笼养和栖架养殖模式下蛋鸡的发声特征

宗 超，曹晏飞，曹孟冰，高锦浩，李书磊，刘慕霖，滕光辉，王朝元

·农业信息与电气技术·

笼养和栖架养殖模式下蛋鸡的发声特征

宗 超1，曹晏飞2，曹孟冰1，高锦浩1，李书磊1，刘慕霖1，滕光辉1，王朝元1

（1. 中国农业大学水利与土木工程学院，农业农村部设施农业工程重点实验室，北京 100083；2. 西北农林科技大学园艺学院，农业农村部西北设施园艺工程重点实验室，杨凌 712100）

为了分析不同饲养模式和阶段对蛋鸡发声的影响，并为构建基于蛋鸡声音信息的健康养殖评价系统提供参考，该研究对蛋鸡的发声进行了监测，通过声音预处理、特征提取、数据挖掘和统计分析等方法，研究笼养和栖架饲养模式下、育成期和产蛋期蛋鸡的声学特征。结果表明，典型蛋鸡声音可分为产蛋叫声、鸣唱声、鸣叫声和争斗尖叫声等四类。产蛋期蛋鸡发声的峰值频率和声音能量水平均低于育成期蛋鸡。同时发现蛋鸡发声的峰值频率与蛋鸡周龄大小呈现负相关关系，由14周龄的（2 192±320）Hz降至41周龄的（1 550±345）Hz。比较笼养和栖架养殖模式下蛋鸡的声音特征发现：栖架养殖模式下蛋鸡发出的声音信号次数、持续时间和声音能量均高于笼养模式，栖架养殖下的蛋鸡发声数量是笼养模式下蛋鸡的3倍以上，栖架系统内蛋鸡白天的声音能量比笼养蛋鸡高接近1倍，这些结果表明在以福利化为目标的栖架养殖模式中蛋鸡表达更多的自然行为，蛋鸡发声的丰富程度可用于后续开发评价蛋鸡的福利状况的方法。

声学特征；养殖；笼养；栖架；蛋鸡；福利

0 引 言

自改革开放以来，中国的蛋鸡养殖体系发生了巨大变化，由小户的散养逐步向规模化养殖发展，当前的规模化蛋鸡养殖场广泛使用叠层笼养模式[1]。由于叠层笼的空间有限，极大的限制了蛋鸡的活动自由，蛋鸡的健康状况较差，易患骨质疏松症等疾病[2]。为了改善蛋鸡的健康和福利，传统笼养模式逐渐在欧美等发达国家被禁止。对新型福利化蛋鸡养殖模式的研发已经在世界各地陆续开展，立体栖架养殖模式是当前主要的新型福利化蛋鸡养殖模式之一，其保证了蛋鸡足够的活动空间，且能让鸡只充分表达自然行为[3]。

听觉和发声是蛋鸡发现世界和与外界交流的重要手段[4-5]，蛋鸡的发声在很大程度上取决于蛋鸡的生长环境。蛋鸡使用声音来表达其生理状态、进行交流或向同伴警报危险等[6]。随着精准畜牧业（Precision Livestock Farming，PLF）的快速发展，利用图像和声音技术监测动物生长变得越来越受欢迎[7-10]。PLF主要包括开发自动在线监控工具[7]、监控动物的行为及动物对外界刺激的反应等[5,8]。使用PLF方法以非接触的方式采集动物的图像和声音，可以应用于不同规模畜禽身上，包括动物个体和整个群体的监测，以及评估环境和动物健康、福利与管理等[9]。PLF可以提供“预测”的能力（例如健康和福利状况，生产，增长趋势等）[10]，帮助农场管理人员对风险警告采取积极措施。通过PLF技术提取蛋鸡的声音特征可以反馈蛋鸡的健康和福利状况[11]，分析蛋鸡声音信息可以作为评估蛋鸡福利状况的有效辅助手段。

