Resumen

Los pollos de engorde producen sonidos anormales, como tos y ronquidos, cuando padecen enfermedades respiratorias. El objetivo de este trabajo de investigación era desarrollar un método de detección de sonidos anormales en pollos de engorde. Los sonidos se registraron en una nave de pollos de engorde durante una semana (24 horas al día, 7 días a la semana). Había 20 mil pollos de engorde de pluma blanca criados en el suelo de una nave. Los resultados mostraron que el algoritmo de reconocimiento desarrollado, que utiliza los coeficientes de cepstrum de frecuencias Mel de la transformada wavelet (WMFCC), el criterio de Fisher de distancia de correlación (CDF) y el modelo oculto de Markov (HMM), proporcionó una exactitud, precisión, recuerdo y F1 medios del 93,8%, 94,4%, 94,1% y 94,2%, respectivamente, para las muestras de sonidos de pollos de engorde. Los resultados indican que el análisis del sonido puede utilizarse en la evaluación respiratoria de pollos de engorde en granjas comerciales.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:distancia de correlación criterio de fisher, transformada wavelet coeficientes cepstrum de frecuencia mel, detección de sonidos anormales, muestras de sonidos de pollos de engorde, granja comercial de pollos de engorde, pollos de pluma blanca, pollos de engorde, modelo de markov, sonidos anormales, precisión media
• Keywords:correlation distance fisher criterion, wavelet transform mel frequency cepstrum coefficients, abnormal sound detection, broiler sound samples, commercial broiler farm, white feather broilers, broiler, markov model, abnormal sounds, average accuracy