Vögel an ihrer Stimme erkennen — wie whoBIRD Ihr Smartphone in ein Ornithologie-Labor verwandelt
Stellen Sie sich vor: Sie sind im Wald, hören wunderschöne Vogelgesänge, können aber nicht herausfinden, wer da singt. Früher erforderte die Bestimmung von Vogelarten Feldführer und Erfahrung, aber jetzt brauchen Sie nur ein Smartphone mit der whoBIRD-App. Dieses Projekt ist ein anschauliches Beispiel dafür, wie Technologie Wissenschaft für jeden zugänglich machen kann.
Was verbirgt sich hinter der einfachen Oberfläche?
whoBIRD ist eine Android-Anwendung, die maschinelle Lernalgorithmen verwendet, um über 6.000 Vogelarten anhand ihrer Stimmen zu erkennen. Das Projekt basiert auf der BirdNET-Technologie, die der Entwickler woheller69 für mobile Geräte angepasst hat.
Was es auszeichnet:
- Funktioniert offline — keine Internetverbindung erforderlich nach dem Herunterladen der Modelle
- Echtzeit-Verarbeitung — Audioanalyse erfolgt sofort
- Globale Datenbank — erkennt Vögel aus aller Welt
- Flexible Einstellungen — Filter, Erkennungsschwellenwerte, Aufnahmen speichern
Wie es in der Praxis funktioniert
Nach der Installation (die App ist auf F-Droid verfügbar) lädt whoBIRD die erforderlichen Modelle für maschinelles Lernen herunter. Dann ist alles einfach:
- Öffnen Sie die App
- Richten Sie das Mikrofon auf die Geräuschquelle
- Erhalten Sie den Namen des Vogels und zusätzliche Informationen
Technische Funktionen, die beeindrucken
Unter der Haube verwendet whoBIRD:
- TensorFlow Lite für die Ausführung von neuronalen Netzwerkmodellen auf dem Gerät
- Benutzerdefinierte Filter zur Rauschunterdrückung im Audio
- Geografische Standort- und Saisondaten zur Verbesserung der Genauigkeit
Besonders interessant ist die Option „Weighted Meta Model", die die Erkennung von Zugvögeln durch die Analyse ihrer möglichen Anwesenheit in verschiedenen Jahreszeiten verbessert.
Für wen ist das nützlich?
- Amateur-Ornithologen — für die Führung von Beobachtungstagebüchern
- Wildtier-Fotografen — um seltene Arten zu finden
- Biologielehrer — als visuelle Lehrmethode
- Entwickler — ein Beispiel für gut implementiertes ML auf mobilen Geräten
Persönliche Erfahrung
Die App wurde in einem Wald in der Nähe von Moskau getestet — sie identifizierte einen Buchfinken und eine Kohlmeise beim ersten Versuch. Die Genauigkeit ist beeindruckend, besonders angesichts der Hintergrundgeräusche. Für seltene Arten empfiehlt es sich jedoch, zusätzliche Quellen zur Überprüfung heranzuziehen.
whoBIRD ist ein großartiges Beispiel für die praktische Anwendung von maschinellem Lernen. Das Projekt ist Open Source (GPLv3-Lizenz), wird aktiv weiterentwickelt und hat bereits fast 600 Sterne auf GitHub gesammelt. Wenn Sie sich auch nur leicht für Natur interessieren — es lohnt sich, es auszuprobieren.
P.S. Der Entwickler nimmt Kaffee-Spenden an — ein guter Grund, ein nützliches Projekt zu unterstützen!
Ähnliche Projekte