Audiomoth

嵌入微控制器的AI模型实现智能生物声学监测

研究人员开发了一种智能被动声学监测系统，该系统将分类器直接嵌入AudioMoth微控制器，以现场分析声景。该系统利用优化的1D卷积神经网络，以91%的准确率对濒危海鸟Scopoli Shearwater的特定叫声进行分类。该模型专为满足微控制器的资源限制而设计，需要约10kB的RAM，并实现20毫秒的推理时间，从而提高了生物声学监测的效率和可扩展性。