飞行和花声学信号用于蜜蜂物种识别

科学领域:

• 生态生态学 生态生态学
• 生物声学是一种生物声学.
• 机器学习 机器学习

背景情况:

• 自动化动物识别对于生态研究至关重要.
• 自动识别蜜蜂物种的工具尚未得到充分开发.
• 蜜蜂鉴定对于生物多样性评估至关重要.

研究的目的:

• 开发和评估一种机器学习模型,用于识别使用声识别五种蜜蜂物种.
• 为了确定飞行和花声的有效性,用于物种分类.
• 探索对蜜蜂种群的声学监测的潜力.

主要方法:

• 使用了一个随机森林机器学习算法.
• 从飞行和花的声录音中提取了声学参数.
• 基本频率被确定为分类的关键特征.

主要成果:

• 机器学习模型在飞行声下达到90.94%的准确率,在花声下达到82.22%的准确率.
• 结合两种声音类型,分类准确率达到95.04%.
• 由于声学重叠,B. pauloensis的分类性能较低.

结论:

• 声学特征是可靠的物种层面的蜜蜂识别.
• 这种方法提供了一种非侵入性的方法来监测蜜蜂的丰富性和丰富性.
• 这些发现支持生态研究和生物多样性评估的自动化工具的开发.