Студент ЧелГУ создал мобильное приложение для распознавания птиц по голосу
3 июля 2026 г.
Студент математического факультета Челябинского государственного университета Евгений Могранов под руководством доцента кафедры вычислительной механики и информационных технологий ЧелГУ Анны Авилович разработал интеллектуальную систему акустической идентификации птиц — программный продукт, позволяющий определять вид пернатых по их пению с высокой точностью.
Целью исследования стала разработка программного решения для распознавания видов птиц по аудиозаписям их голосов с использованием методов машинного обучения. В ходе работы автор изучил особенности обработки аудиосигналов, собрал и подготовил датасет из голосов 16 видов птиц, обитающих в Челябинской области. Для обучения модели аудиофайлы были преобразованы в мел-спектрограммы, на основе которых нейросетевая модель научилась классифицировать виды. Итоговая точность модели составила около 81%.
Результатом работы стала полностью готовая система, включающая мобильное приложение для Android. Пользователю достаточно записать короткий фрагмент пения птицы, и приложение в реальном времени определяет вид. Помимо названия, программа выдаёт энциклопедическую справку о птице, что делает её полезной не только для учёных, но и для любителей природы.
Автоматическое распознавание птиц по звуку открывает широкие возможности для экологического мониторинга, орнитологических исследований, образовательных проектов и мобильных приложений для наблюдения за природой. Такой подход позволяет фиксировать присутствие редких видов без визуального контакта, что особенно важно в труднодоступных местах.
«Идея создания программы для классификации объектов по звуку появилась из интереса к машинному обучению и работе с цифровым звуком, — комментирует Евгений Могранов. — Заведеющая кафедрой ВМиИТ Плеханова Марина Васильевна предложила использовать птиц в качестве объектов для классификации по звуковым сигналам, а именно определять по пению птиц их вид. Также на эту идею меня вдохновляли мои друзья, которые увлекаются орнитологией и занимаются наблюдением за птицами в Челябинской области, они помогли мне выбрать 16 видов птиц которые обитают в нашей области, собрать необходимые данные для обучения нейронной сети и энциклопедические факты о видах птиц, которые отображаются после классификации вида по пению».
В дальнейшем проект планируется развивать за счёт расширения датасета, увеличения количества распознаваемых видов и улучшения точности модели. Также возможна интеграция решения в полевые приложения и использование в крупных экологических проектах.
Результатом работы стала полностью готовая система, включающая мобильное приложение для Android. Пользователю достаточно записать короткий фрагмент пения птицы, и приложение в реальном времени определяет вид. Помимо названия, программа выдаёт энциклопедическую справку о птице, что делает её полезной не только для учёных, но и для любителей природы.
Автоматическое распознавание птиц по звуку открывает широкие возможности для экологического мониторинга, орнитологических исследований, образовательных проектов и мобильных приложений для наблюдения за природой. Такой подход позволяет фиксировать присутствие редких видов без визуального контакта, что особенно важно в труднодоступных местах.
«Идея создания программы для классификации объектов по звуку появилась из интереса к машинному обучению и работе с цифровым звуком, — комментирует Евгений Могранов. — Заведеющая кафедрой ВМиИТ Плеханова Марина Васильевна предложила использовать птиц в качестве объектов для классификации по звуковым сигналам, а именно определять по пению птиц их вид. Также на эту идею меня вдохновляли мои друзья, которые увлекаются орнитологией и занимаются наблюдением за птицами в Челябинской области, они помогли мне выбрать 16 видов птиц которые обитают в нашей области, собрать необходимые данные для обучения нейронной сети и энциклопедические факты о видах птиц, которые отображаются после классификации вида по пению».
В дальнейшем проект планируется развивать за счёт расширения датасета, увеличения количества распознаваемых видов и улучшения точности модели. Также возможна интеграция решения в полевые приложения и использование в крупных экологических проектах.
