利用深度学习对夜间活动的鸟类进行声学检测：低信噪比带来的挑战

《Ecological Indicators》：Acoustic detection of a nocturnal bird with deep learning: the challenge of low signal-to-noise ratio

　　信号噪声比（SNR）对卷积神经网络（CNN）在棕翅鸮声学分类中的性能影响。研究构建定制CNN模型并与现有BirdNET模型对比，发现两者在SNR低于3 dB时性能骤降，验证了SNR作为关键性能指标的重要性，并提出通过PCEN预处理和数据增强优化模型鲁棒性。

　　
本研究聚焦于利用卷积神经网络（CNN）对雪鸮（Boreal Owl）的夜间鸣叫进行分类，并深入探讨了信噪比（SNR）对模型性能的影响。研究团队通过部署四台自主录音设备在法国阿尔卑斯朱拉山脉的 Risoux林区，持续六年的音频数据采集，构建了一个包含2619段1分钟音频的数据库。该数据库经过严格筛选，最终被划分为训练集、验证集和测试集，涵盖不同SNR水平（-3.24 dB至24.67 dB）的样本。

### 一、技术路线与数据准备
研究采用分层抽样策略构建训练集。首先通过Xeno-Canto平台获取欧洲地区雪鸮鸣叫的时空分布数据，结合林区实际环境参数（海拔1230米、植被以欧洲云杉和山毛榉为主），最终确定将2018-2024年期间采集的634,617段音频进行SNR分层处理。通过人工标注与自动分割结合的方式，将每段1分钟音频分割为12个5秒的子段，其中包含1658段雪鸮鸣叫的阳性样本和29,770段背景噪声的阴性样本。

在SNR测量方面，研究团队开发了基于时频分析的自动化评估系统。通过选择500-1500 Hz频段，提取0.2秒时窗内的信号能量与噪声能量比值，构建了SNR的三级分段标准：低SNR（-3.24 dB至1.2 dB）、中SNR（1.2 dB至3.49 dB）、高SNR（3.49 dB至24.67 dB）。值得注意的是，2020年记录的12段高SNR样本显著偏离整体分布，这可能与当年特殊的环境因素相关。

### 二、模型开发与性能对比
研究团队构建了一个轻量级CNN模型，包含6层卷积结构（3x3卷积核+ReLU激活+2x2池化）和3层全连接层（GELU非线性激活）。该模型通过双通道数据增强策略：1）对高SNR样本进行随机噪声叠加；2）采用PCEN（单通道能量归一化）预处理技术，有效提升了低SNR数据的可分性。实验显示，PCEN预处理后的模型在PR曲线下面积（PR-AUC）比原始Mel频谱图提升15%，且方差降低30%。

对比主流多标签分类器BirdNET，研究发现两者在SNR阈值（3 dB）以下性能急剧衰减。自定义模型在PR-AUC指标上较BirdNET高0.21（0.69 vs 0.48），但在高精度场景下（如0.98置信度阈值）BirdNET表现出更优的特异性（98% vs 82%）。这种差异源于BirdNET采用预训练的EfficientNet-B1架构，而本研究开发的自定义模型专注于单物种分类，通过更紧凑的卷积结构优化了特征提取效率。

### 三、SNR影响机制分析
研究发现，SNR分布对模型性能具有决定性影响。当训练集仅包含高SNR样本时，模型在测试集上的PR-AUC值下降至0.5以下，而加入中SNR样本可使性能提升至0.65。值得注意的是，当训练集包含低SNR样本时（-3 dB以下），模型在对应测试集上的表现反而劣于纯高SNR训练模型。这表明低SNR数据存在明显的噪声干扰，导致特征提取失效。

研究团队通过交叉验证发现，最优训练集应包含高SNR（占比38.4%）和中SNR（占比38.5%）样本，低SNR样本（占比23.1%）的引入需配合PCEN预处理技术。实验显示，在SNR=3 dB阈值时，两种模型性能均出现断崖式下跌：自定义模型的召回率从0.72骤降至0.07，BirdNET的精确度从0.98跌至0.04。这验证了环境声学监测中3 dB SNR阈值的重要性，相当于信号强度是背景噪声的两倍。

### 四、实际监测应用与生态发现
基于优化后的PCEN预处理模型，研究团队对Risoux林区六年的音频记录进行了分类分析。监测结果显示：
1. **时空分布特征**：78.6%的鸣叫发生在夜间（18:00-6:00），其中23:00-24:00为高峰期（占夜活动的38.2%）
2. **年际波动**：2021年和2024年春季的鸣叫活动分别达到峰值（2021年检测量占总量29.7%，2024年占28.4%），可能与当年冬季的啮齿动物种群数量波动相关
3. **异常行为记录**：2023年9月和2022年7-8月出现了日间鸣叫记录，与之前研究中的夜行性特征不符，推测可能与气候变暖导致的生态节律紊乱有关

特别值得注意的是，在2020年疫情导致的设备故障期（2020年4-6月）和2021年设备维修期（2021年5-6月），监测数据出现显著空白。这提示在生态监测中需考虑设备可靠性对数据完整性的影响。

### 五、方法论创新与生态意义
研究提出的三阶段优化策略具有显著创新：
1. **数据预处理阶段**：开发PCEN参数优化算法，通过调整alpha（0.1）、delta（10）、r（0.25）等系数，在保持特征完整性的前提下提升低SNR数据的可分性
2. **模型架构设计**：采用轻量化CNN结构（参数量约120万），较现有文献报道的同类模型参数量减少40%，在保持性能的同时提升推理效率
3. **评估体系构建**：建立包含PR-AUC、F0.5、精确度、召回率四维度的综合评估体系，特别引入动态阈值调整机制（0.0482-0.93区间）

生态学意义体现在：
- **种群监测**：通过6年连续监测发现，雪鸮鸣叫频率与欧洲云杉果实产量呈显著正相关（r=0.72，p<0.01）
- **栖息地评估**：检测到当林区湿度超过85%时，雪鸮鸣叫频率下降42%，这可能与树洞结构吸湿性相关
- **气候变化响应**：2023年记录到比往年提前2个月的鸣叫高峰，可能与该年冬季气温异常升高（较常年高3.2℃）有关

### 六、技术挑战与改进方向
研究揭示当前声学监测的三大瓶颈：
1. **信号传播模型缺失**：现有模型未考虑地形衰减（如山区坡度导致的声波折射）、植被覆盖（如云杉林密度>60%时信号衰减达15 dB）等环境因素
2. **标注一致性不足**：人工标注存在SNR敏感差异，新手标注者难以识别SNR<3 dB的样本，而专家标注者的误判率（F1=0.62）显著低于自动化系统（F1=0.48）
3. **跨场景泛化能力弱**：在迁移测试中，模型在SNR分布与训练环境差异>20%时性能下降达60%

改进建议包括：
- 开发基于物理声学模型的SNR补偿算法
- 构建多层级标注体系（如ISO 13272标准扩展）
- 建立跨季节、跨年份的基准测试集
- 引入自适应阈值机制（根据实时SNR动态调整置信度）

该研究为《生物多样性公约》缔约方大会（CBD COP15）提出的2020-2030年全球生物多样性监测框架提供了关键技术支撑，其开发的SNR分层训练策略已被纳入ISO/TC 207生态监测标准修订草案。