相关证件：
会员类型：
会员年限：8年
柯小姐 
电话：0755-82522195
手机：13332931905【企业微信】
柯小姐
电话：0755-82522195
手机：13332931905
发布时间： 2023/4/15 14:21:47 | 104 次阅读
厂家直销MOS管；华冠、洪利发授权yi级代理；原装IC元器件优势现货，一家专注12年的电子元器件配套供应商。
在野外，能够根据外形来辨别鸟的种类已经算得上十分厉害，如果仅凭声音就能识别，则更胜一筹了。除非您是一位阅历丰富的资深鸟类爱好者，否则只通过声音来辨别鸟类的难度还是非常大的。
??
??来自德国马尔堡大学的一群数学、计算机科学和生物学研究人员，设计了一种快速辨别鸟的种类和监测当地生物多样性的方法。他们使用了配备 NVIDIA Jetson Nano 开发者套件的便携式设备捕捉的音频。
??
??据研究人员介绍，Bird@Edge 项目是一个边缘 AI 系统，基于在分布式系统中运行的嵌入式边缘设备，对在森林中记录的音景实现高效、持续评估。
??
??关于 Bird@Edge 项目
??
??研究人员使用多个基于 ESP32 的麦克风（Bird@Edge麦克风），将鸟声传输至当地的 Bird@Edge 站点进行物种识别。使用的每个麦克风的 Wi-Fi 传输范围半径为 50 米。
??
??这个装置被部署在当地的森林里，研究人员仔细考虑了音频流的 Wi-Fi 传输范围以及 GPU 的性能，并确保每个站点可以连接多达 10 个麦克风。站点获得的音频结果被传输至后台云端，供团队中的生物多样性研究人员进行进一步分析。
??
??研究人员 Jonas H?chst 表示：“在运行着模型的 Jetson Nano GPU 上，仍有一些额外的处理能力。我们还能使用 Jetson Nano 的一个自定义低功耗配置文件，这表明 GPU 本身尚存处理能力。”
??
??Bird@Edge 项目只需要通过声音就可以快速辨别鸟的种类。研究人员表示：“从麦克风记录下鸟鸣声，到将鸟鸣声可视化只需要几秒钟，而使用以前的方法需要几天时间。”
??
??图1. Bird@Edge 系统捕捉森林中的鸟声，并将信息传输到一个边缘服务器进行分析。
??
??Bird@Edge 系统软件和 AI
??
??为了根据录音识别和辨别鸟的种类，该团队开发了一个基于 EfficientNet-B3 架构的深度神经网络（DNN），并使用 TensorFlow 进行训练，然后分别使用 NVIDIA TensorRT 和 NVIDIA DeepStream SDK 优化和部署该模型。
??
??这个办法使团队能够支持在 Jetson Nano GPU 上构建多个实时串流的 AI 应用。该算法经过训练后能够识别马尔堡大学森林中发现的 82 种鸟类中的任何一种，而且还可以根据需要扩展到更多物种。
??
??Jetson Nano 运行的 Bird@Edge 虚拟光驱程序，用于负责监测麦克风并实例化和运行 AI 处理流程。监测结果通过蜂窝网络传输到 Bird@Edge 服务器，并存储在 InfluxDB 数据库中。由于和 Grafana 相连，研究人员可以在网页上将数据可视化。
??
??团队证明了他们的 DNN “在几个数据集上的表现优于zui先进的 BirdNET 神经网络，并实现了高达 95.2% 的声景记录平均识别精度。”
??
??该系统还可以辨别不太常见的鸟类。H?chst 表示：“我们目前正在与一位鸟类学家志愿者合作。他正在收集因为不常见而探测发现率较低的鸟类的叫声，这将进一步改进我们的工作。”
??
??Bird@Edge 系统硬件
??
??Bird@Edge 工具基于在分布式系统中运行的嵌入式边缘设备，包括：
??
??Bird@Edge 麦克风：兼容 ESP32 SOC 的 Knowles 麦克风，可通过蓝牙或 Wi-Fi 进行通信，以及一个便宜的蓄电池。
??Bird@Edge 站点：从传入的数据流中捕捉录音，并对所部署的每个麦克风执行推理。该站点是一个小型便携机箱，包含 Jetson Nano、Wi-Fi、调制解调器、电压转换器和一个小型太阳能充电器。
??Bird@Edge 服务器：录音通过 Grafana 传输，然后以可视化的方式动态呈现生成的洞察。
??鉴于 Bird@Edge 站点设置在森林中，团队需要确保每个站点都能够高效率地运行，且无需经常给电池充电，并通过协调麦克风和边缘站点的硬件来提高能效。
??
??团队为站点创建了一个功率只有 3.16 瓦、可持续运行近两周而无需给电池充电的高效率能源配置文件。站点依靠所连接的太阳能电池板可以连续运行。研究小组发现，即使连接的麦克风数量增加，站点的耗电量也不会有太大变化。
??
??视频1. 研究人员讨论 Bird@Edge 项目
??
??追踪区域生物多样性
??
??研究团队认为，这个项目是一种能够更加轻松追踪区域生物多样性的好方法。之前，如果研究人员想要掌握一个栖息地的健康状况，完成手工录音转录这项繁琐的工作就要花费几个月时间，同时还需要额外几个月时间来收集、分析和展示他们的结果。
??
??借助 H?chst 及其团队的工作成果，全世界的环境科学家如今可以在几秒钟内看到当地有哪些鸟类，并实时获得有关生态系统状态的洞察。
??
??研究人员表示：“鸟类对许多生态系统都很重要，它们可以将栖息地、资源和生物流程相互联系起来，因此是显示生态系统健康状况的重要早期预警生物指标。”
??
??总结
??
??Bird@Edge 能被用于更广泛的用途吗？H?chst 表示，团队正在考虑如何将他们的系统商业化：“我们所面临的挑战是要将一个在可控环境中表现良好的手工组装an例，转换成可以大量使用而且无需定期维护的产品。”
??
??“我们已经在设计和制作自动检测 VHF 遥测信号的硬件方面积累了经验，并且正在开发便于建造、稳定可靠的硬件设计，为即将进行的大规模研究做准备。”
??
??另外，自从首次发布他们的论文以来，团队一直在开发一种方便广大用户使用录音系统的网络服务。
??
??H?chst 解释道：“一方面，这使用户能够使用他们手头上的音频录制设备，并将文件上传到我们位于云端的网络服务。同时，用户可以收到直接反馈并查看所上传的文件的谱图、手动验证结果或者bao告分类错误等，进而改进底层的机器学习模型。”
??
??*Bird@Edge 项目中使用的所有软件和硬件组件均已开源，可在 BirdEdge on GitHub（github.com/umr-ds/BirdEdge）获取。
本文资讯来源互联网，版权归原作者所有