本文以传统笼养和栖架养殖模式下的蛋鸡发声为研究对象，通过声音预处理、特征提取和数据挖掘算法，对蛋鸡声音进行识别分类；研究蛋鸡声音特征随周龄变化的规律；同时比较和评估笼养和栖架养殖模式下蛋鸡的声音特征；以期构建基于蛋鸡声音信息的健康养殖评价系统，并为蛋鸡生产预警提供理论和技术支撑。

1 材料与方法

1.1 试验对象

本研究在中国农业大学上庄试验站内开展。试验以同一批次（86日龄开始）、质量相近（平均1.1 kg）、健康状况良好的80只海兰褐蛋鸡为研究对象。蛋鸡被随机分为两组，一组蛋鸡采用栖架模式饲养（55只蛋鸡），另一组在传统笼养模式下饲养（25只蛋鸡）。

栖架养殖和笼养模式的示意简图如图1所示。笼养系统的笼具尺寸为2.5 m×0.5 m×0.5 m（长×宽×高），平均每只鸡占据的笼网面积为500 cm2。栖架养殖系统的尺寸为4.5 m×0.75 m×2.9 m（长×宽×高），在各层平台的网面上均采用金属网+塑料网进行铺设，总面积为32 625 cm2（平均每只产蛋鸡所占网面为593 cm2）。两种饲养模式下，蛋鸡的粪便均通过网格落入下层清粪带上。

在饲养期间，传统笼养模式和栖架养殖模式在免疫程序、管理方式、照明和舍内空气温湿度、风速、气体浓度等环境条件相同。两种模式下的蛋鸡均自由采食和饮水。

1.2 蛋鸡发声的获取

本研究的测试从蛋鸡13周龄开始，至蛋鸡42周龄为止，在此期间定期采集蛋鸡的声音，其中13～18周龄为蛋鸡育成期，19～42周龄为蛋鸡产蛋期。蛋鸡发声信息采集系统通过美国国家仪器公司的PXI-1050测量系统完成，其中的声音采集卡为8通道、24位分辨率、102.4 kS/s采样频率的NI 4472B（National Instruments，美国），声音传感器为响应频率为0.02～20 kHz的MPA201全向传感器（BSWA，中国），录音软件为NI Sound and Vibration Assistant 2010 （National Instruments，美国）。在笼养和栖架养殖模式中，拾音器均安装在距地面2 m的高度处（图1）。

声波是一种机械振动，可以通过气体、液体或固体介质在所有方向进行传播。声压是空气静压的动态变化。信号能量与传播距离的平方成反比。在正式采集蛋鸡声音前，为了减少声音传感器的误差，需要对其进行校正，以满足蛋鸡舍中音频采集的要求。在实验室内将两个测试用定向声音传感器和一高清声音采集装置安装在同一位置以获得相同的声音。首先，随机选择了141个声音样本进行训练，然后，通过测试另外140个声音样本完成校正。

两组不同声音传感器所采集的声音样本的声压的比较如图2a所示，在修正前，拾音器1所获得的蛋鸡的声压整体上大于拾音器2获得的蛋鸡的声压。两组声音传感器之间的平均相对误差为 5.7%±1.0%。利用最小二乘法修正模型对传感器进行修正。以140个声音样本进行验证测试。拾音器1和2的声压如图2b所示，两者之间的差异变小，平均相对误差为0.7%±0.5%。校正后的采集模型可以满足试验记录的要求。

通过校正的声音传感器获取蛋鸡声音，并将声音片段导入识别软件进行分析处理。

1.3 蛋鸡声音识别方法

本研究中开发的自动检测算法可分为三部分[12-14]：声音预处理、特征提取和决策分类（图3）。首先，对采集的声音信号进行分帧处理，得到一帧一帧的声音信号，通过一定长度的可移动的汉明窗对声音进行加权来实现分帧，将分割为帧的信号进行特征参数分析，去除原始声音数据中的背景噪声，实现声音信号的预处理。再利用离散傅里叶变换（Discrete Fourier Transform，DFT）的方法提取信号特征，选取一定数量的原始数据进行人工标记，注释蛋鸡叫声的开始和结束位置。最后，采用基于J48决策树算法（Weka，Waikato大学，新西兰）的蛋鸡发声分类模型构建声音分类器[12]，决策树是一种非线性分类器，由根节点和内部节点及叶节点组成树形结构，信号自根节点自上而下依次运行，对子树节点的几何进行分类，形成叶子结点，实现不同蛋鸡叫声的分类识别。

