一种轻量化的海南长臂猿声音识别模型

【目的】为解决海南长臂猿(Nomascus hainanus)野外声音监测难题,提出了一种轻量化的长臂猿声音识别模型,以期提高声音监测效率,丰富海南长臂猿监测体系。【方法】通过优化激活函数、减少批标准化层以及重新设计网络层级结构,对轻量化神经网络模型MobileNetV2进行了改进。改进优化后的模型适用于野外真实场景下的硬件部署,以实现对海南长臂猿的声音识别。【结果】1)在模型精度方面,优化后的声音识别模型对于海南长臂猿声音识别的精准率可达100%,F1分数可达99.9%,相比于MobileNetV2与MobileNetV3模型,精准率提升了2.3%与1.1%,F1分数提升了5.6%与1.4%。2)在模型参数方面,优化后的声音识别模型的参数量为1.51 M,相比于MobileNetV2与MobileNetV3模型,模型参数量降低了32.3%与0.7%,识别速度提升了51.9%与54.7%。【结论】提出的轻量化海南长臂猿声音模型,可在野外真实场景下有效识别海南长臂猿声音,为海南长臂猿的保护与监测提供技术支撑。