机器学习助力生物多样性保护：野外录音中的人为噪声分离技术

基于深度学习的人为噪声与鸟鸣声分离系统，为生态监测提供纯净的音频数据

• 原作者/维护者: Bendemeurichy
• 来源平台: GitHub
• 原项目名称: anthropogenic_sound_identification
• 原始链接: https://github.com/Bendemeurichy/anthropogenic_sound_identification
• 项目性质: 硕士论文研究项目
• 研究领域: Machine Learning for Biodiversity

---

在生物多样性监测和生态研究中，野外录音是获取动物声音数据的重要手段。然而，现代环境中无处不在的人为噪声——飞机轰鸣、车辆通行、工业活动——严重污染了这些珍贵的野外录音，给自动化的物种识别和生态分析带来了巨大挑战。

传统的音频分析方法往往难以有效区分目标生物声音与背景人为噪声，导致：

• 物种识别准确率下降
• 生态数据质量受损
• 研究人员需要耗费大量时间进行人工筛选

本项目正是针对这一痛点，开发了一套基于机器学习的音频源分离与分类系统，专门用于从野外录音中分离飞机噪声和鸟鸣声。

---

项目的核心任务是音频源分离(Audio Source Separation)——将混合录音分解为独立的声源成分。具体而言，系统需要：

1. 从包含飞机噪声和鸟鸣的混合录音中分离出纯净的鸟鸣声
2. 对分离后的音频进行分类和验证
3. 为后续的生物多样性分析提供高质量的数据输入

• 编程语言: Python 3.11–3.12
• 依赖管理: Poetry
• 深度学习框架: PyTorch
• 音频处理: 自定义音频工具库

项目采用模块化的架构设计：

├── configs/          # YAML配置文件，用于超参数调优
├── scripts/          # 实用脚本和HPC集群脚本
│   ├── analysis/     # 分析与可视化
│   ├── data/         # 数据准备
│   ├── demo/         # 演示入口
│   ├── hpc/          # HPC集群作业脚本(PBS)
│   ├── tuning/       # Optuna超参数调优
│   └── run_validation.py  # 统一验证运行器
├── src/              # 主程序包
│   ├── common/       # 共享工具(音频、路径、数据增强)
│   ├── activity_filter/    # 音频活动检测
│   ├── label_loading/      # 数据集特定的标签加载器(支持10+数据集)
│   ├── models/       # 分离模型
│   │   ├── base.py   # 共享BaseSeparator抽象基类
│   │   ├── clapsep/  # CLAPSep(文本提示分离)
│   │   ├── sudormrf/ # SuDoRM-RF(时域分离)
│   │   └── tuss/     # TUSS(通用源分离)
│   ├── orchestration/      # 训练编排与运行器
│   ├── pipeline/     # 端到端分离流水线
│   ├── validation_functions/  # 验证与诊断
│   └── tag_analysis/       # 标签分析
└── tests/            # 测试套件

---

项目实现了三种主要的音频分离模型，每种模型针对不同的应用场景和计算资源需求：

TUSS是一种通用的音频源分离模型，能够从混合音频中分离出指定的目标声源。

使用示例:

from models.tuss.inference import TUSSInference

# 从检查点加载模型
tuss = TUSSInference.from_checkpoint("checkpoints/best_model.pt")

# 分离音频
sources = tuss.separate("audio.wav")

# 获取感兴趣区域(COI)音频
coi = tuss.get_coi_audio(sources)

# 保存分离结果
tuss.save_audio(coi, "separated_coi.wav")