利用音視頻信息自動監測綿羊在牧場上覓食行為

沈洋

（中山市悅辰電子實業有限公司 廣東省中山市 528447）

在我國，草覆蓋了60%的農業用地，高原占總用地的60%。尤其是高原牧場，以及它們所維持的棲息地，具有生物多樣性的植物物種的特點，這些物種主要由放牧綿羊維持。為了理解綿羊維持高原的過程，需要開發方法來量化綿羊實際選擇吃什么。此外，在生物多樣性牧場上放牧的動物提供更優質的肉類在經濟上也存在爭議，因此飲食中植物類型的量化具有進一步的相關性。我國動物科學學會目前的推動因素正在鼓勵我國畜牧業生產專業人士加強和優化低投入的草場養殖系統。

為了優化飼料對飼料的貢獻，必須使用不會干擾自由放養動物在混合植物群落上的放牧行為的技術來理解行為對飼料選擇的影響。這項研究的重點不是飼料的攝入，這通常是值得關注的，而是聲學分析是否可以用來確定自由放養動物的覓食選擇。專注于利用聲學分析來確定實際放牧時間跨度（幾個小時）內的覓食行為。該項目與無線傳感器網絡系統的開發同步進行，無線傳感器網絡系統與運動傳感器集成，用于定位綿羊和描述放牧事件，該系統最初由作者在2013年進行了描述，此后已向商業應用發展。因此，飼料攝入參數將成為未來論文的主題，預計本文的研究結果將有助于長時間（數周、數月甚至數年）的動物音頻監測的整合。

在這一領域工作的其他作者考慮了咬合事件頻率、咬合持續時間和咬合力導數，所有這些都與草皮高度相關。結果表明，這可能與干物質的攝入量有關，但從這些數據中不能得到不同類型的取食植物。另一項工作則著眼于聲音信號（包括咬和嚼）的自動事件識別的聲學建模。這是專門為同一飼料類型提出了限制綿羊。根據果園草或紫花苜蓿（Medicago sativa）和草地高度的頻率和相對振幅，分別描述了攝食事件波形的分割和隨后的自動分類。這項工作描述了67%準確率的飼料類型和82%準確率的覓食事件[1]-[3]。

因此，本文超越了目前的技術水平，證明了利用音頻和視頻分析，可以確定給定生物多樣性牧場的自由放養綿羊的放牧行為。此外，這項工作表明，通過進一步的校準，僅通過聲音分析就有可能提供有關自由放養動物放牧習慣的實時信息。這將是當前分析中的一個重大變化，它通常依賴于耗時的人類觀察。顯然，這種方法不能在放牧季節連續進行，從而限制了有關自由放養動物飲食習慣的可用信息[4]-[5]。

1 方法論

1.1 實驗裝置

提供了四只成年母羊：一只特克塞爾羊（約70 公斤）、兩只希伯萊羊和一只威爾士巴爾文羊（均約30 公斤）。每只羊都配有鉻鞣皮革吊，吊帶上附有一個帶有120°廣角鏡頭的小型攝像機。這些實驗在我國柴郡肖特威克333781371970 號操作系統進行。兩塊地（用黃色標出，每塊20×60 米）至少有20年沒有使用過人工肥料，在過去11年里，綿羊（n=3 或4）輕度放牧。場地2（第4-6 節）有5 棵果樹。2020年6月，在這種生物多樣性成熟牧場上對圍場的植物多樣性（發生率%）進行了檢測，當時禾本科植物的種子頭使植物鑒定更容易。將田地等分為三個部分，并在每個田地部分測量20×1 m2樣方。植物多樣性較好，發現該地區含有三葉草-黑麥草，以及額外的紅羊茅、苧麻、毛茛和草甸草混合物。具體數量如表1所示。

2020年7月期間在試驗場生長的植物物種的數量，在監測動物放牧之前立即測量。分類在“其他”的植物種類包括：千里光（千里光）、巴氏囊、甜春花（花冠）、雛菊（百年菊）、杜克（鈍枝）、蕁麻（蕁麻）、繁縷（繁縷）和雞冠花（鴨茅）。

1.2 聲音和視頻分析

SoundAnalysis Pro 2011 用于分析動物發出的聲音；該軟件專門為此目的而設計，并提供廣泛的音頻分析功能。這與記錄的視頻數據相結合，以確定每種聲音出現時動物在吃什么，從而允許適當的分類和隨后的校準。

