基于深度学习的鸟鸣声识别系统研究与实现

陆怡郑展恒张怀玉

桂林电子科技大学信息与通信学院广西桂林 541004

摘要：随着全球对生态环境监测的需求不断上升，鸟类作为反映生物多样性和环境质量的重要指示物种，其种群变化的动态监测显得很关键。以往常用的鸟类野外调查方法，比如人工定点观察和手工整理录音再做分析，往往会带来人力投入过大、监测效率偏低，同时在物种识别上也容易出现较强的主观误差等问题。人工智能技术近些年的发展较快，尤其是深度学习在音频模式识别方面的应用取得明显进展，这也为鸟鸣监测走向自动化与智能化提供了新的路径。本文希望搭建一套基于深度学习的鸟鸣自动识别系统，整体上包括数据获取、数据预处理、特征提取，以及深度分类模型的构建与优化等几个部分。本文通过在较复杂的自然环境中采集多场景鸟鸣数据，进一步讨论了结合卷积神经网络（CNN）与梅尔倒谱系数（MFCC）的声学特征描述和分类方法。研究结果显示，该系统在自然环境背景下能够较好地应对复杂噪声带来的干扰，从而提升识别的鲁棒性与准确度，这对于生态大数据建设以及生物多样性保护的智能化推进，仍然具有一定的理论与实践意义。

关键词：深度学习；鸟鸣识别；特征提取；卷积神经网络；生态监测；声学信号处理

全文下载

上一期

基于异质竞争级联模型的LLM多智能体错误传播与社群感知抑制

基于YOLOv11n的桑叶病虫害检测方法

下一期

International Medical Research and Translation (IMRT)

International Education and Social Science Exploration (IESSE)

Technological Innovation and Science Management (TISM)

艺术探索与社会实践研究

中国经济与社会科学研究