摘要
本发明涉及一种基于深度学习的牛行为分类和发情的检测方法,包括:步骤S1)建立用于表征牛只行为的加速度和声音数据集,包括:对表征牛只的日常行为和发情行为的加速度数据和声音数据进行采集与标注,形成带有标注信息的加速度数据和声音数据;步骤S2)构建CLAT‑MMNet模型;步骤S3)使用带有标注信息的加速度数据和声音数据的数据集训练所述CLAT‑MMNet模型至预期结果;步骤S4)将采集的表征牛只行为的加速度数据和声音数据输入到训练好的所述CLAT‑MMNet模型,输出牛只行为的检测结果。
技术关键词
加速度
数据
小波阈值函数
模块
模拟传感器
去噪方法
时域音频信号
加窗方法
时间段
多尺度
噪声频谱
噪声模型
分类器
频谱特征
噪声抑制
时间同步
多模态