基于生物声信号的蜂巢分类卷积神经网络优化
声音
2025-09-23 v1 其他计算机科学
摘要
蜂的行为是重要的生态现象，不仅关乎蜂蜜和蜂蜡的生产，还关乎周围植物和动物的繁茂。研究这一重要现象的最佳方式是通过非侵入式监控蜂巢，使用由各种身体运动产生的声音制造的音频信号，可用于各种预测。本研究探讨了将卷积神经网络应用于借助联合时频图像表示（如 Spectrogram、Mel-Spectrogram、Smoothed-Spectrogram 和 Cochleagram）对不同蜂巢状态进行分类和监控的应用。我们的发现表明，Cochleagram 在未见数据上优于所有其他表示，准确率达到 98.31%。此外，我们采用各种策略，包括剪枝、量化和知识蒸馏来优化网络，以防止潜在的模型大小问题。通过这些优化，网络大小降低了 91.8%，推理时间缩短了 66%，提高了其在实时应用中的适用性。因此，我们的研究强调了使用优化方法最小化模型大小、避免部署问题、加快实时应用推理以及选择合适时频表示以获得最佳性能的重要性。
关键词
引用
@article{arxiv.2509.17800,
title = {Convolutional Neural Network Optimization for Beehive Classification Using Bioacoustic Signals},
author = {Harshit and Rahul Jana and Ritesh Kumar},
journal= {arXiv preprint arXiv:2509.17800},
year = {2025}
}