籠養和棲架養殖模式下蛋雞的發聲特征

宗 超，曹晏飛，曹孟冰，高錦浩，李書磊，劉慕霖，滕光輝，王朝元

·農業信息與電氣技術·

籠養和棲架養殖模式下蛋雞的發聲特征

宗 超1，曹晏飛2，曹孟冰1，高錦浩1，李書磊1，劉慕霖1，滕光輝1，王朝元1

（1. 中國農業大學水利與土木工程學院，農業農村部設施農業工程重點實驗室，北京 100083；2. 西北農林科技大學園藝學院，農業農村部西北設施園藝工程重點實驗室，楊凌 712100）

為了分析不同飼養模式和階段對蛋雞發聲的影響，并為構建基于蛋雞聲音信息的健康養殖評價系統提供參考，該研究對蛋雞的發聲進行了監測，通過聲音預處理、特征提取、數據挖掘和統計分析等方法，研究籠養和棲架飼養模式下、育成期和產蛋期蛋雞的聲學特征。結果表明，典型蛋雞聲音可分為產蛋叫聲、鳴唱聲、鳴叫聲和爭斗尖叫聲等四類。產蛋期蛋雞發聲的峰值頻率和聲音能量水平均低于育成期蛋雞。同時發現蛋雞發聲的峰值頻率與蛋雞周齡大小呈現負相關關系，由14周齡的（2 192±320）Hz降至41周齡的（1 550±345）Hz。比較籠養和棲架養殖模式下蛋雞的聲音特征發現：棲架養殖模式下蛋雞發出的聲音信號次數、持續時間和聲音能量均高于籠養模式，棲架養殖下的蛋雞發聲數量是籠養模式下蛋雞的3倍以上，棲架系統內蛋雞白天的聲音能量比籠養蛋雞高接近1倍，這些結果表明在以福利化為目標的棲架養殖模式中蛋雞表達更多的自然行為，蛋雞發聲的豐富程度可用于后續開發評價蛋雞的福利狀況的方法。

聲學特征；養殖；籠養；棲架；蛋雞；福利

0 引 言

自改革開放以來，中國的蛋雞養殖體系發生了巨大變化，由小戶的散養逐步向規模化養殖發展，當前的規模化蛋雞養殖場廣泛使用疊層籠養模式[1]。由于疊層籠的空間有限，極大的限制了蛋雞的活動自由，蛋雞的健康狀況較差，易患骨質疏松癥等疾病[2]。為了改善蛋雞的健康和福利，傳統籠養模式逐漸在歐美等發達國家被禁止。對新型福利化蛋雞養殖模式的研發已經在世界各地陸續開展，立體棲架養殖模式是當前主要的新型福利化蛋雞養殖模式之一，其保證了蛋雞足夠的活動空間，且能讓雞只充分表達自然行為[3]。

聽覺和發聲是蛋雞發現世界和與外界交流的重要手段[4-5]，蛋雞的發聲在很大程度上取決于蛋雞的生長環境。蛋雞使用聲音來表達其生理狀態、進行交流或向同伴警報危險等[6]。隨著精準畜牧業（Precision Livestock Farming，PLF）的快速發展，利用圖像和聲音技術監測動物生長變得越來越受歡迎[7-10]。PLF主要包括開發自動在線監控工具[7]、監控動物的行為及動物對外界刺激的反應等[5,8]。使用PLF方法以非接觸的方式采集動物的圖像和聲音，可以應用于不同規模畜禽身上，包括動物個體和整個群體的監測，以及評估環境和動物健康、福利與管理等[9]。PLF可以提供“預測”的能力（例如健康和福利狀況，生產，增長趨勢等）[10]，幫助農場管理人員對風險警告采取積極措施。通過PLF技術提取蛋雞的聲音特征可以反饋蛋雞的健康和福利狀況[11]，分析蛋雞聲音信息可以作為評估蛋雞福利狀況的有效輔助手段。

