buzzdetect:一个开源的深度学习工具,用于自动化生物声学授粉者监测
Luke E Hearon1, Lillian H P Johnson1, James Underwood2
1Department of Entomology, The Ohio State University, Columbus, OH, USA.
Journal of insect science (Online)
|December 10, 2025
概括
研究人员开发了buzzdetect,这是一款用于被动声学监测授粉者的深度学习工具. 这种方法有效地将昆虫飞行声音与噪音区分开来,有助于生态研究.
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:
- 授粉者监测对于生态研究至关重要,但通常受到传统方法 (如扫网和陷) 的高成本和规模的限制.
- 开发可扩展和具有成本效益的方法来长期监测授粉者对于了解生物多样性和生态系统健康至关重要.
研究的目的:
- 推出Buzzdetect,这是一款利用深度学习的新型工具,用于对授粉者的被动声学监测.
- 为了评估设计用于检测来自环境噪音的昆虫飞行声音的音频分类模型的性能.
主要方法:
- 声检测工具将深度学习模型应用于用于被动声学监控的音频数据.
- 开发并测试了一种音频分类模型,以测试其区分昆虫飞行声和背景噪声的能力.
- 该模型实现了28%的灵敏度和95%的准确度,在识别昆虫飞行声音时以每秒的速度进行识别.
主要成果:
- 声检测工具应用于四种作物和一种野花的音频录音.
- 分析显示,在不同植物物种中,授粉者寻找食物的时间和强度有着不同的模式.
- 食活动最早在香草中达到峰值,最后在大豆中达到峰值,与其他作物相比,在末和大豆中观察到的总体活动更高.
结论:
- 使用buzzdetect的被动声学监测为授粉者研究提供了可扩展和具有成本效益的方法.
- 该工具成功识别了昆虫飞行声音,提供了有关授粉者活动模式的宝贵数据.
- 结果表明,buzzdetect有潜力揭示各种作物和息地间授粉者食行为的生态相关差异.
