ترجمه فارسی مقاله TinyBird-ML: یک گره حسگر هوشمند با توان بسیار کم برای تحلیل آواسازی پرندگان و طبقه‌بندی هجا

چکیده

Animal vocalisations serve a wide range of vital functions. Although it is possible to record animal vocalisations with external microphones, more insights are gained from miniature sensors mounted directly on animals’ backs. We present TinyBird-ML; a wearable sensor node weighing only 1.4 g for acquiring, processing, and wirelessly transmitting acoustic signals to a host system using Bluetooth Low Energy. TinyBird-ML embeds low-latency tiny machine learning algorithms for song syllable classification. To optimize battery lifetime of TinyBird-ML during fault-tolerant continuous recordings, we present an efficient firmware and hardware design. We make use of standard lossy compression schemes to reduce the amount of data sent over the Bluetooth antenna, which increases battery lifetime by 70% without negative impact on offline sound analysis. Furthermore, by not transmitting signals during silent periods, we further increase battery lifetime. One advantage of our sensor is that it allows for closed-loop experiments in the microsecond range by processing sounds directly on the device instead of streaming them to a computer. We demonstrate this capability by detecting and classifying song syllables with minimal latency and a syllable error rate of 7%, using a light-weight neural network that runs directly on the sensor node itself. Thanks to our power-saving hardware and software design, during continuous operation at a sampling rate of 16 kHz, the sensor node achieves a lifetime of 25 hours on a single size 13 zinc-air battery.

چکیده به فارسی (ترجمه ماشینی)

آوازهای حیوانات طیف گسترده ای از کارکردهای حیاتی را ارائه می دهند.اگرچه ضبط آوازهای حیوانات با میکروفن های خارجی امکان پذیر است ، اما بینش بیشتری از سنسورهای مینیاتوری که مستقیماً روی پشت حیوانات نصب شده اند به دست می آید.ما Tinybird-ML را ارائه می دهیم.یک گره سنسور پوشیدنی که فقط برای دستیابی ، پردازش و انتقال بی سیم سیگنال های صوتی به سیستم میزبان با استفاده از انرژی کم بلوتوث ، فقط 1.4 گرم وزن دارد.Tinybird-ML الگوریتم های یادگیری ماشین کوچک با تأخیر کم برای طبقه بندی هجا آهنگ تعبیه شده است.برای بهینه سازی طول عمر باتری Tinybird-ML در هنگام ضبط مداوم تحمل گسل ، ما یک سیستم عامل و طراحی سخت افزاری کارآمد ارائه می دهیم.ما از طرح های فشرده سازی از دست دادن استاندارد استفاده می کنیم تا میزان داده های ارسال شده از آنتن بلوتوث را کاهش دهیم ، که باعث افزایش طول عمر باتری 70 ٪ بدون تأثیر منفی در تجزیه و تحلیل صدای آفلاین می شود.علاوه بر این ، با عدم انتقال سیگنال ها در دوره های خاموش ، بیشتر طول عمر باتری را افزایش می دهیم.یکی از مزایای سنسور ما این است که با پردازش صداها به طور مستقیم روی دستگاه به جای پخش کردن آنها به رایانه ، آزمایش های حلقه بسته را در محدوده میکرو ثانیه امکان پذیر می کند.ما این توانایی را با تشخیص و طبقه بندی هجا های آهنگ با حداقل تأخیر و میزان خطای هجا 7 ٪ ، با استفاده از یک شبکه عصبی با وزن سبک که مستقیماً روی خود گره سنسور اجرا می شود ، نشان می دهیم.با تشکر از سخت افزار و طراحی نرم افزار صرفه جویی در مصرف برق ، در حین کار مداوم با میزان نمونه برداری 16 کیلوهرتز ، گره سنسور در یک باتری 13 ساعت 13 ساعت به طول 25 ساعت می رسد.