本文以傳統籠養和棲架養殖模式下的蛋雞發聲為研究對象，通過聲音預處理、特征提取和數據挖掘算法，對蛋雞聲音進行識別分類；研究蛋雞聲音特征隨周齡變化的規律；同時比較和評估籠養和棲架養殖模式下蛋雞的聲音特征；以期構建基于蛋雞聲音信息的健康養殖評價系統，并為蛋雞生產預警提供理論和技術支撐。

1 材料與方法

1.1 試驗對象

本研究在中國農業大學上莊試驗站內開展。試驗以同一批次（86日齡開始）、質量相近（平均1.1 kg）、健康狀況良好的80只海蘭褐蛋雞為研究對象。蛋雞被隨機分為兩組，一組蛋雞采用棲架模式飼養（55只蛋雞），另一組在傳統籠養模式下飼養（25只蛋雞）。

棲架養殖和籠養模式的示意簡圖如圖1所示。籠養系統的籠具尺寸為2.5 m×0.5 m×0.5 m（長×寬×高），平均每只雞占據的籠網面積為500 cm2。棲架養殖系統的尺寸為4.5 m×0.75 m×2.9 m（長×寬×高），在各層平臺的網面上均采用金屬網+塑料網進行鋪設，總面積為32 625 cm2（平均每只產蛋雞所占網面為593 cm2）。兩種飼養模式下，蛋雞的糞便均通過網格落入下層清糞帶上。

在飼養期間，傳統籠養模式和棲架養殖模式在免疫程序、管理方式、照明和舍內空氣溫濕度、風速、氣體濃度等環境條件相同。兩種模式下的蛋雞均自由采食和飲水。

1.2 蛋雞發聲的獲取

本研究的測試從蛋雞13周齡開始，至蛋雞42周齡為止，在此期間定期采集蛋雞的聲音，其中13～18周齡為蛋雞育成期，19～42周齡為蛋雞產蛋期。蛋雞發聲信息采集系統通過美國國家儀器公司的PXI-1050測量系統完成，其中的聲音采集卡為8通道、24位分辨率、102.4 kS/s采樣頻率的NI 4472B（National Instruments，美國），聲音傳感器為響應頻率為0.02～20 kHz的MPA201全向傳感器（BSWA，中國），錄音軟件為NI Sound and Vibration Assistant 2010 （National Instruments，美國）。在籠養和棲架養殖模式中，拾音器均安裝在距地面2 m的高度處（圖1）。

聲波是一種機械振動，可以通過氣體、液體或固體介質在所有方向進行傳播。聲壓是空氣靜壓的動態變化。信號能量與傳播距離的平方成反比。在正式采集蛋雞聲音前，為了減少聲音傳感器的誤差，需要對其進行校正，以滿足蛋雞舍中音頻采集的要求。在實驗室內將兩個測試用定向聲音傳感器和一高清聲音采集裝置安裝在同一位置以獲得相同的聲音。首先，隨機選擇了141個聲音樣本進行訓練，然后，通過測試另外140個聲音樣本完成校正。

兩組不同聲音傳感器所采集的聲音樣本的聲壓的比較如圖2a所示，在修正前，拾音器1所獲得的蛋雞的聲壓整體上大于拾音器2獲得的蛋雞的聲壓。兩組聲音傳感器之間的平均相對誤差為 5.7%±1.0%。利用最小二乘法修正模型對傳感器進行修正。以140個聲音樣本進行驗證測試。拾音器1和2的聲壓如圖2b所示，兩者之間的差異變小，平均相對誤差為0.7%±0.5%。校正后的采集模型可以滿足試驗記錄的要求。

