园林，2024,41(04)：19-26.基于深度学习的鸟声识别技术研究以北京翠湖国家城市湿地公园为例ResearchonBirdSoundRecognitionTechnologyBasedonDeepLearning:TakingBeijingCuihuNationalUrbanWetlandParkasanExample王一宇12，夏舫°刘松°彭涛°郭慧敏鉴海防WANGYiyu'?XIAFangLIUSongPENGTao’GUOHuimin'JIANHaifang"（1.中国科学院半导体研究所，北京100083；2.山东师范大学物理与电子科学学院，济南250358；3.北京市海淀区湿地和野生动植物保护管理中心，北京100094）(1.InstituteofSemiconductors,ChineseAcademyofSciences,Bejing,China,100083;2.SchoolofPhysicsandElectronics,ShandongNormalUniversity,Jinan,Shandong,China,250358;3.HaidianDistrictWetlandandWildlifeConservationandManagementCenterBeijing,China,100094)文章编号：1000-0283(2024)04-0019-08DOl:10.12193/j.laing.2024.04.0019.003中图分类号：TU986文献标志码：A收稿日期：2024-01-09修回日期：2024-02-28王一宇2000年生/女/内蒙古包头人/在读硕士研究生/研究方向为智能信号处理鉴海防1978年生/男/山东东营人/博士/研究员、博士生导师/研究方向为高性能专用集成电路设计、智能信息处理算法与系统*通信作者(Authorforcorrespondence)E-mail:jhf@semi.ac.cn摘要鸟类是生态系统的重要组成部分，在评估生态系统状态方面具有不可忽视的作用，因此鸟类的调查和监测对于保护生态环境和维护生物多样性至关重要。传统的鸟类监测手段需要消耗大量人力物力，并且结果的准确性和可靠性有限。针对这一问题，提出一种基于深度学习的鸟类声音数据分析识别系统，并在北京翠湖国家城市湿地公园进行应用示范，以验证系统的性能和准确性。该系统首先使用传统声音信号处理方法对前端拾音器采集的音频进行预处理，然后使用残差神经网络提取音频特征并进行分类，从而实现对目标声音所包含物种信息的自动识别。在系统运行期间，成功监测到有效鸟类声音片段共计200044条，其识别准确率达到93%。系统共识别出野生鸟类9目16科52种，其中，属于国家II级重点保护野生动物有6种，分别是大天鹅、鸿雁、红角、纵纹腹小鸦、蓝喉歌、游隼；属于北京市重点保护野生动物共计22种，分别是苍鹭、夜鹭、普通、绿头鸭等。监测到音频片段中相对多度较高的前5个物种依次是苍鹭（26%）鸿雁（16%）、夜鹭（13%）、白头（11%）普通（8%）。实验结果表明，该系统实现了对鸟类声音的自动采集和分析，显著提高了鸟类监...
