Attention-Based Recurrent Neural Network For Automatic Behavior Laying Hen Recognition

要約

現代の養鶏の関心の 1 つは、健康行動に関する非常に有益な情報を含む産卵鶏の鳴き声です。
この情報は、ブリーダーが産卵鶏をより適切に監視するのに役立つ健康と福祉の指標として使用されます。これには、迅速かつ効果的な介入のための問題の早期発見が含まれます。
この研究では、より良いモニタリングのための採卵鶏の行動を特徴付ける堅牢なシステムを提案するために、産卵鶏の鳴き声の種類を認識するための音声分析に焦点を当てます。
これを行うために、私たちはまず産卵鶏の鳴き声信号を収集して注釈を付け、次に時間領域と周波数領域の特徴の組み合わせに基づいて最適な音響特性を設計しました。
次に、これらの機能を使用してリカレント ニューラル ネットワークに基づくマルチラベル分類モデルを構築し、産卵鶏の行動を特徴付ける発声に意味クラスを割り当てました。
結果は、時間領域と周波数領域の機能の組み合わせに基づくモデルの全体的なパフォーマンスを示しており、周波数領域の機能を使用したモデルでは 17%、周波数領域の機能を使用したモデルでは 8% のゲインで最高の F1 スコア (F1=92.75) を獲得しました。
文献からのアプローチの比較。

要約(オリジナル)

One of the interests of modern poultry farming is the vocalization of laying hens which contain very useful information on health behavior. This information is used as health and well-being indicators that help breeders better monitor laying hens, which involves early detection of problems for rapid and more effective intervention. In this work, we focus on the sound analysis for the recognition of the types of calls of the laying hens in order to propose a robust system of characterization of their behavior for a better monitoring. To do this, we first collected and annotated laying hen call signals, then designed an optimal acoustic characterization based on the combination of time and frequency domain features. We then used these features to build the multi-label classification models based on recurrent neural network to assign a semantic class to the vocalization that characterize the laying hen behavior. The results show an overall performance with our model based on the combination of time and frequency domain features that obtained the highest F1-score (F1=92.75) with a gain of 17% on the models using the frequency domain features and of 8% on the compared approaches from the litterature.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google