传染性支气管炎的早期声学检测
EBroilerTrack项目同步布局生物声学监测（仿生耳）研究模块，定向针对传染性支气管炎（IBV，禽冠状病毒诱发家禽呼吸道疾病）开展早期预警试验。试验在标准化可控试验舍开展，设置空白对照组（T）与IBV攻毒试验组（IB）进行平行对照。
一、夜间整体噪音水平作为群体早期预警指标
攻毒后连续5日夜间声学监测结果显示：IB攻毒鸡舍平均声压级较对照组高出3 dB。该差异具备明确生物学与统计学意义：声压提升3分贝，代表声强增加一倍。
IB典型肉眼可辨识、人耳可察觉的临床呼吸道症状，通常在攻毒后第3～4天（D＋3～D＋4）显现；但声学监测数据证实：IB感染鸡舍夜间噪音水平自攻毒第2天（D＋2）即出现显著性抬升。研究设定阈值：组间噪音差值≥2 dB判定为统计学显著差异，对应声强增幅50％。
综上，夜间舍内整体噪音水平可作为呼吸道疾病亚临床阶段的早期筛查指标，实现人巡检发现症状之前提前预警。
二、病理性呼吸道声响声学特征解析
为搭建自动化识别算法，研究团队对两类核心异常声响——打喷嚏、啰音（rales）开展声学特征标定。数据库包含400条独立音频信号，由5名专业人员（执业兽医、家禽技术专家）完成标准化人工标注。
声学特征区分：
1、打喷嚏：瞬时短促事件，持续时长约0.25 s，能量分布区间200 Hz～5 kHz；信号最大振幅、总能量、RMS均显著高于啰音。
2、啰音：信号强度偏弱、持续时间更长，平均时长1.09 s，能量集中于100 Hz～1 kHz低频区间；频谱特征极易与风机、通风等鸡舍背景噪声发生混淆，识别难度更高；核心特征为信号持续时间更长、时域能量分散度更大。
三、基于机器学习的自动检测模型性能
研究采用多层感知器神经网络（MLP），以梅尔频率倒谱系数（MFCC，模拟人耳听觉感知的声学特征尺度作为输入特征，实现四类声音自动分类：打喷嚏、啰音、雏鸡正常鸣叫（Pío）、其他背景声音。
模型测试集总体准确率82％；各类别识别性能分化明显：
打喷嚏检测：灵敏度95％，特异性80％；
啰音检测：灵敏度65％，特异性98％。
试验结论：该神经网络模型针对打喷嚏信号实现95％检出灵敏度，在呼吸道症状自动化识别中展现良好潜力。
同时存在明显短板：本次研究所构建标注数据集样本规模有限，啰音、雏鸡鸣叫、其他噪声类别样本量偏少。后续研究核心方向为扩充多场景标注音频库，提升模型泛化能力与田间鲁棒性。
四、综合结论与研究展望
EBroilerTrack项目分为计算机视觉个体追踪、生物声学监测两大技术板块：
在计算机视觉领域，图像检测精度受摄像头架设高度、肉鸡日龄与体型、饲养密度、活动水平多重参数调控；面向商业化鸡舍开发的个体追踪算法性能优异，2.5 m架设高度条件下，26日龄后肉鸡检测灵敏度＞99％。
在生物声学（仿生耳）领域，夜间群体噪音水平被证实可作为传染性支气管炎等呼吸道疾病的高效早期预警指标，能够在饲养员肉眼、人耳感知临床症状之前捕捉亚临床异常。
两大技术路线共同的关键后续任务：建立健康／福利异常判定的标准化预警阈值，并开展规模化田间验证。此外，研究团队正在融合视觉追踪模块输出的个体活动数据，建立量化模型，自动识别探索、理羽等典型正常行为的表达规律。
当前可控试验条件下获得的初步数据，为后续更大规模验证试验（例如重复性确认IB感染造成3 dB噪音差异这一指标）奠定基础。未来可推动视觉个体追踪＋声学群体监测多模态融合方案落地，构建家禽健康双层预警体系。
一周阅读排行