| 報告時間：2025-4-25 |
| 報告地點：407 |
| 指導老師：江信毅老師 |
| 學生：許祉欣 |
| 摘要 |
|
隨著科技進步，乳牛健康與生產性能對農場經濟效益的影響日益顯著，促使傳統畜牧管理逐步邁向智能化轉型。牛隻的鳴叫是表達情緒、生理需求與健康狀態的重要方式，為牧場管理提供關鍵參考依據。本研究旨在開發一套基於機器學習的乳牛叫聲識別與情緒分析系統。研究建立了一個乳牛叫聲資料庫，於不同情境下錄製並分類牛叫聲，依頻率劃分為高音頻與低音頻，再依情境劃分為正向與負向情緒。接著應用數位訊號處理技術進行降噪與聲訊切割預處理，並利用支持向量機（SVM）與K-近鄰演算法（KNN）進行模型訓練與分類。系統可識別牛隻聲音特徵，並進行叫聲、鳴叫類型與情緒狀態分類。實驗結果顯示模型在不同情境下皆具高度準確性，其中SVM於三項分類的正確率分別為91.30%、97.06%與90.60%，KNN則為93.48%、91.18%與90.60%。雖然KNN於叫聲分類表現較佳，但整體而言SVM展現更全面穩定的效能，因此為較適合之模型。此外，驗證所開發的情緒識別系統。通過由外部收集的牛叫聲樣本，將音頻樣本交給系統進行識別，並與研究人員的分析結果進行比對，驗證系統的準確性和實用性。研究結果指出，牛聲辨識技術於乳牛健康監測與情緒識別中具有重要應用潛力，能提升健康管理效率、增進動物福祉並改善畜牧業管理。隨著數據收集與處理技術的進步，未來有望建立更精確、智能且高效的牛聲識別系統，進一步推動智能化畜牧業的發展。 |
| 參考文獻 |
|