野生动物声音智能监测系统的制作方法

本发明涉及野生动物监测，尤其涉及野生动物声音智能监测系统。

背景技术：

1、野生动物是生态系统的重要组成部分，保护野生动物对于维护生态平衡和生物多样性具有重要意义。然而，野生动物的保护工作面临诸多挑战，其中之一就是对野生动物种群数量和生态习性的了解不足。随着声学监测技术的不断发展，声音传感器和声纹识别算法的性能得到了显著提升。这使得利用声学监测技术来监测和识别野生动物声音成为可能。相比传统的视觉监测方法，声音监测具有更大的地理覆盖范围，能够穿越更大的地理边界，并且在许多难以到达的环境中较少受到视野和植被限制的影响。生态监测和保护区管理是野生动物保护的重要环节。野生动物声音智能监测系统可以为生态监测提供重要的数据支持，帮助科研人员了解野生动物的生态习性和保护需求。同时，该系统还可以应用于保护区的管理，及时发现偷猎、盗伐等违法行为，加强野生动物的保护和管理。

2、现有技术中，由于数据处理和分析需要时间，现有系统可能无法实时监测和预警动物异常行为或突发事件，因此，提出野生动物声音智能监测系统。

技术实现思路

1、本发明的目的是为了解决现有技术中由于数据处理和分析需要时间，现有系统可能无法实时监测和预警动物异常行为或突发事件，的问题，而提出的野生动物声音智能监测系统。

2、为了实现上述目的，本发明采用了如下技术方案：

3、野生动物声音智能监测系统，包括：数据采集系统：负责采集野生动物的声音数据，数据采集系统包括声音传感器、录音设备等，用于收集野生动物的声音样本；

4、数据传输系统：负责将采集到的数据传输到中央处理单元或者云端服务器；

5、分类识别系统：对特征提取后的声音特征向量进行分类和识别，通过训练一个模型来辨别不同动物种类的声音，从而实现对野生动物的识别和辨别；

6、预警系统：对动物声音数据进行实时监测和分析，识别异常或关键事件；

7、数据处理与分析系统：负责对采集到的声音数据进行处理分析；

8、数据存储和备份系统：负责对采集和处理的数据进行存储和备份，数据存储和备份系统定期对数据进行备份，并设计快速恢复机制，以防止数据丢失；

9、可视化和报告系统：将处理和分析的结果以可视化的形式展示给用户；

10、所述数据采集系统将收集野生动物的声音数据传输给数据传输系统，所述数据传输系统将采集到的声音数据传输给分类识别系统，所述分类识别系统检测到特定的声音模式或者威胁动物安全的声音，所述预警系统可以发出警报并采取相应的行动，所述数据传输系统将采集到的声音数据传输给数据处理和分析系统，所述数据处理和分析系统对声音数据进行处理分析后，将处理结果存储在数据存储和备份系统中进行长期存储和备份，所述数据存储和备份系统存储的处理结果通过可视化和报告系统进行访问和展示。

11、上述方案进一步：

12、所述数据采集系统包括声音传感器模块与录音设备模块，所述声音传感器模块负责收集野生动物发出的声音信号，所述声音传感器模块将捕获到的声音信号转化为电信号，所述录音设备模块负责将声音传感器模块捕获到的电信号转化为可存储的声音数据，所述录音设备模块将电信号进行模数转换，将连续的电信号转换为离散的数字数据，并存储在数据存储器中。

13、所述数据传输系统包括数据缓存模块、传输协议模块与传输控制模块，所述数据缓存模块负责暂时存储采集到的声音数据，以便在进行传输之前进行处理和排队等操作，所述传输协议模块负责实现数据传输的协议，所述传输控制模块负责控制数据传输的流程和速率，以确保数据传输的效率和稳定性，所述数据缓存模块将采集到的声音数据传输给传输协议模块，以便进行传输协议的封装处理，所述传输协议模块根据传输控制模块的要求，对声音数据进行处理；