整个算法利用NI LabVIEW 2015（National Instruments，美国）和Matlab R2012a （MathWorks Inc.，美国）开发，相关的频谱特征参数包括：持续时间、振幅、峰值频率、频谱质心等，这些参数都将用于统计分析中。

为了更好地分析蛋鸡的声学特征，采用频率范围为400～5 000 Hz的带通滤波器对声音进行滤波，然后使用离散傅立叶变换计算不同声音信号的功率谱，可以获得每种声音的三维特征谱，更好的分析蛋鸡声音特征。

1.4 蛋鸡发声的统计学分析

数据分析分为两步。首先，将来自现场研究的数据组织在一个电子表格中，包含记录和计算的属性。最终的数据集含有70%的数据来训练识别分类的算法，30%的数据来验证输出结果。

蛋鸡声音的识别分类效果用下面的公式进行评估。

式中P为精确率；R为查全率。识别正确的声音定义为TP，未被识别出来的分类定义为FN，识别出的其他分类的声音定义为FP；为数量；

本研究通过精确率和查全率作为衡量声音识别分类的效果。同时，采用次协调逻辑算法（Paraconsistent Algorithm）对蛋鸡声音识别做进一步分析[15]。

对笼养育成期（Cage system Growing stage，CG）、笼养产蛋期（Cage system Laying stage，CL）、栖架育成期（Perch system Growing stage，PG）和栖架产蛋期（Perch system Laying stage，PL）的峰值频率的差异采用检验进行两两对比分析，来评价不同饲养模式和饲养阶段下蛋鸡的声音数据是否有统计学意义的变化。

2 结果与分析

2.1 蛋鸡的声学特征分类

本研究基于分类器决策树输出算法对蛋鸡的发声进行识别分析，分别是产蛋叫声、鸣唱声、鸣叫声和争斗尖叫声，4种声音具有典型的特征谱[16]。

不同类型声音的识别率存在一定差别，对产蛋叫声（93%）的识别总体上有较高的准确性，但对鸣唱声（89%）、鸣叫声（83%）或因争斗产生的叫声（75%）的识别精确度只是中等。

对产蛋期的400个有效蛋鸡声音音频片段进行特征提取和分析，结果表明：46%为产蛋叫声，表现为音序的周期性重复，音序周期间有100～2 000 ms的停顿；26%为蛋鸡鸣唱声，表现为紧凑的音序，音序间过渡时间低于200 ms；蛋鸡的鸣叫声占比约为19%，争斗叫声约为9%，均表现为单音节，声音能量高。

表1列出了产蛋期4种不同类型蛋鸡声音在声学特征上的比较，可以发现所有类型的声音均在5 000 Hz频率范围内。同时发现，蛋鸡鸣唱声会持续很长时间，而蛋鸡争斗时发出的尖叫声会持续很短时间。峰值频率可反应最大频域能量出现的频率，蛋鸡产蛋叫声的峰值频率最大，而鸣叫声的峰值频率最小。频谱质心用于反映整个频率范围内的反应声能，鸣唱声的频谱质心最小，而尖叫声的频率范围内的能量分布范围更广。在产蛋过程中，声音的声压是最大的。