通過校正的聲音傳感器獲取蛋雞聲音，并將聲音片段導入識別軟件進行分析處理。

1.3 蛋雞聲音識別方法

本研究中開發的自動檢測算法可分為三部分[12-14]：聲音預處理、特征提取和決策分類（圖3）。首先，對采集的聲音信號進行分幀處理，得到一幀一幀的聲音信號，通過一定長度的可移動的漢明窗對聲音進行加權來實現分幀，將分割為幀的信號進行特征參數分析，去除原始聲音數據中的背景噪聲，實現聲音信號的預處理。再利用離散傅里葉變換（Discrete Fourier Transform，DFT）的方法提取信號特征，選取一定數量的原始數據進行人工標記，注釋蛋雞叫聲的開始和結束位置。最后，采用基于J48決策樹算法（Weka，Waikato大學，新西蘭）的蛋雞發聲分類模型構建聲音分類器[12]，決策樹是一種非線性分類器，由根節點和內部節點及葉節點組成樹形結構，信號自根節點自上而下依次運行，對子樹節點的幾何進行分類，形成葉子結點，實現不同蛋雞叫聲的分類識別。

整個算法利用NI LabVIEW 2015（National Instruments，美國）和Matlab R2012a （MathWorks Inc.，美國）開發，相關的頻譜特征參數包括：持續時間、振幅、峰值頻率、頻譜質心等，這些參數都將用于統計分析中。

為了更好地分析蛋雞的聲學特征，采用頻率范圍為400～5 000 Hz的帶通濾波器對聲音進行濾波，然后使用離散傅立葉變換計算不同聲音信號的功率譜，可以獲得每種聲音的三維特征譜，更好的分析蛋雞聲音特征。

1.4 蛋雞發聲的統計學分析

數據分析分為兩步。首先，將來自現場研究的數據組織在一個電子表格中，包含記錄和計算的屬性。最終的數據集含有70%的數據來訓練識別分類的算法，30%的數據來驗證輸出結果。

蛋雞聲音的識別分類效果用下面的公式進行評估。

式中P為精確率；R為查全率。識別正確的聲音定義為TP，未被識別出來的分類定義為FN，識別出的其他分類的聲音定義為FP；為數量；

本研究通過精確率和查全率作為衡量聲音識別分類的效果。同時，采用次協調邏輯算法（Paraconsistent Algorithm）對蛋雞聲音識別做進一步分析[15]。

對籠養育成期（Cage system Growing stage，CG）、籠養產蛋期（Cage system Laying stage，CL）、棲架育成期（Perch system Growing stage，PG）和棲架產蛋期（Perch system Laying stage，PL）的峰值頻率的差異采用檢驗進行兩兩對比分析，來評價不同飼養模式和飼養階段下蛋雞的聲音數據是否有統計學意義的變化。

2 結果與分析

2.1 蛋雞的聲學特征分類

本研究基于分類器決策樹輸出算法對蛋雞的發聲進行識別分析，分別是產蛋叫聲、鳴唱聲、鳴叫聲和爭斗尖叫聲，4種聲音具有典型的特征譜[16]。

不同類型聲音的識別率存在一定差別，對產蛋叫聲（93%）的識別總體上有較高的準確性，但對鳴唱聲（89%）、鳴叫聲（83%）或因爭斗產生的叫聲（75%）的識別精確度只是中等。

對產蛋期的400個有效蛋雞聲音音頻片段進行特征提取和分析，結果表明：46%為產蛋叫聲，表現為音序的周期性重復，音序周期間有100～2 000 ms的停頓；26%為蛋雞鳴唱聲，表現為緊湊的音序，音序間過渡時間低于200 ms；蛋雞的鳴叫聲占比約為19%，爭斗叫聲約為9%，均表現為單音節，聲音能量高。

表1列出了產蛋期4種不同類型蛋雞聲音在聲學特征上的比較，可以發現所有類型的聲音均在5 000 Hz頻率范圍內。同時發現，蛋雞鳴唱聲會持續很長時間，而蛋雞爭斗時發出的尖叫聲會持續很短時間。峰值頻率可反應最大頻域能量出現的頻率，蛋雞產蛋叫聲的峰值頻率最大，而鳴叫聲的峰值頻率最小。頻譜質心用于反映整個頻率范圍內的反應聲能，鳴唱聲的頻譜質心最小，而尖叫聲的頻率范圍內的能量分布范圍更廣。在產蛋過程中，聲音的聲壓是最大的。

