利用深度学习对红棕象入侵进行早期检测的声音分类

原文约300字，阅读约需1分钟。发表于：。

提出了一种基于声音活动记录和分析的早期红棕象检测方法，通过将声音数据转换为一组特征基础上的图像并应用不同的深度学习技术对图像进行分类，成功超越了公共数据集上现有技术的表现。

该研究使用深度学习模型检测蚜虫簇集，并提出了一种新的方法来估计感染水平。通过构建庞大数据集并比较四种目标检测模型的性能，结果显示它们在精度和召回率方面表现相似。进一步的方法使性能提升了约17%。该研究证明了使用机器学习模型自动检测和管理昆虫的可行性，并提供了该标注数据集给研究界。