表1 蛋鸡典型发声的声学特征

在分类器决策树输出算法的基础上，应用次协调逻辑算法对蛋鸡声音进一步分析[17-18]。绘制出峰值频率与声音信号持续时间对比的分析图。图4显示，大部分与产蛋相关的声音信号集中在0.3～20 s，峰值频率在2 500～3 500 Hz之间。鸣叫声和争斗叫声的声音信号0.2～1.7 s，峰值频率主要在500～4 000 Hz之间变化。鸣唱声的范围则比较广，持续时长在0.2～12 s之间，峰值频率在1 000～4 000 Hz之间。本研究结果表明，蛋鸡产蛋时叫声的持续时间和峰值强度在整体上高于其他类型的声音。同时发现，争斗的声音信号与平时的鸣叫声音信号有超过50%的重叠，这意味着争斗叫声和平时的鸣叫声之间较难消除不确定性影响。

2.2 蛋鸡发声随周龄变化的特征

在本研究中，蛋鸡从14周龄（育成期）长到41周龄（产蛋期）期间的声音数据都合并到一个大数据集中，用于统计分析，按照每周进行平均计算。表2展示了蛋鸡分别在15周龄（育成期）和24周龄（产蛋期）的声音特征参数的对比，可以发现：相比于育成期蛋鸡，产蛋期蛋鸡的发声持续时间变长，但峰值频率和频谱质心均较大幅度的减小，而声压则稍有提高。

注：育成期和产蛋期分别为15周和24周龄。

Note: Growing and laying stages are 15 weeks and 24 weeks, respectively.

图5显示了从第14周到第41周期间收集的蛋鸡声音的峰值频率变化的总体趋势，峰值频率随着蛋鸡的生长而下降。在周龄是14周时，平均峰值频率为（2 192±320）Hz，周龄为41周时，平均峰值频率为（1 550±345）Hz。按照递减规律，峰值频率在育成期内每周减少了大约44 Hz，在产蛋期内每周减少约15 Hz。表明对蛋鸡而言，周龄大小和发声频率之间存在负相关关系，这一发现与Fontana等[19-22]的研究结果一致。

2.3 栖架养殖和笼养模式中蛋鸡的声学特征比较

在笼养和栖架养殖模式内，选取产蛋期的一周对蛋鸡声音进行采集，以分析一天内的蛋鸡声音幅值的变化，计算每一小时的平均声音能量值，一天内的声音能量变化如图6所示。结果显示：蛋鸡在24 h周期内的声音幅值与所采取的光照策略呈现高度相关性。在熄灯期间，声音能量大约维持在1.0 V2∙s左右，随着灯光的开启，鸡舍内的声音能量逐步增大，且上午的声音能量要大于下午的声音能量。比较两种不同的饲养模式可以发现：栖架模式下的蛋鸡声音能量要大于笼养模式的蛋鸡声音能量，白天的声音能量高接近1倍左右。

图7显示了不同养殖模式下蛋鸡声音的来源。与笼养模式相比，栖架养殖模式下的蛋鸡发出的声音更多，特别是在产蛋叫声和鸣唱声方面，栖架模式的发声数量是笼养模式下的3倍以上。本研究中，在栖架环境中的蛋鸡声音信号的次数、持续时间和强度相对于笼养蛋鸡发声都有所增加，这表明蛋鸡在以福利为目标的栖架养殖模式中表现出更好的自然行为。

表3列举了两种饲养模式下育成期和产蛋期蛋鸡发声峰值频率的结果，表4评估了特定阶段（育成期和产蛋期）或饲养环境（笼养或栖架饲养）对蛋鸡发声的影响。其中育成期蛋鸡叫声要高于产蛋期蛋鸡叫声，蛋鸡的峰值频率下降了约220 Hz（表3）并显示出显著差异（< 0.001），而在同一生长阶段，笼养和栖架养殖下蛋鸡的峰值频率之间没有显著差异（表4）；而不同生长阶段（育成期和产蛋期）收集到的笼养和栖架饲养模式下蛋鸡发声的峰值频率之间的相关性低（CG和CL；PG和PL），同时，PG和CL、CG和PL之间的差异性显著（<0.001）。试验过程中观察到：栖架养殖模式下蛋鸡在育成期的更为活泼，而产蛋期的蛋鸡变得相对慵懒。同时，相对于笼养模式，蛋鸡于栖架饲养模式下的叫声次数等增加了，这表明蛋鸡的生长环境导致了叫声频率的增加，这也可以表明蛋鸡的发声行为是在自然行为表达和社会互动信号中起作用。