表1 蛋雞典型發聲的聲學特征

在分類器決策樹輸出算法的基礎上，應用次協調邏輯算法對蛋雞聲音進一步分析[17-18]。繪制出峰值頻率與聲音信號持續時間對比的分析圖。圖4顯示，大部分與產蛋相關的聲音信號集中在0.3～20 s，峰值頻率在2 500～3 500 Hz之間。鳴叫聲和爭斗叫聲的聲音信號0.2～1.7 s，峰值頻率主要在500～4 000 Hz之間變化。鳴唱聲的范圍則比較廣，持續時長在0.2～12 s之間，峰值頻率在1 000～4 000 Hz之間。本研究結果表明，蛋雞產蛋時叫聲的持續時間和峰值強度在整體上高于其他類型的聲音。同時發現，爭斗的聲音信號與平時的鳴叫聲音信號有超過50%的重疊，這意味著爭斗叫聲和平時的鳴叫聲之間較難消除不確定性影響。

2.2 蛋雞發聲隨周齡變化的特征

在本研究中，蛋雞從14周齡（育成期）長到41周齡（產蛋期）期間的聲音數據都合并到一個大數據集中，用于統計分析，按照每周進行平均計算。表2展示了蛋雞分別在15周齡（育成期）和24周齡（產蛋期）的聲音特征參數的對比，可以發現：相比于育成期蛋雞，產蛋期蛋雞的發聲持續時間變長，但峰值頻率和頻譜質心均較大幅度的減小，而聲壓則稍有提高。

注：育成期和產蛋期分別為15周和24周齡。

Note: Growing and laying stages are 15 weeks and 24 weeks, respectively.

圖5顯示了從第14周到第41周期間收集的蛋雞聲音的峰值頻率變化的總體趨勢，峰值頻率隨著蛋雞的生長而下降。在周齡是14周時，平均峰值頻率為（2 192±320）Hz，周齡為41周時，平均峰值頻率為（1 550±345）Hz。按照遞減規律，峰值頻率在育成期內每周減少了大約44 Hz，在產蛋期內每周減少約15 Hz。表明對蛋雞而言，周齡大小和發聲頻率之間存在負相關關系，這一發現與Fontana等[19-22]的研究結果一致。

2.3 棲架養殖和籠養模式中蛋雞的聲學特征比較

在籠養和棲架養殖模式內，選取產蛋期的一周對蛋雞聲音進行采集，以分析一天內的蛋雞聲音幅值的變化，計算每一小時的平均聲音能量值，一天內的聲音能量變化如圖6所示。結果顯示：蛋雞在24 h周期內的聲音幅值與所采取的光照策略呈現高度相關性。在熄燈期間，聲音能量大約維持在1.0 V2?s左右，隨著燈光的開啟，雞舍內的聲音能量逐步增大，且上午的聲音能量要大于下午的聲音能量。比較兩種不同的飼養模式可以發現：棲架模式下的蛋雞聲音能量要大于籠養模式的蛋雞聲音能量，白天的聲音能量高接近1倍左右。

圖7顯示了不同養殖模式下蛋雞聲音的來源。與籠養模式相比，棲架養殖模式下的蛋雞發出的聲音更多，特別是在產蛋叫聲和鳴唱聲方面，棲架模式的發聲數量是籠養模式下的3倍以上。本研究中，在棲架環境中的蛋雞聲音信號的次數、持續時間和強度相對于籠養蛋雞發聲都有所增加，這表明蛋雞在以福利為目標的棲架養殖模式中表現出更好的自然行為。