14、其中，数据缓存模块可以使用缓冲区或者临时文件等方式进行数据存储，传输协议模块可以将采集到的声音数据进行封装和解封装，确保数据能够在网络中正确传输，传输控制模块可以根据需。

15、所述分类识别系统包括特征提取模块，训练模型模块与分类预测模块，所述特征提取模块负责从采集到的声音数据中提取声音特征向量，所述训练模型模块训练一个模型来辨别不同动物种类的声音，所述分类预测模块负责使用训练好的模型对未知的声音特征向量进行分类预测，所述分类预测模块将待识别的声音特征向量输入训练好的模型，并输出对应的动物种类标签，所述提取声音特征向量作为训练数据，经过数据预处理后送入训练模型模块进行模型训练，训练好的模型在分类预测模块中进行加载和使用；

16、所述特征提取模块应用于短时傅里叶变换：

17、选择窗函数：选择汉明窗，用于将信号切分成较短的时间段；

18、截取信号：将需要分析的声音数据信号按照汉明窗的长度进行截取；

19、计算傅里叶变换：对每个时间段的信号进行傅里叶变换，得到该时间段的频谱；

20、移动窗口：将窗口在时间轴上移动，并对每个窗口内的信号进行傅里叶变换，得到不同时间段的频谱；

21、合成频谱图：将所有时间段的频谱组合起来，得到声音数据信号的时间-频率表示；

22、所述训练模型模块利用卷积神经网络(cnn)训练模型：

23、输入数据表示：假设输入数据为一个多维数组，记为x，x的维度为(批量大小，通道数，高度，宽度)，分别表示输入的样本数量、通道数量、图像高度和图像宽度；

24、卷积操作：通过卷积核对输入数据进行滑动窗口的卷积操作，提取输入数据中的特征，假设卷积核的维度为(通道数，卷积核高度，卷积核宽度)，记为w，卷积操作可以通过以下公式表示：z[i,j]＝sum(sum(sum(x[:,:,i:i+h,j:j+w]*w)))+b，其中，z是卷积操作的输出，表示特征图，i和j表示特征图的位置，h和w分别表示卷积核的高度和宽度，b是偏置项；

25、激活函数：在卷积操作之后，通常会应用relu对特征图进行非线性变换，增加网络的表达能力；

26、池化操作：通过在局部感知区域内选择平均值作为池化结果，减少特征图的空间维度，并保留重要的特征信息；

27、全连接操作：在经过多次卷积和池化操作之后，将特征图展开成一维向量，并通过全连接层进行分类或回归任务，全连接层中的每个神经元都与前一层的所有神经元相连，通过学习权重和偏置来建立输入和输出之间的映射关系；

28、损失函数：在cnn中，使用交叉熵损失函数来度量模型的预测结果与真实标签之间的差距；

29、反向传播算法：使用反向传播算法来计算损失函数对于模型参数的梯度，并使用梯度下降来更新模型参数，不断优化模型的性能。

30、所述预警系统包括事件识别与分类模块与警报模块，所述事件识别与分类模块根据预定义的规则和模型对其进行识别和分类，所述警报模块根据预定义的规则和优先级进行处理，如果检测到特定的声音模式或威胁动物安全的声音，警报模块会触发警报并采取相应措施，其中，相应措施包括发出警报声、发送通知给相关人员等，所述事件识别与分类模块将识别出的事件信息传递给警报模块。

31、所述数据处理和分析系统包括数据收集与整合模块、数据处理模块、数据分析与建模模块、生态评估指标计算模块与生态平衡分析模块，所述数据收集与整合模块负责收集、整合和管理各种与动物种群相关的数据，所述数据处理模块用于对各种与动物种群相关的数据进行处理，所述数据分析与建模模块：在生态评估系统中，数据将经过分析和建模，以揭示物种分布、数量和种群动态的趋势和模式，所述生态评估指标计算模块用于计算各种生态评估指标，所述生态平衡分析模块用于评估动物种群与其生态环境之间的平衡状态；

