تشخيص اردك هاي بيمار بر اساس صداي آنها و به كمك روش هوش مصنوعي

Diagnosis of patients ducks based on their voices and using artificial intelligence methods

در اين مقاله روشي هوشمند به منظور طبقه بندي اردك هاي سالم و بيمار بر اساس صداي منتشره از آن ها طراحي و به كار گرفته شده است. بدين منظور ابتدا پرندگان بر اساس وضعيت سلامتي به دو طبقه ي سالم و بيمار تقسيم و صداي هر يك توسط يك ميكروفن ثبت شد. سيگنال هاي تحصيل شده توسط تبديل سريع فوريه از حوزه ي زمان به حوزه فركانس انتقال يافتند. سپس 5 تابع ويژگي واريانس، انحراف از معيار، ريشه ي ميانگين مربعات، ميانگين و كورتسيس از سيگنال‌هاي حوزه ي زمان و فركانس استخراج شدند. از دو طبقه بند شبكه عصبي مصنوعي و ماشين بردار پشتيبان به منظور شناسايي سيگنال هاي صدا استفاده شد. شبكه عصبي مصنوعي توانست به ترتيب با دقت 75 و 1/82 درصد و ماشين بردار پشتيبان نيز به ترتيب با دقت 7/85 و 8/92 درصد بر اساس سيگنال هاي حوزه زمان و حوزه ي فركانس، سيگنال‌هاي صداي مربوط به اردك هاي بيمار و سالم را از يكديگر تشخيص دهند.

In this paper, a smart method is designed in order to classify healthy and illness ducks using their emission voice. For this purpose, firstly, the birds based on their healthy condition are divided into the different categories and then their voices are saved using a microphone and data acquisition card. Gained signals were transformed from timedomain signal to frequency domain using Fast Fourier Transform (FFT). Then, 5 statistical features are extracted from both time and frequency signals namely, mean, standard division, root mean square, variance and kurtosis. Two classifiers which are artificial neuralnetworks (ANN) and support vector machine (SVM) are used, in order to acquire the bird classification in healthy and sick accuracy. The accuracy of ANN classifier in detection of healthy birds within sick and weak birds was determined 75% and 82.1 % based on the time and frequency domain of the sound signals, respectively. The accuracy of SVM classifier in detection of healthy birds within sick and weak birds was determined 85.7 % and 92.8 % based on the time and frequency domain of the sound signals, respectively.