随着传统农业逐渐向智慧农业转型,室温条件下具有低成本、长寿命、低功耗、小型化的检测手段对于农业环境及动植物本体指标检测至关重要,尤其对于无法进行电路有线连接的农业场景。随着器件传感和无线通信的整合,无芯片射频识别(chipless radio frequency identification,CRFID)因为具有轻量、价格合理、普适性等优势被广泛应用,CRFID标签具有理论上的“无限”寿命,代替了集成电路,成为标识传感信息融合的重要媒介,适用于农业环境、动植物生长监测、物流运输、食品品质检测等。该研究首先介绍了CRFID系统构成,以及其基本原理,指出天线是CRFID实现跨域感知的关键要素之一,随着农业场景中气体、环境温湿度、pH值等变化,天线负载敏感材料的电导率、磁导率、介电常数变化,引起CRFID标签的反向散射信号变化;其次,基于时频域标签,介绍了CRFID用于湿度、温度、气体(二氧化碳、氨气、乙烯)、pH和食品(猪肉、牛肉、鱼肉、果蔬、牛奶)检测的国内外最新研究进展,对比了相关传感器的关键性能指标;最后,针对CRFID技术的成功案例,指出了该类型传感器面临的主要研究挑战、未来研究方向和潜在解决方案,指出了未来智慧农业检测场景的低功耗、小型化、抗干扰发展趋势。CRFID技术的成功应用将有利于提升农业场景传感检测的智慧化程度,有助于人类及动植物生产活动健康评估。
针对在生猪音频识别中单一特征参数无法充分地表征猪声信息的问题,提出了基于梅尔倒谱系数(Mel Frequency Cepstral Coefficient,MFCC)与伽马通倒谱系数(Gammatone Frequency Cepstral Coefficient,GF-CC)的生猪音频融合特征生成方法。...
详细信息
针对在生猪音频识别中单一特征参数无法充分地表征猪声信息的问题,提出了基于梅尔倒谱系数(Mel Frequency Cepstral Coefficient,MFCC)与伽马通倒谱系数(Gammatone Frequency Cepstral Coefficient,GF-CC)的生猪音频融合特征生成方法。首先,以5种猪声为研究对象,利用功率谱减法和双门限端点检测法对猪声样本进行预处理。其次,提取MFCC、GFCC和它们的一阶差分参数,将MFCC+∆MFCC、GFCC+∆GFCC直接叠加得到高维的融合特征,为了降低高维特征的冗余度,利用增减分量法对其进行降维,最后将降维后的融合特征输入至Bi-LSTM网络模型进行分类识别。实验结果表明,相对于传统的单一特征MFCC、GFCC在识别率上分别提升了14.33%和18.63%,且在不同噪声环境下,融合特征具有比其他特征更好的鲁棒性和识别性能。
暂无评论