轻量猪声识别网络

准确率98.35%

一种基于ECA-EfficientNetV2的轻量化模型，能在群养环境中对多种猪只叫声进行高精度识别，模型参数较原网络减少35.67%，更适合边缘部署。

Weihao, Pan · Yi, Fang · 周小波 · Shunpi, Yan · 焦俊 · 吴国栋 · Zhu, Cheng

Computers and Electronics in Agriculture 2025

参数信息

识别准确率

98.35 %

识别准确率提升（较MobileNetV2）

2.88 %

识别准确率提升（较ShuffleNetV2）

1.81 %

模型参数减少比例

35.67 %

混合矩阵估计最小NMSE

3.2660e-04

重建音频信噪比

3.254–4.267 dB

技术优势

参数减少35.67%

引入ECA注意力模块，在不牺牲精度的前提下大幅降低计算复杂度，便于在边缘设备上部署。

混合信号盲分离

采用欠定盲源分离，在源数量多于传感器时仍能重建各声源信号，解决了群养场景下叫声难以区分的问题。

应用场景

• 猪只健康监测：通过声音识别猪只咳嗽、应激等异常，实现疾病早期预警。
• 智能养殖：自动监测猪只行为，减少人工巡检。
• 音频传感网络：可在多点布置麦克风，处理混合音频信号。
• 声学测量：从混合信号中测量并分离不同声源特征。
• 边缘计算：轻量化模型可部署在边缘设备本地识别。