acoupi：面向边缘设备的生物声学 AI 模型部署开源 Python 框架
摘要
1. 被动声学监测 (PAM) 结合人工智能 (AI) 正 becoming 一个对于生物多样性监测至关重要的工具。传统 PAM 系统需要手动数据卸载，并对存储和计算基础设施提出巨大的要求。将基于 AI 的处理与网络连接结合，即可实现本地数据分析并仅传输相关信息，从而大幅减少存储需求。然而，为这些设备编程以实现可靠运行具有挑战性，需要嵌入式系统和软件工程方面的专业知识。尽管 AI 基于声学模型的数量不断增加，但在没有易于在自定义硬件上部署它们并针对特定监测目标定制设备行为的工具来实现其全部潜能之前，这些模型的潜力仍未得到充分实现。2. 为解决这一挑战，我们开发了 acoupi，一个开源 Python 框架，简化了智能生物声学设备的创建和部署。acoupi 将音频录制、AI 数据处理、数据管理和实时无线消息集成到一个统一且可配置的框架中。通过模块化生物声学监测工作流程的关键元素，acoupi 允许用户轻松自定义、扩展或选择特定组件以适应其独特的监测需求。3. 我们通过集成两个生物声学分类器：BirdNET，用于鸟类种类的分类，和 BatDetect2，用于 UK 蝙蝠种类的分类，展示了 acoupi 的灵活性。我们在一个月长时间的 UK 城市公园部署了两个 acoupi 驱动的设备，对其可靠性进行了测试。4. acoupi 可部署在低成本硬件（如树莓派）上，可针对各种应用进行定制。acoupi 标准化框架和简化工具 facilitate 采用 AI 驱动的 PAM 系统 for researchers and conservationists。acoupi 已在 GitHub 上提供，地址为 https://github.com/acoupi/acoupi。
关键词
引用
@article{arxiv.2501.17841,
title = {acoupi: An Open-Source Python Framework for Deploying Bioacoustic AI Models on Edge Devices},
author = {Aude Vuilliomenet and Santiago Martínez Balvanera and Oisin Mac Aodha and Kate E. Jones and Duncan Wilson},
journal= {arXiv preprint arXiv:2501.17841},
year = {2026}
}
备注
21 pages, 3 figures, 1 table, to be submitted to BES Methods in Ecology and Evolution