表3列舉了兩種飼養模式下育成期和產蛋期蛋雞發聲峰值頻率的結果，表4評估了特定階段（育成期和產蛋期）或飼養環境（籠養或棲架飼養）對蛋雞發聲的影響。其中育成期蛋雞叫聲要高于產蛋期蛋雞叫聲，蛋雞的峰值頻率下降了約220 Hz（表3）并顯示出顯著差異（< 0.001），而在同一生長階段，籠養和棲架養殖下蛋雞的峰值頻率之間沒有顯著差異（表4）；而不同生長階段（育成期和產蛋期）收集到的籠養和棲架飼養模式下蛋雞發聲的峰值頻率之間的相關性低（CG和CL；PG和PL），同時，PG和CL、CG和PL之間的差異性顯著（<0.001）。試驗過程中觀察到：棲架養殖模式下蛋雞在育成期的更為活潑，而產蛋期的蛋雞變得相對慵懶。同時，相對于籠養模式，蛋雞于棲架飼養模式下的叫聲次數等增加了，這表明蛋雞的生長環境導致了叫聲頻率的增加，這也可以表明蛋雞的發聲行為是在自然行為表達和社會互動信號中起作用。

表3 蛋雞發聲的峰值頻率的統計結果

注：PG代表棲架養殖下的育成期蛋雞；PL代表棲架養殖模式下的產蛋期蛋雞；CG代表籠養模式下的育成期蛋雞；CL代表籠養模式下的產蛋期蛋雞。

Note: PG is perch system at growing stage; PL is perch system at laying stage; CG is cage system at growing stage; CL is cage system at laying stage.

表4 不同飼養模式和階段下蛋雞發聲的峰值頻率的統計學比較

3 討 論

蛋雞在不同生長階段或不同飼養模式下會產生不一樣的聲音，蛋雞的發聲類型可以分為產蛋叫聲、鳴唱聲、鳴叫聲和爭斗尖叫聲，所有類型的聲音在棲架模式下均比籠養模式下出現的更多。對于不同生長階段的蛋雞，產蛋期比育成期增加了產蛋叫聲這一聲音類型，除此之外，主要的差異在聲音參數特征上，隨著周齡的增加，蛋雞的發聲頻率會逐漸減小。本研究是在前人研究方法的基礎上開展，所提出的分類識別方法相比前人的方法更為簡練。李志忠等[23]通過梅爾頻標倒譜系數對蛋雞聲音進行識別，但其缺少蛋雞聲音類型的介紹，余禮根等[13]利用haar小波變換音頻指紋的方法對蛋雞聲音進行識別，雖然其識別準確率較高，但存在識別過程繁瑣、效率不高等不足。與此同時，本研究在應用數據挖掘技術時，還有一些蛋雞聲音的識別準確度相對比較低。Leliveld等[24]發現，某些類型的聲音比其他類型更適合提供信息，在本研究中蛋雞的產蛋叫聲相對其他類型聲音具有更高的辨識度，這類聲音的振幅、持續時長和峰值頻率等參數特征鮮明。這表明在使用數據挖掘技術進行聲音識別分類，應該考慮到存在一定程度的不一致性。Marx等[25]發現，在動物打斗的過程中，所發出的聲音信號會有相當大的變化，這在本研究中的爭斗尖叫聲上也有所體現。

棲架飼養模式的設計出發點就是讓蛋雞可以更好的表達自然行為[1]，本文通過聲音特征的試驗分析也證實：相對于傳統籠養模式，棲架模式下的蛋雞會發出更多的叫聲。蛋雞的發聲頻率隨著周齡增長而逐步降低的現象與蛋雞聲帶逐漸增厚有關，這與前人研究觀察到的現象一致[19-22]。同時棲架模式下蛋雞的聲音持續時間也比籠養模式長，Leliveld等[24]觀察到動物的高尖叫聲（高頻和高強度峰值）持續時間會比較長，并與心率呈正相關，另有研究表明應激程度的增加也與血液皮質醇的升高有關[26]。

蛋雞在夜間聲音能量基本維持不變（1.0 V2?s左右），除非出現異常情況。根據這一現象，后續的研究可利用蛋雞聲音能量幅值作為閾值來監測并預警夜間蛋雞舍內的異常情況。同時，后續可開展基于蛋雞發聲的豐富程度來評價蛋雞的福利狀況的研究。此外，本文的研究思路也可以通過結合其他種類畜禽發聲的研究[27-28]來構建基于畜禽聲音評價動物福利的指標。在棲架模式下，蛋雞聲音信號的次數、持續時間和強度等參數與蛋雞血清皮質酮濃度間的關系，以及蛋雞行為（沙浴和修飾等）和發聲特征間的關系也需要做進一步的研究。通過深入分析蛋雞發聲所包含的信息，開發基于蛋雞聲音特征的自動識別裝備，可為實時監測規模化蛋雞舍的養殖狀態、生產預警等提供理論和技術參考。

