通过卷积神经网络音频分类检测埃及伊蚊
声音
2021-08-02 v1 机器学习
音频与语音处理
摘要
在欠发达地区，蚊媒疾病的发病率很高，主要由于缺乏资源来实施针对蚊虫滋生的积极控制措施。提高社区对蚊虫滋生认识的潜在策略是利用智能手机应用和众包构建蚊虫发生的实时地图。在本文中，我们探索了使用机器学习技术和从市售智能手机捕获的音频分析来识别埃及伊蚊（Aedes aegypti）的可能性。总之，我们对埃及伊蚊振翅录音进行降采样，并用其通过监督学习训练卷积神经网络（CNN）。作为一种特征，我们使用录音的频谱图来直观表示随时间变化的蚊虫振翅频率。我们训练并比较了三类分类器：二分类器、多分类器以及二分类器集成。在我们的评估中，二分类和集成模型的准确率分别为 97.65%（±0.55）和 94.56%（±0.77），而多分类的准确率为 78.12%（±2.09）。最佳灵敏度出现在集成方法（96.82% ± 1.62），其次是埃及伊蚊特定情况下的多分类（90.23% ± 3.83）和二分类（88.49% ± 6.68）。二分类器和多分类器在精确率与召回率之间呈现出最佳平衡，F1 值接近 90%。尽管集成分类器达到了最低精确率，从而损害了其 F1 值（79.95% ± 2.13），但它是我们数据集中检测埃及伊蚊最有力的分类器。
引用
@article{arxiv.2008.09024,
title = {Detecting Aedes Aegypti Mosquitoes through Audio Classification with Convolutional Neural Networks},
author = {Marcelo Schreiber Fernandes and Weverton Cordeiro and Mariana Recamonde-Mendoza},
journal= {arXiv preprint arXiv:2008.09024},
year = {2021}
}
备注
Published in Computers in Biology and Medicine