用于声学分类的合成蚊群数据集：概念验证

蚊媒疾病构成了严重的全球健康威胁，每年导致超过 700,000 人死亡。这项工作引入了一个用于声学分类的合成蚊群数据集的概念验证，旨在模拟真实的多物种和嘈杂蚊群条件。与需要费力录制单个蚊子的传统数据集不同，合成方法能够生成可扩展的数据，同时减少对人力资源的需求。使用 log-mel 频谱图，我们评估了用于蚊种分类的轻量级深度学习架构。实验表明，这些模型能够有效识别六种主要蚊媒，并且适合部署在嵌入式低功耗设备上。该研究展示了合成蚊群音频数据集在加速声学蚊虫研究并实现可扩展的实时监测解决方案方面的潜力。