Non ci sono prodotti a carrello.
Il progetto tenta di riconoscere i diversi richiami di uccelli ascoltando continuamente l’audio attraverso il microfono integrato del Nano 33 BLE Sense. Il richiamo dell’uccello udito sarà analizzato e classificato; se non si sente, l’audio verrà classificato come rumore di fondo. Questo progetto può essere utile per le persone interessate al birdwatching o coloro che vogliono capire i modelli dei richiami.
Edge Impulse supporta completamente Arduino Nano 33 BLE Sense, una scheda di sviluppo compatta contenente un microprocessore Cortex-M4, sensori di movimento, un microfono e BLE.
Dopo aver configurato il sensore Nano 33 BLE con il framework Edge Impulse, possiamo continuare con il passaggio successivo, ovvero costruire un modello di machine learning.
Poiché abbiamo bisogno di molti dati sugli uccelli ed è difficile trovarne di quantità e qualità elevate, li abbiamo presi da Xeno-Canto, che è un grande database dedicato alla condivisione dei suoni degli uccelli da tutto il mondo.
Abbiamo scaricato circa 20-25 file audio per ogni uccello e lavorato sulla pre-elaborazione utilizzando un software chiamato Audacity.
Dopo aver configurato il modello di neural network e fatto qualche test, abbiamo ottenuto i seguenti risultati:
