根據野生鳥類的外表來識別它是一回事。僅僅根據聲音來識別同一只鳥是另一回事。除非你是一個熟練的觀鳥者Big Year，通過聲音識別鳥類可能相當具有挑戰性
德國馬爾堡大學的一組數學、計算機科學和生物學研究人員設計了一種快速識別鳥類和監測當地生物多樣性的方法。他們使用連接到 NVIDIA 的便攜式設備拍攝的錄音Jetson Nano Developer Kit.
根據研究人員的說法Bird@Edge project是一個邊緣人工智能系統，“基于分布式系統中運行的嵌入式邊緣設備，能夠對森林中記錄的聲景進行高效、連續的評估。”要了解更多信息，請參閱Bird@Edge: Bird Species Recognition at the Edge.
這個 Bird @ Edge 項目
使用多個基于 ESP32 的麥克風 (Bird @ Edge 麥克風），研究人員將鳥的聲音傳輸到當地 Bird @ Edge 物種識別站。每個麥克風的 Wi-Fi 半徑為 50 米
這種設置部署在當地的森林中，因此研究人員仔細考慮了音頻流的 Wi-Fi 傳輸以及 GPU 性能。該團隊確定，他們可以將多達 10 個麥克風連接到一個電臺。從這些站點獲得的結果隨后被傳輸到后端云，供團隊中的生物多樣性研究人員進行進一步分析
研究人員 Jonas H ? chst 說：“我們在運行我們的模型的 Jetson Nano GPU 上仍然有一些處理能力。”。“我們還能夠為 Jetson Nano 使用定制的低功耗配置文件，這表明 GPU 本身仍有一定的處理能力。”
使用 Bird @ Edge 該項目中，僅憑聲音就可以快速識別鳥類。研究人員表示：“與傳統方法的幾天相比，麥克風記錄的鳥鳴與其可視化之間的延遲約為幾秒。”
Bird @ Edge 系統軟件和人工智能
為了根據錄音識別和識別鳥類，該團隊開發了一個基于EfficientNet-B3 architecture并使用TensorFlow。該模型使用NVIDIA TensorRT并與NVIDIA DeepStream SDK.
這種方法使團隊能夠以支持 Jetson Nano GPU 上多個直播流的方式構建人工智能應用程序。該算法經過訓練，可以識別在馬爾堡大學擁有的森林中發現的 82 種鳥類中的任何一種，但如果需要，可以擴展到更多的物種
Jetson Nano 運行 Bird @ Edge 守護進程，負責發現麥克風，以及實例化和運行人工智能處理管道。結果通過蜂窩網絡傳送到 Bird @ Edge 服務器，并存儲在 InfluxDB 數據庫中。此連接到Grafana，這樣研究人員就可以使用網絡界面將數據可視化。
該團隊證明了他們的 DNN “優于最先進的BirdNET neural network在幾個數據集上，并實現了高達 95.2% 的聲景記錄平均精度的識別質量。”看見Bird@Edge: Bird Species Recognition at the Edge了解更多詳細信息。
該系統還可以識別不太常見的鳥類。 H ? chst 說：“我們目前正在與一位自愿的鳥類學家合作，他正在收集罕見的、因此覆蓋較少的鳥類的鳥鳴，這進一步改進了我們的方法。”
Bird @ Edge 系統硬件
這個 Bird @ Edge 該工具基于在分布式系統中運行的嵌入式邊緣設備，包括：
- Bird @ Edge 麥克風:Knowles microphones與兼容ESP32通過藍牙或 Wi-Fi 進行通信的 SOC ，以及價格合理的電池
- Bird @ Edge 火車站：從傳入流中捕獲音頻記錄，并對部署的每個麥克風執行推斷。該電站是一個小型便攜式機箱，包括 Jetson Nano 、 Wi-Fi 、調制解調器、電壓轉換器和一個小型太陽能充電器
- Bird @ Edge 服務器：錄音使用傳輸Grafana以動態地呈現以視覺方式生成的見解。
鑒于 Bird @ Edge 在森林中建立了發電站，該團隊需要確保每個發電站都能高效運行，而無需頻繁給電池充電。為了提高能源效率，麥克風和邊緣站的硬件進行了協調
該團隊能夠為該電站創建一個高效的能源配置文件，只需要 3.16 瓦，并且可以在不充電的情況下持續近 2 周。使用連接在電站上的太陽能電池板，它可以連續運行。研究小組發現，即使連接到電臺的麥克風數量增加，電臺的功耗也不會有太大變化
視頻 1 。研究人員討論 Bird @ Edge 項目
追蹤區域生物多樣性
研究小組將該項目視為一種更容易追蹤區域生物多樣性的手段。以前，如果研究人員想了解棲息地的健康狀況，他們需要數月乏味的手工轉錄錄音，而他們的結果需要數月的時間來收集、分析和呈現
根據 H ? chst 和他的隊友們的工作，世界各地的環境科學家現在可以在幾秒鐘內看到哪些當地鳥類的存在，并立即了解生態系統的狀態
研究人員說：“鳥類對許多生態系統都很重要，因為它們將棲息地、資源和生物過程聯系在一起，因此是生態系統健康的重要預警生物指標。”
摘要
我們能期待嗎 Bird @ Edge 以便更廣泛地提供？根據 H ? chst 的說法，該團隊正在考慮如何將他們的系統商業化。他說：“從一個在受控環境中表現良好的手工組裝原型，到一個可以在沒有定期維護的情況下大量運行的產品，這是一個挑戰。”
“然而，我們已經在 VHF 遙測信號自動檢測硬件的設計和構建方面積累了經驗，并正在為即將進行的大規模研究進行易于構建和穩健的硬件設計。”
此外，自他們的論文首次發布以來，該團隊一直在開發一項網絡服務，以使廣大用戶更容易使用錄音
H ? chst 解釋道：“一方面，這使用戶能夠使用現有的庫存錄音機，并將文件上傳到我們的云網絡服務。”。“另一方面，用戶可以收到直接反饋，例如，可以查看上傳文件的光譜，手動驗證結果，或報告錯誤分類，以改進底層的機器學習模型。”
額外資源
有關更多詳細信息，請訪問 NVIDIA 開發者論壇Bird@Edge: Bird Species Recognition at the Edge。中使用的所有軟件和硬件組件 Bird @ Edge 項目是開源的，可通過BirdEdge on GitHub.
其他使用人工智能通過聲音識別鳥類的項目包括Merlin Bird ID app，適用于 iOS 和 Android 設備。要了解有關以環境為中心的人工智能模型的更多信息，請參閱DIY Urban AI: Researchers Drive Hyper-Local Climate Modeling Movement.
