中国目前的蜂蜜生产总量排名世界第一,同时中国对蜂蜜的需求量也排在世界各国前列。在蜜蜂养殖行业中,蜜蜂是否健康直接影响到蜂蜜的产量,同时与蜂农的经济效益直接相关,所以蜜蜂的健康状况受到了养蜂人的广泛关注。近几年,科学技术的发展日新月异,蜜蜂养殖行业也加入了各种各样的新型技术,新型技术的加入为传统的养蜂行业注入了新活力。但是,对蜂群健康状况的快速判别,提前警惕蜂群的异常状况,仍然是蜜蜂集中养殖行业中最为紧迫解决的重要问题。目前,国内对蜜蜂健康状况的监测主要依靠经验丰富的养蜂人员,此方法不够客观,人为主观因素占据较大比重,同时养殖人员入侵式的检查蜂房活动也会引起蜂群的强烈反应,对蜂群产蜜周期影响较大。音频识别技术具有识别精度高、不与蜜蜂直接接触、客观性强等特点可以较好的应用于蜂群的健康状态检测。本论文利用音频识别技术,收集并分析蜂群的各种状态,最后得到相应蜂群的状态识别率。本文的主要研究内容如下:1.构建蜂群声音录音系统获取蜂群声音信号,该系统包括供电模块、麦克风、DSpic以及RPI2等模块,将蜂群声音采样率设置为44100Hz,存储格式为wav。2.从蜂巢采集到的蜂群的声音中含有很多环境噪音。本论文采用谱减法、小波阈值函数去噪法以及自适应滤波抵消法对采集到的蜂群的声音信号进行降噪处理。实验结果表明,自适应滤波抵消法可以有效去除蜂群声音噪声。3.从蜂群的声音信号中提取了以下特征参数:两个时域特征参数、LPCC及其一阶差分特征参数、MFCC及其一阶差分特征参数。经过实验验证得出使用MFCC及其一阶差分系数这一组合的特征参数,异常状态蜂群声音识别率最高。4.利用SVDD模型的单个分类检测能力,构建了适合SVM模型结构的多功能分类器,获得了SVDD和SVM检测识别模型。用该模型检测并识别了蜜蜂群异常状态的音频信号,通过SVM模型可以有效对蜂群异常状态进行识别。