في عالمنا الذي يتسم بالتطور التكنولوجي السريع، يبرز مفهوم المراقبة الصوتية السلبية (Passive Acoustic Monitoring - PAM) كأداة فعالة وغير جائرة لدراسة النظم البيئية بتكاليف منخفضة. يعتمد هذا النظام على مسجلات تلقائية تعمل على جمع كميات هائلة من البيانات البيئية التي يتم تحليلها لاحقًا. ومع ذلك، تتأثر هذه الأنظمة بحدود استهلاك الطاقة وتخزين البيانات، مما يحد من فترة الحملات.

لذا، تم اقتراح نظام مراقبة صوتي ذكي يجمع بين تحليل المشهد الصوتي (Soundscape) بشكل فوري عن طريق دمج مصنف (Classifier) في متحكم AudioMoth. يتضمن هذا النظام شبكة عصبية تلافيفية بسيطة وفعالة من نوع 1D (1D Convolutional Neural Network - 1D-CNN) مخصصة لتصنيف الأصوات الخام. تمت برمجة هذا النموذج مع التركيز على أصوات طائر شيرواتر (Scopoli Shearwater)، وهو نوع مهدد بالانقراض. ومن خلال تدريب النموذج على مجموعة بيانات حقيقية، تم الحصول على دقة تصنيف تصل إلى 91% ودقة متوازنة بنسبة 89%.

لمواجهة قيود الموارد الشديدة الخاصة بجهاز AudioMoth، تم تحسين النموذج ليكون بحجم ذاكرة أقرب إلى 10 كيلوبايت ووقت استنتاج خلال 20 مللي ثانية. وعلاوة على ذلك، يعرض البحث دليلًا مفتوح المصدر لعملية تحسين النموذج واستراتيجيات تصديره، مما يسهل استخدام هذه التكنولوجيا في مشاريع أخرى خارج نطاق هذه الدراسة.

تحتوي النسخة المعدلة من البرنامج الثابت لـ AudioMoth على وظيفتين رئيسيتين: (F1) تسجيل المعلومات بشكل انتقائي عند اكتشاف الأنواع المستهدفة و(F2) تسجيل النتائج التصنيفية المستمرة في الوقت الحقيقي. يهدف هذا العمل إلى تسهيل فكرة المستشعرات الذكية، مما يعزز من كفاءة ومرونة حملات المراقبة الصوتية الحيوية.