ارائه کننده : یاسمن فیضی

استاد راهنما: دکتر علیرضا مهدویان

استاد مشاور: دکتر احمد بناکار، دکتر سعید مینائی

تاریخ :  1405/07/04

ساعت : ۱۱ 

مکان: سالن سمینار شماره 2

چکیده: 

پژوهش حاضر با هدف ارزیابی قابلیت استخراج فرکانس پایه از آوای طیور تجاری به کمک پنج الگوریتم معتبر YIN، SWIPE، Spectrogram Peak Tracking (SPT)، Cepstrum Method و Normalized Correlation Function (NCF) بر روی آوای طیور تجاری انجام شد. با توجه به رشد کاربردهای پایش صوتی هوشمند در صنعت پرورش طیور، انتخاب یک الگوریتم دقیق و پایدار برای استخراج فرکانس پایه که بتواند اطلاعات ارزشمندی درباره سلامت، استرس و سن پرنده ارائه دهد، یک ضرورت پژوهشی محسوب می‌شود. این در حالی است که برخلاف گفتار انسان که الگوریتم‌های مذکور برای آن طراحی شده‌اند، ساختار دستگاه صوتی پرندگان (سیرینکس) با حنجره و مجرای صوتی انسان تفاوت اساسی داشته و مکانیسم تولید صوت در آنها کاملاً متفاوت است. بدین منظور، نمونه‌های صوتی از دو جنس نر و ماده در بازه سنی هفته اول تا ششم از پایگاه داده موجود استخراج گردید. پس از پیش‌پردازش سیگنال‌ها و محاسبه دقیق فرکانس پایه به عنوان مقدار مرجع، الگوریتم‌های مذکور در نرم‌افزار MATLAB R2023a پیاده‌سازی شده و خروجی هر یک با مقدار مرجع مقایسه شد. نتایج نشان داد که الگوریتم  SPT  با خطای کمتر از 1/4٪ در نمونه‌های نر و 3/3٪ در نمونه‌های ماده، بهترین عملکرد را در تمام طول دوره رشد داشته و به عنوان برترین الگوریتم معرفی می‌گردد. الگوریتم‌های SWIPE،NCF، Cepstrum و YIN  به ترتیب در رتبه‌های بعدی قرار گرفتند. همچنین مشخص شد که عملکرد الگوریتم‌ها در نمونه‌های ماده به طور قابل‌توجهی بهتر از نمونه‌های نر است و با افزایش سن، خطای تخمین در الگوریتم‌های همبستگی‌محور به شدت افزایش می‌یابد. به طور کلی، الگوریتم SPT  به عنوان روشی دقیق، پایدار و مستقل از سن و جنسیت برای کاربردهای پایش سلامت و رفتار طیور در صنعت مرغداری پیشنهاد می‌گردد.