表3 蛋鸡发声的峰值频率的统计结果

注：PG代表栖架养殖下的育成期蛋鸡；PL代表栖架养殖模式下的产蛋期蛋鸡；CG代表笼养模式下的育成期蛋鸡；CL代表笼养模式下的产蛋期蛋鸡。

Note: PG is perch system at growing stage; PL is perch system at laying stage; CG is cage system at growing stage; CL is cage system at laying stage.

表4 不同饲养模式和阶段下蛋鸡发声的峰值频率的统计学比较

3 讨 论

蛋鸡在不同生长阶段或不同饲养模式下会产生不一样的声音，蛋鸡的发声类型可以分为产蛋叫声、鸣唱声、鸣叫声和争斗尖叫声，所有类型的声音在栖架模式下均比笼养模式下出现的更多。对于不同生长阶段的蛋鸡，产蛋期比育成期增加了产蛋叫声这一声音类型，除此之外，主要的差异在声音参数特征上，随着周龄的增加，蛋鸡的发声频率会逐渐减小。本研究是在前人研究方法的基础上开展，所提出的分类识别方法相比前人的方法更为简练。李志忠等[23]通过梅尔频标倒谱系数对蛋鸡声音进行识别，但其缺少蛋鸡声音类型的介绍，余礼根等[13]利用haar小波变换音频指纹的方法对蛋鸡声音进行识别，虽然其识别准确率较高，但存在识别过程繁琐、效率不高等不足。与此同时，本研究在应用数据挖掘技术时，还有一些蛋鸡声音的识别准确度相对比较低。Leliveld等[24]发现，某些类型的声音比其他类型更适合提供信息，在本研究中蛋鸡的产蛋叫声相对其他类型声音具有更高的辨识度，这类声音的振幅、持续时长和峰值频率等参数特征鲜明。这表明在使用数据挖掘技术进行声音识别分类，应该考虑到存在一定程度的不一致性。Marx等[25]发现，在动物打斗的过程中，所发出的声音信号会有相当大的变化，这在本研究中的争斗尖叫声上也有所体现。

栖架饲养模式的设计出发点就是让蛋鸡可以更好的表达自然行为[1]，本文通过声音特征的试验分析也证实：相对于传统笼养模式，栖架模式下的蛋鸡会发出更多的叫声。蛋鸡的发声频率随着周龄增长而逐步降低的现象与蛋鸡声带逐渐增厚有关，这与前人研究观察到的现象一致[19-22]。同时栖架模式下蛋鸡的声音持续时间也比笼养模式长，Leliveld等[24]观察到动物的高尖叫声（高频和高强度峰值）持续时间会比较长，并与心率呈正相关，另有研究表明应激程度的增加也与血液皮质醇的升高有关[26]。

蛋鸡在夜间声音能量基本维持不变（1.0 V2∙s左右），除非出现异常情况。根据这一现象，后续的研究可利用蛋鸡声音能量幅值作为阈值来监测并预警夜间蛋鸡舍内的异常情况。同时，后续可开展基于蛋鸡发声的丰富程度来评价蛋鸡的福利状况的研究。此外，本文的研究思路也可以通过结合其他种类畜禽发声的研究[27-28]来构建基于畜禽声音评价动物福利的指标。在栖架模式下，蛋鸡声音信号的次数、持续时间和强度等参数与蛋鸡血清皮质酮浓度间的关系，以及蛋鸡行为（沙浴和修饰等）和发声特征间的关系也需要做进一步的研究。通过深入分析蛋鸡发声所包含的信息，开发基于蛋鸡声音特征的自动识别装备，可为实时监测规模化蛋鸡舍的养殖状态、生产预警等提供理论和技术参考。