4 結 論

本研究通過聲音預處理、特征提取和決策樹分類器識別出4類典型蛋雞聲音，其中的產蛋叫聲，表現為音序的周期性重復，音序周期間有100～2 000 ms的停頓；鳴唱聲，表現為緊湊的音序，音序間過渡時間低于200 ms；鳴叫聲和爭斗叫聲為單音節、聲音能量較高的一類聲音。同時發現蛋雞發聲的峰值頻率與蛋雞周齡大小呈現負相關關系，由14周齡的（2 192±320）Hz降至41周齡的（1 550±345）Hz。比較籠養和棲架養殖模式下蛋雞的聲音特征發現：棲架養殖模式下蛋雞發出的聲音信號的次數、持續時間和聲音能量均比籠養模式中的蛋雞更多，棲架養殖下的蛋雞發聲數量是籠養模式下蛋雞的3倍以上，白天時，棲架系統內蛋雞比籠養蛋雞的聲音能量高接近1倍，這些都表明蛋雞在以福利化為目標的棲架養殖模式中具有更多的自然行為表達。

[1]楊柳，李保明. 蛋雞福利化養殖模式及技術裝備研究進展[J]. 農業工程學報，2015，31(23)：214-221. Yang Liu, Li Baoming, Research progress of welfare-oriented breeding mode and technical equipment for laying hen[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(23): 214-221. (in Chinese with English abstract)

[2]Blokhuis H J, Van Niekerk T F, Bessei W, et al. The LayWel project: Welfare implications of changes in production systems for laying hens[J]. Worlds Poultry Science Journal, 2017, 63(1): 101-114.

[3]Savory C J, Jack M C, Sandilands V. Behavioural responses to different floor space allowances in small groups of laying hens[J]. British Poultry Science, 2016, 47(2): 120-124.

[4]Appleby M C, Hughes B O, Elson H A. Poultry Production Systems: Behaviour, Management and Welfare[M]. Wallingford, Oxon, UK: C. A. B. International. 1992.

[5]Tefera M. Acoustic signals in domestic chicken (): A tool for teaching veterinary ethology and implication for language learning[J]. Ethiopian Veterinary Journal, 2012, 16: 77-84.

[6]Fontana I, Tullo E, Scrase A, et al. Vocalisation sound pattern identification in young broiler chickens[J]. Animal, 2015, 10(9): 1567-1574.

[7]Aydin A, Bahr C, Viazzi S, et al. A novel method to automatically measure the feed intake of broiler chickens by sound technology[J]. Computers and Electronics in Agriculture, 2014, 101: 17-23.

[8]Fontana I, Tullo E, Carpentier L, et al. Sound analysis to model weight of broiler chickens[J]. Poultry Science, 2017, 96(11): 3938-3943.

[9]Guarino M, Jans P, Costa A, et al. Field test of algorithm for automatic cough detection in pig houses[J]. Computers and Electronics in Agriculture, 2008, 62(1): 22-28.

[10]Costa A, Ismayilova G, Borgonovo F, et al. The use of image analysis as a new approach to assess behaviour classification in a pig barn[J]. Acta Veterinaria Brno, 2013, 82: 25-30.

[11]Kim N Y, Jang S Y, Kim S J, et al. Behavioral and vocal characteristics of laying hens under different housing and feeding conditions[J]. JAPS: Journal of Animal & Plant Sciences, 2017, 27(1): 65-74.

[12]Frank E, Hall M, Trigg L, et al. Data mining in bioinformatics using Weka[J]. Bioinformatics, 2004, 20(15): 2 479-2 481.

