosterone-induced changes of call structure, midbrain and syrinx anatomy in partridges. Physiology & Behavior 58 (6): 1149-1157.
4. Beani, L., F. Briganti, G. Campanella, C. Lupo, and F. Dessi-Fulgheri. 2000. Effect of androgens on structure and rate of crowing in the Japanese quail (Coturnix japonica). Behaviour 137 (4): 417-435.
5. Brackenbury, J. 1978. Respiratory mechanics of sound production in chickens and geese. Journal of Experimental Biology 72: 229-250.
6. Dawson, M. R., I. Charrier, and C. B. Sturdy. 2006. Using an artificial neural network to classify black-capped chickadee (Poecile atricapillus) call note types. The Journal of the Acoustical Society of America 119 (5): 3161-3172.
7. Han, N. C., S. V. Muniandy, and J. Dayou. 2011. Acoustic classification of Australian anurans based on hybrid spectral-entropy approach. 72 (9): 639-645.
8. Huang, C.J., Y.J. Yang, D.X. Yang, and Y. J. Chen. 2009. Frog classification using machine learning techniques. 36 (2): 3737-3743.
9. Jaafar, H., D. A. Ramli, and S. Shahrudin. 2013. MFCC based frog identification system in noisy environment. IEEE International conference on Signal and image processing applications (ICSIPA).
10. Juang, C.-F. and T.-M. Chen. 2007. Birdsong recognition using prediction-based recurrent neural fuzzy networks. Neurocomputing 71: 121-130.
11. Khoshnam, F., S. H. B. Bidgoly, M. Namjoo, and M. Doroozi. 2017. The effect of acoustic system variables on sound signals of Melon varieties. 7 (1): 126-139.
12. Lake, P. 1957. The male reproductive tract of the fowl. Journal of Anatomy 91 (1): 116.
13. Laron, Z., J. Arad, R. Gurewitz, M. Grunebaum, and Z. Dickerman. 1980. Age at first conscious ejaculation: a milestone in male puberty. Helvetica Paediatrica Acta 35: 13-20.
14. Lee, C. H., Y. K. Lee, and R. Z. Huang. 2006. Automatic recognition of bird songs using cepstral coefficients. Journal of Information Technology and Applications 1 (1): 17-23.
15. Lee, J., L. Jin, D. Park, Y. Chung, and H. H. Chang. 2015. Acoustic features for pig wasting disease detection. International Journal of Information Processing and Management 6 (1): 37.
16. Mitrovic, D., M. Zeppelzauer, and C. Breiteneder. 2006. Discrimination and retrieval of animal sounds. 12th International Multi-Media Modelling Conference .
17. National Research Council. 1984. Nutrient requirements of poultry. National Academies.
18. Okanoya, K., and T. Kimura. 1993. Acoustical and perceptual structures of sexually dimorphic distance calls in Bengalese finches (Lonchura striata domestica). Journal of Comparative Psychology 107 (4): 386.
19. Peterson, M. R., T. E. Doom, and M. L. Raymer. 2005. Ga-facilitated knn classifier optimization with varying similarity measures. IEEE Congress on Evolutionary Computation.
20. Rabiner, L. R., and B.-H. Juang. 1993. Fundamentals of speech recognition. PTR Prentice Hall Englewood Cliffs.
21. Sadeghi, M., A. Banakar, and A. J. C. Shushtari. 2017. Diagnosing avian Newcastle, Bronchitis and Influenza Diseases using heart sound signal and Support Vector Machine. Iranian Journal of Biosystems Engineering. 47: 587-601.
22. Sokolova, M., and G. Lapalme. 2009. A systematic analysis of performance measures for classification tasks. Information Processing & Management 45 (4): 427-437.
23. Sturkie, P. D. 2012. Avian physiology. Springer Science & Business Media.
24. Tremain, T. E. 1982. The Government Standard Linear Predictive Coding Algorithm: LPC-10. Speech Technology 40-49.
25. Vandermeulen, J., C. Bahr, D. Johnston, B. Earley, E. Tullo, I. Fontana, M. Guarino, V. Exadaktylos, and D. Berckmans. 2016. Early recognition of bovine respiratory disease in calves using automated continuous monitoring of cough sounds. Computers and Electronics in Agriculture 129: 15-26.
26. Yoneda, T., and K. Okanoya. 1991. Ontogeny of sexually dimorphic distance calls in Bengalese finches (Lonchura domestica). Journal of Ethology 9 (2): 41-46.
27. Zamani, M., M. Aboonajmi, and S. R. Hassan-Beygi. 2016. Design, development and test of the gearbox condition monitoring system using sound signal processing. Journal of Agricultural Machinery 6 (2): 322-335.
CAPTCHA Image