4 结 论

本研究通过声音预处理、特征提取和决策树分类器识别出4类典型蛋鸡声音，其中的产蛋叫声，表现为音序的周期性重复，音序周期间有100～2 000 ms的停顿；鸣唱声，表现为紧凑的音序，音序间过渡时间低于200 ms；鸣叫声和争斗叫声为单音节、声音能量较高的一类声音。同时发现蛋鸡发声的峰值频率与蛋鸡周龄大小呈现负相关关系，由14周龄的（2 192±320）Hz降至41周龄的（1 550±345）Hz。比较笼养和栖架养殖模式下蛋鸡的声音特征发现：栖架养殖模式下蛋鸡发出的声音信号的次数、持续时间和声音能量均比笼养模式中的蛋鸡更多，栖架养殖下的蛋鸡发声数量是笼养模式下蛋鸡的3倍以上，白天时，栖架系统内蛋鸡比笼养蛋鸡的声音能量高接近1倍，这些都表明蛋鸡在以福利化为目标的栖架养殖模式中具有更多的自然行为表达。

[1]杨柳，李保明. 蛋鸡福利化养殖模式及技术装备研究进展[J]. 农业工程学报，2015，31(23)：214-221. Yang Liu, Li Baoming, Research progress of welfare-oriented breeding mode and technical equipment for laying hen[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(23): 214-221. (in Chinese with English abstract)

[2]Blokhuis H J, Van Niekerk T F, Bessei W, et al. The LayWel project: Welfare implications of changes in production systems for laying hens[J]. Worlds Poultry Science Journal, 2017, 63(1): 101-114.

[3]Savory C J, Jack M C, Sandilands V. Behavioural responses to different floor space allowances in small groups of laying hens[J]. British Poultry Science, 2016, 47(2): 120-124.

[4]Appleby M C, Hughes B O, Elson H A. Poultry Production Systems: Behaviour, Management and Welfare[M]. Wallingford, Oxon, UK: C. A. B. International. 1992.

[5]Tefera M. Acoustic signals in domestic chicken (): A tool for teaching veterinary ethology and implication for language learning[J]. Ethiopian Veterinary Journal, 2012, 16: 77-84.

[6]Fontana I, Tullo E, Scrase A, et al. Vocalisation sound pattern identification in young broiler chickens[J]. Animal, 2015, 10(9): 1567-1574.

[7]Aydin A, Bahr C, Viazzi S, et al. A novel method to automatically measure the feed intake of broiler chickens by sound technology[J]. Computers and Electronics in Agriculture, 2014, 101: 17-23.

[8]Fontana I, Tullo E, Carpentier L, et al. Sound analysis to model weight of broiler chickens[J]. Poultry Science, 2017, 96(11): 3938-3943.

[9]Guarino M, Jans P, Costa A, et al. Field test of algorithm for automatic cough detection in pig houses[J]. Computers and Electronics in Agriculture, 2008, 62(1): 22-28.

[10]Costa A, Ismayilova G, Borgonovo F, et al. The use of image analysis as a new approach to assess behaviour classification in a pig barn[J]. Acta Veterinaria Brno, 2013, 82: 25-30.

[11]Kim N Y, Jang S Y, Kim S J, et al. Behavioral and vocal characteristics of laying hens under different housing and feeding conditions[J]. JAPS: Journal of Animal & Plant Sciences, 2017, 27(1): 65-74.

[12]Frank E, Hall M, Trigg L, et al. Data mining in bioinformatics using Weka[J]. Bioinformatics, 2004, 20(15): 2 479-2 481.