[13]余禮根，滕光輝，李保明等，棲架養殖模式下蛋雞發聲分類識別[J]. 農業機械學報， 2013，44(9)：236-242. Yu Ligen, Teng Guanghui, Li Baoming, et al. Classification methods of vocalization for laying hens in perch system[J]. Transactions of the Chinese Society for Agricultural Machinery (Transactions of the CSAM), 2013, 44(9): 236-242. (in Chinese with English abstract)

[14]曹晏飛，余禮根，滕光輝等，蛋雞發聲與機械噪聲特征提取及分類識別[J]. 農業工程學報， 2014，30(18)：190-197. Cao Yanfei, Yu Ligen, Teng Guanghui, et al. Feature extraction and classification of laying hens’ vocalization and mechanical noise[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(18): 190-197. (in Chinese with English abstract)

[15]da Silva J P, de Alencar N??s I, Abe J M, et al. Classification of piglet () stress conditions using vocalization pattern and applying paraconsistent logic Eτ[J]. Computers and Electronics in Agriculture, 2019, 166: 105020.

[16]曹晏飛，復雜背景下蛋雞聲音分類提取方法研究[D]. 北京：中國農業大學，2015. Cao Yanfei, Research on Methods for Classification and Extraction of Laying Hens’ Vocalizations in Complex Environment[D], Beijing: China Agricultural University, 2015. (in Chinese with English abstract)

[17]Abe J M, Akama S, Nakamatsu K. Paraconsistent Intelligent-Based Systems New Trends in the Applications of Paraconsistency[M], 1 ed. Switzerland: Springer International Publishing. 2015.

[18]N??s I A, Lozano L C M, Abdanan M S, et al. Paraconsistent logic used for estimating the gait score of broiler chickens[J]. Biosystems Engineering, 2018, 173: 115-123.

[19]Fontana I, Tullo E, Butterworth A, et al. An innovative approach to predict the growth in intensive poultry farming[J]. Computers and Electronics in Agriculture, 2015, 119: 178-183.

[20]Bardeli R, Wolff D, Kurth F, et al. Detecting bird sounds in a complex acoustic environment and application to bioacoustics monitoring[J]. Pattern Recognition Letters, 2010, 31: 1524-1534.

[21]Rizwan M, Carroll B, Anderson D, et al. Identifying rale sounds in chickens using audio signals for early disease detection in poultry[R]. Proceedings Signal and Information Processing (GlobalSIP), IEEE Global Conference. 2016.

[22]Bowling D, Garcia M, Dunn J, et al. Body size and vocalization in primates and carnivores[J]. Scientific Reports, 2017, 7: 41070.

[23]李志忠，滕光輝. 基于改進MFCC的家禽發聲特征提取方法[J]. 農業工程學報，2008，24(11)：202-205. Li Zhizhong, Teng Guanghui. Feature extraction for poultry vocalization recognition based on improved MFCC[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(11): 202-205. (in Chinese with English abstract)

[24]Leliveld L M C, Düpjan S, Tuchscherer A, et al. Vocal correlates of emotional reactivity within and across contexts in domestic pigs ()[J]. Physiology & Behavior, 2017, 181: 117-126.

[25]Marx G, Horn T, Thielebein J, et al. Analysis of pain-related vocalization in young pigs[J]. Journal of Sound and Vibration, 2013, 266: 687-698.

[26]Numberger J, Ritzmann M, übel N, et al. Ear tagging in piglets: the cortisol response with and without analgesia in comparison with castration and tail docking[J]. Animal, 2016, 10: 1864-1870.