表1：樣本地塊多樣性統計

SoundAnalysis Pro 2011 手冊回顧了全球公認的基于音調、音調優度、振幅調制、頻率調制和維納熵的動物聲音描述符。維納熵與聲音中能量的動態變化程度相對應[6]-[10]。

SoundAnalysis Pro 2011 與其他免費軟件在分離動物聲音特征的寬帶聲音方面進行了審查，發現它對背景干擾具有相對免疫性。

所有動物在2020年8月1日至21日期間都被拍攝到三到四次覓食，每次長達8 小時。音頻文件按以下方式處理：

（1）轉換為WAV 格式，便于處理使用FormatFactory1 免費軟件應用程序；

（2）使用Audacity 2 分割成10 秒的片段免費軟件應用；

（3）導入SoundAnalysis Pro 2011，用于全球公認的聲音描述符的數據采集；

（4）導出到SPSS 21 進行判別函數分析和單因素方差分析。

全球公認的聲音描述符特別考慮：頻率調制；幅度調制；基音；基音優度；和維納熵。隨機選擇12 種覓食活動或種類，以便對報告的結果給予適當的信心。

2 結果與討論

圍場在禾草和草甸植物中都具有很強的生物多樣性，因此非常適合本研究。聲音描述符變量是高度不對稱的，因此它們是基于音高和音高數據優度的log10 變換標準化的。所有變量通過計算中位數的變異進一步標準化。對5 個語音描述符進行判別函數分析，按覓食分類。第一個導出的分量描述了數據中94%的變化，由維納熵控制。

休息或背景噪聲和發聲與覓食類別的區分準確率分別為100%和94%，而覓食類別之間的區分準確率僅為47%。判別函數分析不能區分瀏覽和放牧覓食的種類。用單因素方差分析方法研究了覓食種類對聲音描述符頻率調制、幅度調制、基音、基音優度和維納熵均值的影響。事后檢驗采用最小顯著性差異檢驗（p<0.05）。

四個聲音描述符有效地區分了覓食類別和頻率樣本數據；給出了兩只綿羊的例子。平均振幅調制顯示出對覓食種類的辨別能力。全球公認的聲音描述符音高，音高，頻率調制和維納熵都證明了有用的區別在所有綿羊覓食類別。不同覓食類型間的平均數據差異顯著（p<0.001）。覓食種類的變化模式也很相似。背景咀嚼的音高和頻率值低于其他覓食種類。干飼料（放牧與放牧飼料）產生更高的頻率和瀝青的咬和咀嚼。放牧在郁郁蔥蔥的三葉草或黑麥草為主的草地上，一般產生較低的頻率和瀝青值[11]-[12]。

飼料的干物質含量是根據所提供的均質飼料材料推斷出來的。這與先前的研究一致，即干物質含量越高的材料每咬一口就咀嚼的次數越多。較小的綿羊（赫布里迪亞羊和威爾士巴爾文羊）的標準化頻率數據（范圍40-50）和標準化音調數據（范圍2.26-3.10）的值比特克斯羊高（范圍0-10；-0.13 到-0.03）。這可能與較小或較大的頭骨在咬合和咀嚼時的共振特性有關。這表明，在群體大小不等的情況下，必須對較大或較小動物的數據進行校準。一般來說，情況并非如此，繁殖的羊群往往大小一致。可能只需要將設備放置在羊群中數量有限的動物身上，就可以了解牧草的使用情況以及放牧對棲息地的影響。維納熵描述了聲能的動態變化，也被認為主要受飼料中干物質含量的影響。平均值在覓食類別中產生了特別強烈的差異。它與振幅本身無關，這可能是由維納熵對數據的強烈影響所證實的，而不是振幅。

3 結論

在混合草地上放牧的所有綿羊中，根據通過口腔傳播的聲音以及與咬合和咀嚼相關的植物群落來區分覓食種類是可能的。干物質含量較高的牧草產生較高的基音和頻率數據。根據頭骨大小的共振特性，動物個體的“校準”似乎是有序的。這些數據將補充即將進行的更廣泛研究中使用的技術，在那里自由放養的綿羊將被定位，它們的覓食運動將通過加速計實時和季節性時間尺度跟蹤。這些技術將為監測自由放養動物對混合草地的影響提供有用的管理工具。這些數據將對生物多樣性棲息地的土地管理者感興趣，這些棲息地的敏感區域需要仔細放牧。