[13]余礼根，滕光辉，李保明等，栖架养殖模式下蛋鸡发声分类识别[J]. 农业机械学报， 2013，44(9)：236-242. Yu Ligen, Teng Guanghui, Li Baoming, et al. Classification methods of vocalization for laying hens in perch system[J]. Transactions of the Chinese Society for Agricultural Machinery (Transactions of the CSAM), 2013, 44(9): 236-242. (in Chinese with English abstract)

[14]曹晏飞，余礼根，滕光辉等，蛋鸡发声与机械噪声特征提取及分类识别[J]. 农业工程学报， 2014，30(18)：190-197. Cao Yanfei, Yu Ligen, Teng Guanghui, et al. Feature extraction and classification of laying hens’ vocalization and mechanical noise[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(18): 190-197. (in Chinese with English abstract)

[15]da Silva J P, de Alencar Nääs I, Abe J M, et al. Classification of piglet () stress conditions using vocalization pattern and applying paraconsistent logic Eτ[J]. Computers and Electronics in Agriculture, 2019, 166: 105020.

[16]曹晏飞，复杂背景下蛋鸡声音分类提取方法研究[D]. 北京：中国农业大学，2015. Cao Yanfei, Research on Methods for Classification and Extraction of Laying Hens’ Vocalizations in Complex Environment[D], Beijing: China Agricultural University, 2015. (in Chinese with English abstract)

[17]Abe J M, Akama S, Nakamatsu K. Paraconsistent Intelligent-Based Systems New Trends in the Applications of Paraconsistency[M], 1 ed. Switzerland: Springer International Publishing. 2015.

[18]Nääs I A, Lozano L C M, Abdanan M S, et al. Paraconsistent logic used for estimating the gait score of broiler chickens[J]. Biosystems Engineering, 2018, 173: 115-123.

[19]Fontana I, Tullo E, Butterworth A, et al. An innovative approach to predict the growth in intensive poultry farming[J]. Computers and Electronics in Agriculture, 2015, 119: 178-183.

[20]Bardeli R, Wolff D, Kurth F, et al. Detecting bird sounds in a complex acoustic environment and application to bioacoustics monitoring[J]. Pattern Recognition Letters, 2010, 31: 1524-1534.

[21]Rizwan M, Carroll B, Anderson D, et al. Identifying rale sounds in chickens using audio signals for early disease detection in poultry[R]. Proceedings Signal and Information Processing (GlobalSIP), IEEE Global Conference. 2016.

[22]Bowling D, Garcia M, Dunn J, et al. Body size and vocalization in primates and carnivores[J]. Scientific Reports, 2017, 7: 41070.

[23]李志忠，滕光辉. 基于改进MFCC的家禽发声特征提取方法[J]. 农业工程学报，2008，24(11)：202-205. Li Zhizhong, Teng Guanghui. Feature extraction for poultry vocalization recognition based on improved MFCC[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(11): 202-205. (in Chinese with English abstract)

[24]Leliveld L M C, Düpjan S, Tuchscherer A, et al. Vocal correlates of emotional reactivity within and across contexts in domestic pigs ()[J]. Physiology & Behavior, 2017, 181: 117-126.

[25]Marx G, Horn T, Thielebein J, et al. Analysis of pain-related vocalization in young pigs[J]. Journal of Sound and Vibration, 2013, 266: 687-698.

[26]Numberger J, Ritzmann M, Übel N, et al. Ear tagging in piglets: the cortisol response with and without analgesia in comparison with castration and tail docking[J]. Animal, 2016, 10: 1864-1870.

[27]黎煊，赵建，高云等. 基于连续语音识别技术的猪连续咳嗽声识别[J]. 农业工程学报，2019，35(6)：174-180. Li Xuan, Zhao Jian, Gao Yun, et al. Pig continuous cough sound recognition based on continuous speech recognition technology[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(6): 174-180. (in Chinese with English abstract)

[28]苍岩，罗顺元，乔玉龙. 基于深层神经网络的猪声音分类[J]. 农业工程学报，2020，36(9)：195-204. Cang Yan, Luo Shunyuan, Qiao Yulong. Classification of pig sounds based on deep neural network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(9): 195-204. (in Chinese with English abstract)