[27]黎煊，趙建，高云等. 基于連續語音識別技術的豬連續咳嗽聲識別[J]. 農業工程學報，2019，35(6)：174-180. Li Xuan, Zhao Jian, Gao Yun, et al. Pig continuous cough sound recognition based on continuous speech recognition technology[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(6): 174-180. (in Chinese with English abstract)

[28]蒼巖，羅順元，喬玉龍. 基于深層神經網絡的豬聲音分類[J]. 農業工程學報，2020，36(9)：195-204. Cang Yan, Luo Shunyuan, Qiao Yulong. Classification of pig sounds based on deep neural network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(9): 195-204. (in Chinese with English abstract)

Vocalization characteristics of laying hens under cage and perch systems

Zong Chao1, Cao Yanfei2, Cao Mengbing1, Gao Jinhao1, Li Shulei1, Liu Mulin1, Teng Guanghui1, Wang Chaoyuan1

(1.,,,,100083,;2.,,,,712100,)

In order to analyze the effects of different rearing systems and stages on the vocalization of laying hens, and to provide reference for further establishment of a healthy breeding assessment system based on the vocal information from laying hens, the vocalization of laying hens was monitored in this study. The acoustic characteristics of hens raised under cage and perch systems, at the growing stage and laying stage were studied. The experiment was conducted with the same batch of hens (starting from 86 days of age), which had similar body weights (average 1.1 kg) and health conditions. Those laying hens were randomly divided into two groups: 55 layer raised in the perch system and 25 layers in the cage system. The vocalizations of the laying hens were regularly collected from 13 weeks to 42 weeks of age, using National Instruments' PXI-1050 sound measurement system. The captured sounds were analyzed through pre-treatment, feature extraction and data mining algorithms. The spectrum parameters including duration, amplitude, peak frequency, frequency centroid had been used for statistical analysis. The results showed that the typical laying hen's voice could be classified into four types: egg-laying call, singing call, screaming call and fighting call. There were some differences in the vocal recognition process, with overall high recognition accuracy for egg-laying calls (93%), and moderate prediction rate for singing calls (89%), screaming calls (83%) and fighting calls (75%). Most of the sound signals associated with laying eggs are concentrated in the 0.3-20 s range, with peak frequencies in the 2 500-3 500 Hz. The sound signal of the screaming and fighting calls varies from 0.2 to 1.7 s, with the peak frequency mainly ranging from 500 to 4 000 s. Singing calls have a wide range, lasting between 0.2-12 s, and peak frequency ranging from 1 000-4 000 Hz. Compared with laying hens at the growing stage, the duration of vocalization of laying hens at the laying stage was longer, and the values of peak frequency and spectral centroid were decreased, while the sound pressure was slightly increased. It was also found that the peak frequency of laying hens' vocalization was negatively correlated with their age increasing. At 14 weeks of age, the average peak frequency was (2 192±320) Hz; while the average peak frequency was (1 550±345) Hz at 41 weeks of age. The peak frequency decreased by about 44 Hz per week during the growing period and about 15 Hz per week during the laying period. Compared with hens in the cage system, hens in perch system produced more sounds, especially egg-laying and singing sounds. The sound energy of laying hens in perch system was also greater than that of laying hens in cage system. The welfare orientated environment leads to an increase in the frequency of hens’ calls, which may also indicate that their vocalization plays a role in natural behavioral expression and social interaction signals. The amount of laying hens call can be used as an indicator to evaluate the welfare of laying hens. In addition, the sound energy of laying hens at night was basically stable (around 1.0 V2·s), unless there were abnormal conditions. According to this phenomenon, the change of acoustic energy amplitude of laying hens can be used as a threshold to monitor and warn the abnormal situation in the laying hens' house during night.

acoustic properties; feeding; cage system; perching system; laying hen; animal welfare

宗超，曹晏飛，曹孟冰，等. 籠養和棲架養殖模式下蛋雞的發聲特征[J]. 農業工程學報，2021，37(6)：135-141. doi：10.11975/j.issn.1002-6819.2021.06.017 http://www.tcsae.org

Zong Chao, Cao Yanfei, Cao Mengbing, et al. Vocalization characteristics of laying hens under cage and perch systems[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(6): 135-141. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.06.017 http://www.tcsae.org

2020-10-01

2021-01-13

國家重點研發計劃項目（2017YFD0701602）

宗超，博士，副教授，研究方向為畜禽舍環境模擬與養殖智能化裝備研發。Email：chaozong@cau.edu.cn

10.11975/j.issn.1002-6819.2021.06.017

TN713

A

1002-6819(2021)-06-0135-07