用于野生动物保护的边缘智能：使用 TinyML 的实时犀鸟叫声分类
声音
2025-04-17 v1 机器学习
音频与语音处理
摘要
犀鸟是马来西亚生物多样性的标志性物种，面临着栖息地丧失、偷猎和环境变化的威胁，这需要准确和实时的种群监测，而这在传统上具有挑战性且资源密集。微型机器学习的出现通过直接在边缘设备上实现高效、实时的数据分析，为改变野生动物监测提供了契机。为了应对野生动物保护的挑战，本研究论文探讨了机器学习，特别是 TinyML 在马来西亚犀鸟叫声分类和监测中的关键作用。利用来自 Xeno-canto 数据库的音频数据，本研究旨在开发一个能够识别和分类犀鸟发声的语音识别系统。所提出的方法包括对音频数据进行预处理，使用梅尔频率能量 (MFE) 提取特征，并将模型部署在擅长边缘计算的 Arduino Nano 33 BLE 上。该研究涵盖了基础性工作，包括全面的介绍、文献综述和方法论。模型使用 Edge Impulse 进行训练，并通过真实世界测试进行验证，在犀鸟物种识别方面实现了高准确率。该项目突出了 TinyML 在环境监测中的潜力及其在生态保护工作中的更广泛应用，为 TinyML 领域和野生动物保护均做出了贡献。
引用
@article{arxiv.2504.12272,
title = {Edge Intelligence for Wildlife Conservation: Real-Time Hornbill Call Classification Using TinyML},
author = {Kong Ka Hing and Mehran Behjati},
journal= {arXiv preprint arXiv:2504.12272},
year = {2025}
}
备注
This is a preprint version of a paper accepted and published in Springer Lecture Notes in Networks and Systems. The final version is available at https://doi.org/10.1007/978-981-96-3949-6_40