一种基于深度学习和声音识别的森林监护系统

本发明涉及人工智能领域，尤其涉及一种基于深度学习及声音识别的森林监护系统。

背景技术：

1、森林资源是整个国家和民族经济快速、稳定、持续、健康发展的基础条件，对于我国走可持续发展路线这一规划具有无法替代的作用和地位。随着交通工具的迅速发展，人类的行动范围越来越大，对经济增长的重视导致对自然资源过度利用，使人们忽视了生态平衡在人类生存中的重要性，森林资源作为自然资源的重要组成部分，也受到了极大破坏。

2、为了做好森林监护工作，国家林业局指定颁布了《天然林资源工程森林管护管理办法》，致力于把监护的责任、权力和利益落实到人，把责任落实到山头地块。制定了一系列相应的监护制度和具体措施，并不断创新森林监护机制，使监护工作落到实处。虽然国家和各级林业局不断探索新的监护方法、推行新的监护机制，森林资源所遭受的自然灾害和人为破坏仍然比较严重，究其原因是森林监护工作的监护面积大、监护人员监管难等决定的。近年来，网络技术、信息技术的快速发展，智慧化向各个领域不断渗透并取得了显著成效，因此建设智慧林业是林业现代化发展的必要途径。森林监视工作要与时俱进，开拓创新，采用新技术和新方法，研究适合林业局自身条件的现代化森林监护系统，改善传统林业监控工作中的弊端，适应新时期所面对的新要求。

3、目前各级林业局广泛采用的监护方法有：人工巡视、手工纸质记录数据；基于自动识别技术的监护信息系统等。本次主要是基于深度学习及声音识别的森林监护系统，旨在通过声音识别技术远程且实时监听森林里的声音数据，当监听到电锯伐木或卡车行驶等异常声音时通过网关上传到互联网及时通知护林人员，更高效率且大范围地实现监护生态系统，不仅提高了监护工作的效率，也能很大程度上减少了人力资源的浪费，保证了森林监护工作的顺利进行。

技术实现思路

1、本发明的目的在针对大面积森林监护问题上，以减少人力资源为基础，通过远程实时监听森林里声音，一旦发生异常可以及时由互联网通知护林员，从而达到远程监护森林的结果。

2、本发明一种基于深度学习和声音识别的森林监护系统，包括：数据采集、人工标记模块、声音数据集、预处理、特征提取、神经网络模型的调整、实时采集声音信号模块、状态识别模块和报警模块；其中，数据采集和人工标记模块属于一部分，人工标记模块分别与声音数据库和状态识别模块相连，预处理又分别与特征提取和实时采集声音信号模块相接，特征提取与调整后的神经网络模型相接，由调整后的神经网络模型产出状态识别模块，最后，状态识别模块分别与人工标记和通讯模块和报警模块相接。

3、所述数据采集，采用麦克风阵列传感器分别采集在森林里不同情况下产生危险事件的声音信号，比如：电锯伐木声，手锯伐木声，卡车等。

4、所述人工标记模块，是收集到的声音信号在经过人工确认后将其认定为危险信号并进行标签标注。

5、所述声音数据集是经过人工标记后的声音信号。

6、所述预处理包括滤波、a/d转换、预加重、分帧加窗和端点检测。

7、所述滤波采用高通滤波器滤除信号中的非音频部分，最大限度的提高输入信噪比。

8、所述a/d转换是将模拟信号转换成数字信号。

9、所述预加重是对信号的高频部分加重，增强声音信号的高频分辨率，便于后面进行谱分析。

10、所述分帧加窗是将声音信号分成帧，然后对分帧的声音信号进行加窗处理，其中帧长为50ms；加窗采用汉明窗，其函数表达式如下所示，其中n为帧长的窗长度。

11、

12、所述端点检测用于在声音信号中区分背景噪声和环境噪声，并准确地判断出声音信号的开始点和结束点。

13、所述特征提取用于提取声音信号的特征参数，所述基于深度学习和声音识别的森林监护系统采用梅尔频率倒谱系数作为声音信号的特征参数。

14、所述调整后的神经网络模型采用轻量型网络mobilenetv3模型，加入coordinateattention块减少参数；将经过数据处理并进行特征提取后的声音数据输入预先设计好的神经网络模型中，对神经网络进行训练；将声音数据样本分为两份，分别为训练集和验证集，其比例是7：3；在训练集上模型拟合声音数据集通过其识别率是否达到所设阈值判断模型是否达到所需标准，验证集调整模型的超参数和对模型的能力进行初步评估。

15、所述状态识别模块是将经过预处理和特征提取的声音样本和实时声音数据送入预设的神经网络模型中，通过神经网络模型识别森林里的状态；

16、作为优选，所述基于深度学习和声音识别的森林监护系统采用太阳能供电，由5v太阳能板进行并联，达到设备所用的电流，实现自主发电的功能。

17、作为优选所述深度学习和声音识别的森林监护系统的通讯部分采用大面积低功耗的lora技术进行远程通讯，与权利要求1中状态识别模块相连，当状态识别模块识别到危险信号时，传递至lora网关，网关通过mqtt协议实时发送报警信号到物联网平台。

18、本发明具有以下有意效果及优点：

19、(1)采用麦克风阵列传感器采集声音信号，对声音信号进行远程处理，从而达到对森林里危险场景的有效识别，减少由人工巡逻的人工资源损失；

20、(2)利用神经网络对声音数据集进行训练，建立声音样本集，结合人工对其进行标注，并对神经网络模型进行调整，使识别结果更加精确，为监护安全提供了良好的条件。

技术特征：

1.一种基于深度学习和声音识别的森林监护系统，其特征在于：

2.根据权利要求1所述的一种基于深度学习和声音识别的森林监护系统，其特征在于：

3.根据权利要求1所述的一种基于深度学习和声音识别的森林监护系统，其特征在于：

技术总结
本发明公开一种基于深度学习和声音识别的森林监护系统，其特征在于：数据采集、人工标记模块、声音数据集、预处理、特征提取、神经网络模型的调整、实时采集声音信号模块、状态识别模块和报警模块；其中，数据采集和人工标记模块属于一部分，人工标记模块分别与声音数据库和状态识别模块相连，预处理又分别与特征提取和实时采集声音信号模块相接，特征提取与调整后的神经网络模型相接，由调整后的神经网络模型产出状态识别模块，最后，状态识别模块分别与人工标记和通讯模块和报警模块相接。

技术研发人员：马静,陈煜,付琳,戴鹤
受保护的技术使用者：哈尔滨理工大学
技术研发日：
技术公布日：2024/1/15