32、所述数据处理模块应用有pca进行特征提取，将数据化后的数据设置为m个样本{x1，x2，...，xm，},每个样本有n维特征每一个特征都有各自的特征值；

33、首先对所有特征进行去中心化，即去均值，求出每个特征的平均值，然后对于所有的样本，每一个特征都减去自身的均值，其中各自的均值分别为在去中心化后再求协方差矩阵其中对角线上分别是特征x1和x2的方差，非对角线上是协方差，cov(x1,x1)的计算公式为由此得出m个样本在这n维特征下的协方差矩阵c；

34、得到协方差矩阵后，根据特征方程cμ＝λμ求出其特征值及其对应的特征向量，其中λ为特征值，μ为其对应的特征向量，选择最大的前k个特征值和相对应的特征向量进行投影，投影即为降维的过程，将原始特征从高维度降低到低维度，降维后除去了大量的冗余信息，且至少保留了原来85％以上的信息，处理后的各种与动物种群相关的数据集便于进行分析展示；

35、其中，与动物种群相关的数据包括野外调查、监测数据、物种分布记录等，这些数据可以来源于野外实地调查、传感器网络、卫星遥感等多种渠道，生态评估指标包括物种多样性指数、物种丰富度、种群密度、生境质量等，这些指标提供了对物种和生态系统健康状况的量化评估，所述生态平衡分析模块通过分析物种的相互作用、食物链和生态位，可以了解到不同物种的相互依赖关系和对生态系统功能的影响。

36、对于上述数据存储和备份系统来说，所述数据存储和备份系统包括数据存储模块、数据备份模块与数据恢复模块，所述数据存储模块负责接收、存储和管理采集和处理的数据，所述数据存储模块包括数据分类和索引的功能，以方便数据的组织和检索，所述数据备份模块负责定期对数据进行备份，以保障数据的安全性和可恢复性，所述数据恢复模块设计并实现数据的快速恢复机制；

37、其中，所述数据存储模块可以使用数据库、分布式文件系统等存储技术，将数据保存在可靠和可扩展的存储介质中，备份可以存储在不同的设备或远程位置，以防止主要存储介质发生故障或遭受灾害，备份可以是完全备份或增量备份，根据具体需求进行设定，当数据存储介质发生故障或数据丢失时，所述数据恢复模块可以使用备份数据进行快速恢复，以确保数据的完整性和可用性，恢复过程可能包括数据迁移、数据重建等操作。

38、所述可视化和报告系统包括数据处理模块、可视化模块与报告生成模块，所述数据处理模块负责对采集到的数据进行处理和分析。它可以根据具体的需求使用统计学方法、机器学习算法等技术对数据进行分析和挖掘，以提取有用的信息和关系，所述可视化模块将处理和分析的结果以可视化形式呈现给用户，所述可视化模块可以支持用户对数据进行交互操作，所述报告生成模块负责生成相应的报告，将可视化结果和分析结论整合到报告中；

39、其中，可视化形式包括使用图表、地图、仪表盘等方式，将数据转化为易于理解和解释的视觉元素，交互操作包括缩放、过滤或选择特定的数据展示方式，报告可以包括对数据结果的解释、趋势分析、推断性的结论等，以便用户能够更全面地理解和利用数据。

40、相比现有技术，本发明的有益效果为：

41、1、本发明中，使用时，将采集到的数据提供给分类识别系统与数据处理与分析系统，分类识别系统提取特征信息，利用卷积神经网络训练模型，对动物声音进行分类和识别，预警系统针对关键事件，设置优先级处理机制，确保对动物异常行为的快速响应，提高实时性。

42、2、本发明中，使用时，基于长期监测数据，对动物种群分布、生态平衡等方面进行评估，为生态保护和可持续发展提供科学依据。