本实用新型涉及鸟类驱赶技术领域，尤其涉及一种智能驱鸟装置。
背景技术：
光伏发电是我国发电行业的重要组成部分，2018年发电量1755亿千瓦时，并且同比增长50％左右，发展潜力巨大；光伏组件表面很容易积尘，并且其清洁度对发电效率影响很大。光伏发电站占地面积较大，鸟类较喜在此停留，导致鸟类粪便较多，并且，相对于灰尘，鸟类粪便对光伏组件表面的清洁度影响更为严重，所以必须对光伏组件上的鸟类粪便进行清洗保证光伏组件的发电效率。
光伏板一般采用高压水枪进行清理，射程远，清洗灰尘效果好，人员安全系数高。但是鸟类粪便难以用此方法清理，需要进行人工清理，人工洗刷耗时费力，而且属于高空作业，存在安全隐患，踩踏光伏板也可能将其损坏。最有效的方法是从源头治理，减少鸟类在光伏电站的停留，从而减少鸟类粪便。
现有的驱鸟技术主要分为以下几类：
(1)一些传统的驱鸟装置可统一归为动作式驱鸟装置，例如常见的农民利用塑料袋悬挂在竹竿上，利用风将塑料袋吹动，以及使用风车驱鸟器，利用风驱动风车转动，使鸟类受惊吓，进行驱鸟。这两种方式受天气影响大，在无风或少风的天气将起不到效果。
(2)气味法驱鸟，使用驱鸟剂，配合风车，散发鸟类不适的气味达到驱鸟的目的。但是驱鸟剂不环保，给鸟类带来不适的同时也给人类带来不适。
(3)利用摄像头拍照进行图像处理判断鸟类种类之后，再利用超声波进行驱鸟，这种方法受光照影响严重，在晚上无法使用，并且单个摄像头无法满足范围覆盖，需要多个摄像头，成本较高。
(4)占位法驱鸟，利用鸟类喜欢在边缘站立的习性，在组件上设置鸟类无法抓住的丝线，从而实现驱鸟的目的。但是鸟类仍然可以靠近，不能实现彻底驱鸟的目的。
(5)声音驱鸟法通过持续的播放高噪声或者鸟类天敌的声音进行驱鸟，但是长时间的高噪声和超声波环境中，可能对人体造成伤害，其次长期播放单一的声音，可能达不到驱鸟效果，鸟类可能仅仅产生疲劳，并不能对鸟类进行驱赶。
技术实现要素：
针对现有技术存在的问题，本实用新型提供一种能够精确针对不同鸟类驱逐，且高效环保的智能驱鸟装置。本实用新型包括如下技术方案：
一种智能驱鸟装置，其特征在于，包括终端、声音采集装置、驱动器和播放装置，所述声音采集装置和驱动器分别与终端连接，所述驱动器还与播放装置连接，所述终端包括神经网络模块、鸟声数据库和指令模块。
本实用新型的工作方法如下：
终端的神经网络模块预先收集已有不同种类声音，保存至鸟声数据库；
当声音采集装置收集到鸟类的叫声后，声音采集装置将所述叫声传输至终端，终端的神经网络模块对所述叫声进行特征参数提取后，找到鸟声数据库存储的驱鸟声音，此时终端发出指令控制驱动器驱动声音播放装置播放所述驱鸟声音。
通过采用上述技术方案，达到如下有益效果：
(1)本实用新型通过鸟类声音经过神经网络算法识别鸟类种类，比用图像识别更加简单快捷，不受环境、气候的影响，而且成本较低，不存在拍摄死角，驱鸟效率高；
(2)本实用新型通过播放同种鸟类的惨叫声、报警声、天敌声以及鸟类不适应的超声波，能够进行精确地驱鸟，减少鸟类适应情况发生；
(3)只有当声音采集器采集到鸟叫声，驱动器才会驱动播放装置播放驱鸟的声音，而不是持续制造噪音，大大降低了环境噪音，节能又环保；
(4)本实用新型成本较低，实用性强，易于推广。
附图说明
图1为本实用新型的结构示意图；
图2为本实用新型神经网络模块利用bp神经网络算法判别鸟类种类运作过程框图；
图3为本实用新型语音特征参数提取流程示意图；
图4为本实用新型神经网络识别原理图；
图中：1、机架，2、拾音器，3、电脑，4、驱动器，5、喇叭。
具体实施方式
如图1所示，一种智能驱鸟装置，其特征在于，包括终端、声音采集装置、驱动器4和播放装置，所述声音采集装置和驱动器4分别与终端连接，所述驱动器4还与播放装置连接，所述终端包括神经网络模块、鸟声数据库和指令模块。
本实用新型的终端还包括人机交互界面。
本实用新型的终端采用电脑3。
本实用新型的声音采集装置采用拾音器2，声音采集装置的数量至少为1个。具体的使用2个拾音器。
本实用新型的播放装置采用喇叭5，播放装置的数量至少为1个。具体的使用3个喇叭。
本实用新型的声音采集装置和播放装置均设置在机架1上。
神经网络模块利用bp神经网络算法判别鸟类种类运作过程如图2所示，首先收集已有不同种类鸟类的声音，提取其进行特征处理，经过bp神经网络算法训练，保存至鸟声数据库；然后将拾音器2收集到的待分类的鸟声进行特征参数提取，输入神经网络，将新输入的参数和已经保存至鸟声数据库的参数进行对比，即可判别出鸟类种类。
特征提取步骤如图3所示，读取声音、将声音进行预处理、提取fft参数、谱线能量、梅尔(mel)滤波能量、对数求离散余弦变换(dct))、输出声音特征参数。
bp神经网络识别原理如图4所示，主要分为三大部分，神经网络搭建、神经网络训练、神经网络分类。所述神经网络搭建包括：系统建模、搭建神经网络结构；所述神经网络训练包括：神经网络初始化、神经网络训练；神经网络分类包括：待分类声音特征参数提取和神经网络对比分类。
综上所述，本实用新型驱赶鸟类的工作方法如下：
神经网络模块预先收集已有不同种类声音，保存至鸟声数据库；
当所述拾音器2接收到周围环境中的鸟类叫声，拾音器2将鸟叫声传输至电脑3，电脑3将鸟叫声文件转换成wav格式，神经网络模块对其进行特征参数提取，并与鸟声数据库中已有的参数进行对，然后电脑3可显示饼状图指出最大可能性鸟类，找到鸟声数据库存储的驱鸟声音，此时电脑对驱动器4发出指令，驱动器4接收到指令将驱动喇叭5播放相应的驱鸟声音。
上述驱鸟声音，是根据识别结果优先播放同种鸟类的惨叫声、报警声、天敌声、17khz-45khz超声波。
1.一种智能驱鸟装置，其特征在于，包括终端、声音采集装置、驱动器和播放装置，所述声音采集装置和驱动器分别与终端连接，所述驱动器还与播放装置连接，所述终端包括神经网络模块、鸟声数据库和指令模块。
2.根据权利要求1所述的智能驱鸟装置，其特征在于，所述终端还包括人机交互界面。
3.根据权利要求1所述的智能驱鸟装置，其特征在于，所述终端采用电脑。
4.根据权利要求1所述的智能驱鸟装置，其特征在于，所述声音采集装置采用拾音器，声音采集装置的数量至少为1个。
5.根据权利要求1所述的智能驱鸟装置，其特征在于，所述播放装置采用喇叭，播放装置的数量至少为1个。
6.根据权利要求1所述的智能驱鸟装置，其特征在于，所述声音采集装置和播放装置均设置在机架上。
技术总结