Vocalization characteristics of laying hens under cage and perch systems

Zong Chao1, Cao Yanfei2, Cao Mengbing1, Gao Jinhao1, Li Shulei1, Liu Mulin1, Teng Guanghui1, Wang Chaoyuan1

(1.,,,,100083,;2.,,,,712100,)

In order to analyze the effects of different rearing systems and stages on the vocalization of laying hens, and to provide reference for further establishment of a healthy breeding assessment system based on the vocal information from laying hens, the vocalization of laying hens was monitored in this study. The acoustic characteristics of hens raised under cage and perch systems, at the growing stage and laying stage were studied. The experiment was conducted with the same batch of hens (starting from 86 days of age), which had similar body weights (average 1.1 kg) and health conditions. Those laying hens were randomly divided into two groups: 55 layer raised in the perch system and 25 layers in the cage system. The vocalizations of the laying hens were regularly collected from 13 weeks to 42 weeks of age, using National Instruments' PXI-1050 sound measurement system. The captured sounds were analyzed through pre-treatment, feature extraction and data mining algorithms. The spectrum parameters including duration, amplitude, peak frequency, frequency centroid had been used for statistical analysis. The results showed that the typical laying hen's voice could be classified into four types: egg-laying call, singing call, screaming call and fighting call. There were some differences in the vocal recognition process, with overall high recognition accuracy for egg-laying calls (93%), and moderate prediction rate for singing calls (89%), screaming calls (83%) and fighting calls (75%). Most of the sound signals associated with laying eggs are concentrated in the 0.3-20 s range, with peak frequencies in the 2 500-3 500 Hz. The sound signal of the screaming and fighting calls varies from 0.2 to 1.7 s, with the peak frequency mainly ranging from 500 to 4 000 s. Singing calls have a wide range, lasting between 0.2-12 s, and peak frequency ranging from 1 000-4 000 Hz. Compared with laying hens at the growing stage, the duration of vocalization of laying hens at the laying stage was longer, and the values of peak frequency and spectral centroid were decreased, while the sound pressure was slightly increased. It was also found that the peak frequency of laying hens' vocalization was negatively correlated with their age increasing. At 14 weeks of age, the average peak frequency was (2 192±320) Hz; while the average peak frequency was (1 550±345) Hz at 41 weeks of age. The peak frequency decreased by about 44 Hz per week during the growing period and about 15 Hz per week during the laying period. Compared with hens in the cage system, hens in perch system produced more sounds, especially egg-laying and singing sounds. The sound energy of laying hens in perch system was also greater than that of laying hens in cage system. The welfare orientated environment leads to an increase in the frequency of hens’ calls, which may also indicate that their vocalization plays a role in natural behavioral expression and social interaction signals. The amount of laying hens call can be used as an indicator to evaluate the welfare of laying hens. In addition, the sound energy of laying hens at night was basically stable (around 1.0 V2·s), unless there were abnormal conditions. According to this phenomenon, the change of acoustic energy amplitude of laying hens can be used as a threshold to monitor and warn the abnormal situation in the laying hens' house during night.

acoustic properties; feeding; cage system; perching system; laying hen; animal welfare

宗超，曹晏飞，曹孟冰，等. 笼养和栖架养殖模式下蛋鸡的发声特征[J]. 农业工程学报，2021，37(6)：135-141. doi：10.11975/j.issn.1002-6819.2021.06.017 http://www.tcsae.org

Zong Chao, Cao Yanfei, Cao Mengbing, et al. Vocalization characteristics of laying hens under cage and perch systems[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(6): 135-141. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.06.017 http://www.tcsae.org

2020-10-01

2021-01-13

国家重点研发计划项目（2017YFD0701602）

宗超，博士，副教授，研究方向为畜禽舍环境模拟与养殖智能化装备研发。Email：chaozong@cau.edu.cn

10.11975/j.issn.1002-6819.2021.06.017

TN713

A

1002-6819(2021)-06-0135-07