在大規模動物養殖中，咳嗽作為呼吸道疾病的常見癥狀，其振動信息蘊含著動物健康狀況的重要線索。通過MWORKS.Syslab這款科學計算軟件，我們得以設計并驗證動物咳嗽檢測算法，以期提前預警和干預治療，降低死亡率。
首先，聲音采集至關重要。在豬舍等養殖環境中，聲音包括叫聲、噴嚏、咳嗽和噪聲，通過16KHz采樣，每段0.8秒，構建包含干咳、噴嚏、叫聲和噪聲標簽的樣本集。MWORKS.Syslab支持對這些信號進行時頻域分析，如短時傅里葉變換（聲譜圖）和梅爾譜分析，以捕捉音頻的頻域特征。
梅爾譜特別適合非平穩咳嗽信號的處理，通過漢明窗函數和特定參數，如64個濾波器，對16kHz采樣頻率的音頻進行處理，模擬人耳感知。模型訓練階段，我們采用了人工神經網絡，通過輸入聲譜或梅爾譜特征，學習并識別咳嗽聲和其他聲音，以交叉熵作為損失函數進行優化。
模型驗證時，我們使用后5000個樣本測試準確率和召回率，結果顯示梅爾譜特征的模型2在四分類和二分類中表現更優。選定模型在二分類任務中，咳嗽識別準確率接近90%，顯示了其良好的識別能力。
MWORKS.Syslab不僅支持算法設計，還便于部署和實際應用。通過云端部署，它能實時分析收集的動物咳嗽聲音，進行疾病預警，簡化了工程實踐。對于有興趣的用戶，基礎版的MWORKS.Syslab是免費提供的。
