BirdNet – 通过声音识别鸟类

“基于实验室行业领先的生物声学科学构建的免费康奈尔应用程序是迄今为止最准确的。” – 飞行课程“BirdNET 可让您录制歌曲片段并上传以进行即时分析。” – 华尔街日报 “录制一些鸣叫，它会告诉你发出这种声音的是哪种鸟。” – 华盛顿邮报 “您无需成为专家即可开始。” – 纽约时报 计算机如何学会从声音中识别鸟类？康奈尔鸟类学实验室和开姆尼茨理工大学正试图找到这个问题的答案。我们的研究主要集中在使用机器学习对鸟类声音进行检测和分类——我们希望协助专家和公民科学家进行监测和保护鸟类的工作。 BirdNET 是一个研究平台，旨在通过声音大规模识别鸟类。我们支持各种硬件和操作系统，例如 Arduino 微控制器、Raspberry Pi、智能手机、网络浏览器、工作站 PC，甚至云服务。 BirdNET 是一个公民科学平台，也是一个分析软件，用于收集大量音频。 BirdNET 旨在为保护主义者、生物学家和鸟类爱好者提供创新工具。此页面包含我们的一些公开演示，包括实时流演示、音频记录分析演示、Android 和 iOS 应用程序及其提交的可视化。所有演示都基于我们称为 BirdNET 的人工神经网络。我们不断改进演示的功能和性能 - 请务必定期与我们联系。我们目前拥有 984 种北美和欧洲最常见的物种。我们将在不久的将来添加更多物种和更多地区。单击此处查看支持的物种列表。

你有没有听过你无法辨认的鸟叫声？了解如何使用我们的 BirdNET 智能手机应用程序在穿越 Sapsucker Woods 的旅途中识别您的神秘鸟类！通过康奈尔鸟类学实验室的免费 BirdNET 移动应用程序和网站，了解如何通过声音识别鸟类。机器学习的进步使得通过声音识别鸟类变得更加容易。与 BirdNET 开发人员 Stefan Kahl 的问答。直播演示处理来自康奈尔鸟类学实验室外麦克风的实时音频流，该实验室位于纽约伊萨卡的 Sapsucker Woods 保护区。该演示以人工神经网络为特色，对 Sapsucker Woods 地区的 180 种最常见物种进行了训练。我们的系统将音频流分成多个段，将这些段转换为频谱图（音频信号的视觉表示），并将频谱图通过卷积神经网络传递，所有这些都是近乎实时的。该网页将最后五秒的物种概率累积为一个预测。如果一个物种的概率达到 15% 或更高，您可以在直播流的滚动频谱图中看到一个标记，指示相应声音的估计位置。此演示适用于大屏幕。在录制的音频文件中可靠地识别鸟类物种将成为研究人员、保护生物学家和鸟类爱好者的变革性工具。该演示提供了一个用于上传和分析录音的 Web 界面。该演示基于包含北美和欧洲近 1,000 种最常见物种的人工神经网络，在记录的每一秒内显示最可能的物种。请注意：我们需要将录音传输到我们的服务器以处理文件。此演示适用于大屏幕。此应用程序可让您使用 Android 或 iOS 设备的内置麦克风录制文件，人工神经网络会告诉您录音中最有可能出现的鸟类种类。我们使用智能手机和平板电脑的本地录音功能以及 GPS 服务根据位置和日期进行预测。试试看！请注意：我们需要将录音传输到我们的服务器以处理文件。录制质量可能因您的设备而异。外部麦克风可能会提高录音质量。注意：我们认为我们的应用程序是一个原型，绝不是最终产品。如果您遇到任何不稳定性或对功能有任何疑问，请告诉我们。我们将在不久的将来添加新功能，您将自动收到所有更新。康奈尔实验室致力于促进对自然世界的了解和保护，与各行各业的人们一起做出新的科学发现、分享见解并激发保护行动。我们位于纽约伊萨卡的约翰逊鸟类和生物多样性中心是鸟类和生物多样性研究和保护的全球中心，也是来自世界各地的数百万公民科学观察的中心。

