基于音频的昆虫物种机器学习分类：蝉、甲虫、白蚁与蟋蟀
声音
2025-02-20 v1 音频与语音处理
摘要
本项目旨在解决利用录音对昆虫物种（蝉、甲虫、白蚁和蟋蟀）进行分类的挑战。准确的物种识别对生态监测和害虫管理至关重要。我们采用 XGBoost、Random Forest 和 K Nearest Neighbors (KNN) 等机器学习模型来分析音频特征，包括 Mel 频率倒谱系数 (MFCC)。本项工作的潜在创新之处在于结合多种音频特征与机器学习模型来解决昆虫分类问题，特别关注于捕捉以往研究中未被充分利用的物种间细微声学差异。该数据集从多个开放来源收集编译，我们期望实现高分类准确率，从而有助于改进自动化昆虫检测系统。
引用
@article{arxiv.2502.13893,
title = {Audio-Based Classification of Insect Species Using Machine Learning Models: Cicada, Beetle, Termite, and Cricket},
author = {Manas V Shetty and Yoga Disha Sendhil Kumar},
journal= {arXiv preprint arXiv:2502.13893},
year = {2025}
}