开姆尼茨理工大学是德国开姆尼茨的一所公立大学。它拥有超过 11,000 名学生，是萨克森州第三大大学。它成立于 1836 年，前身为 Königliche Gewerbeschule（皇家商业学院），并于 1963 年升格为技术大学 Technische Hochschule。 TU Chemnitz 拥有约 1,500 名科学、工程和管理人员，是世界上最重要的雇主之一。地区。我是康奈尔鸟类学实验室和开姆尼茨理工大学 K. Lisa Yang 生物声学保护中心的博士后。我的工作包括使用卷积神经网络开发用于生物声学、环境监测和移动人机交互设计的人工智能应用程序。我是 BirdNET 的主要开发人员和我们的演示者。我是康奈尔鸟类学实验室 K. Lisa Yang 保护生物声学中心的研究分析师，也是 BirdNET 应用程序的社区经理。我通过科学调查和公众参与积极参与环境保护。了解自然声音与人为因素对动物交流空间的影响之间的关系是我的热情所在。作为康奈尔大学鸟类学实验室 K. Lisa Yang 生物声学保护中心的博士后，我的主要兴趣是了解野生动物种群和生态群落如何应对环境变化，从而为它们的保护做出贡献。我使用在大型监测项目中收集的音频数据来研究北美鸟类群落。我是开姆尼茨理工大学的软件开发人员和计算机科学家，专注于应用计算机科学和以人为本的设计。我是 BirdNET 应用程序 iOS 版本的主要开发人员。作为康奈尔鸟类学实验室 K. Lisa Yang 生物声学保护中心的博士后，我目前的研究涉及开发连续环境音频流中自动源分离的解决方案，以及开发用于无监督多类分类的声学深度学习技术在大数据领域。我一直积极参与 IEEE 的海洋工程学会 (OES)，目前，我担任技术委员会的协调员。我于 2015 年 12 月加入康奈尔鸟类学实验室，并于 2016 年 8 月接任 K. Lisa Yang 保护生物声学中心（前身为生物声学研究计划）的主任。我也是阿特金森可持续发展中心的教员康奈尔大学的未来。此外，我还在俄勒冈州立大学 (OSU) 担任兼职助理教授职位。

BirdNET 是一个依赖外部资金的研究项目。我们希望开发新功能、添加更多物种、扩展我们的服务，最重要的是，为观鸟者和想成为其中一员的人提供出色的体验。每一笔都是有价值的！它帮助我们支付服务器成本并继续我们的研究。您目前是否正在研究一个可能对 BirdNET 有所帮助的主题，或者您对研究项目有什么想法？让我们知道！您想在软件和应用程序开发领域支持我们吗？ Wood, CM, Kahl, S., Chaon, P., Peery, MZ, & Klinck, H. (2021)。调查覆盖范围、记录持续时间和群落组成影响被动声学调查中观察到的物种丰富度。生态学和进化方法。 [ PDF] Kahl, S., Wood, CM, Eibl, M., & Klinck, H. (2021)。 BirdNET：鸟类多样性监测的深度学习解决方案。生态信息学, 61, 101236. [来源] Kahl, S., Clapp, M., Hopping, W., Goëau, H., Glotin, H., Planqué, R., ... & Joly, A. (2020)。 BirdCLEF 2020 概述：复杂声学环境中的鸟类声音识别。在 CLEF 2020（工作笔记）中。 [PDF] Joly, A., Goëau, H., Kahl, S., Deneu, B., Servajean, M., Cole, E., ... & Lorieul, T. (2020)。 LifeCLEF 2020 概述：CLEF 2020 中自动物种识别和物种分布预测的面向系统的评估（工作说明）。 [PDF]

Kahl, S. (2020)。通过声音识别鸟类：用于鸟类活动监测的大规模声学事件识别。论文。开姆尼茨工业大学，德国开姆尼茨。 [PDF] Kahl, S., Stöter, FR, Goëau, H., Glotin, H., Planqué, R., Vellinga, WP, & Joly, A. (2019)。 BirdCLEF 2019 概述：音景中的大规模鸟类识别。在 CLEF 2019（工作笔记）中。 [PDF] Joly, A., Goëau, H., Botella, C., Kahl, S., Servajean, M., Glotin, H., ... & Müller, H. (2019)。 LifeCLEF 2019 概述：亚马逊植物、南美和北美鸟类的鉴定以及生态位预测。在欧洲语言跨语言评估论坛国际会议上（第 387-401 页）。斯普林格，查姆。 [PDF] Joly, A., Goëau, H., Botella, C., Kahl, S., Poupard, M., Servajean, M., ... & Schlüter, J. (2019)。 LifeCLEF 2019：生物多样性识别和预测挑战。在欧洲信息检索会议上（第 275-282 页）。斯普林格，查姆。 [PDF] Kahl, S., Wilhelm-Stein, T., Klinck, H., Kowerko, D., & Eibl, M. (2018)。从声音中识别鸟类——2018 年 BirdCLEF 基线系统。 arXiv 预印本 arXiv:1804.07177。 [PDF] Goëau, H., Kahl, S., Glotin, H., Planqué, R., Vellinga, WP, & Joly, A. (2018)。 BirdCLEF 2018 概述：单一物种与声景鸟类识别。在 CLEF 2018（工作笔记）中。 [PDF] Kahl, S., Wilhelm-Stein, T., Klinck, H., Kowerko, D., & Eibl, M. (2018)。野外记录中大型鸟类物种识别的基线。在 CLEF 2018（工作笔记）中。 [PDF]

Kahl, S., Wilhelm-Stein, T., Hussein, H., Klinck, H., Kowerko, D., Ritter, M., & Eibl, M. (2017)。使用卷积神经网络的大规模鸟类声音分类。在 CLEF 2018（工作笔记）中。 [PDF]