Please use this identifier to cite or link to this item:
http://elartu.tntu.edu.ua/handle/lib/48104
Title: | Методи та засоби комп’ютеризованого відстеження міграції птахів на основі аналізу звукових сигналів |
Other Titles: | Methods and tools for computerized tracking of bird migration based on sound signal analysis |
Authors: | Сороківська, Надія Віталіївна Sorokivska, Nadiia |
Affiliation: | Тернопільський національний технічний університет імені Івана Пулюя Ternopil Ivan Puluj National Technical University |
Bibliographic description (Ukraine): | Сороківська Н. В. Методи та засоби комп’ютеризованого відстеження міграції птахів на основі аналізу звукових сигналів : кваліфікаційна робота на здобуття ступеня магістр: спец. 123 — комп’ютерна інженерія / наук.кер. В. В. Яцишин. Тернопіль: ТНТУ, 2024. 83 с. |
Bibliographic description (International): | Sorokivska N. Methods and tools for computerized tracking of bird migration based on sound signal analysis : Master Thesis „123 — Computer Engineering“ / Nadiia Sorokivska - Ternopil, TNTU, 2024 – 83 p. |
Issue Date: | 16-Dec-2024 |
Submitted date: | 23-Jun-2024 |
Date of entry: | 2-Feb-2025 |
Publisher: | Тернопільський національний технічний університет імені Івана Пулюя |
Country (code): | UA |
Place of the edition/event: | Тернопільський національний технічний університет імені Івана Пулюя |
Supervisor: | Яцишин, Василь Володимирович Yatsyshyn, Vasyl |
Committee members: | Деркач, Марина Володимирівна Derkach, Maryna |
UDC: | УДК 004.8-9: 656.07 |
Keywords: | 123 комп’ютерна інженерія машинне навчання звукові сигнали IoT bird song spectrogram artificial intelligence CQT monitoring audio signal processing data processing. спектрограми аудіодані |
Number of pages: | 83 |
Abstract: | Кваліфікаційна робота присвячена дослідженню методів розпізнавання пташиного співу в умовах підвищеного шумового фону за допомогою сучасних методів аналізу звуку. У роботі здійснено порівняння різних підходів до обробки аудіоданих, зокрема використання мел-спектрограм і CQT-спектрограм, а також аналіз ефективності навчання моделей із використанням попередньо натренованих і власноруч налаштованих нейронних мереж. Система базується на концепції Інтернету речей, що дозволяє збирати та обробляти дані в режимі реального часу.
Отримані результати демонструють потенціал застосування таких систем у моніторингу біорізноманіття та екологічному аналізі, а також підвищують ефективність реагування на надзвичайні ситуації, спричинені природними катастрофами. Робота підкреслює перспективи інтеграції таких систем у малогабаритні комп’ютерні пристрої для забезпечення автономного функціонування в польових умовах.
This master’s thesis focuses on studying methods for recognizing bird songs in high-noise environments using modern sound analysis techniques. The work compares different approaches to audio data processing, including the use of mel spectrograms and CQT spectrograms, and evaluates the training efficiency of models using both pretrained and custom-configured neural networks. The system is based on the Internet of Things concept, enabling real-time data collection and processing. The results highlight the potential application of such systems in biodiversity monitoring and ecological analysis, as well as in improving response efficiency to emergencies caused by natural disasters. The thesis emphasizes the prospects for integrating such systems into compact computing devices to ensure autonomous operation in field conditions. |
Content: | ВСТУП 7 РОЗДІЛ 1 10 АНАЛІТИЧНИЙ ОГЛЯД ОБЛАСТІ ДОСЛІДЖЕНЬ 10 1.1. Методи роботи із аудіосигналами у комп’ютеризованих системах 10 1.2. Методи отримання та передачі даних для систем моніторингу 15 1.3. Огляд наявних рішень для поставленого класу задач 23 1.4. Висновки до розділу 28 РОЗДІЛ 2 29 РОЗРОБКА АЛГОРИТМІВ РОБОТИ І ПРОЕКТУВАННЯ СИСТЕМИ 29 2.1. Опис алгоритму опрацювання даних 29 2.2. Ефективні застосування моделей ШІ для роботи із аудіоданими 38 2.3. Виклики у аналізі та опрацюванні наборів даних 43 2.4 Висновки до розділу 46 РОЗДІЛ 3 47 АНАЛІЗ І УЗАГАЛЬНЕННЯ РЕЗУЛЬТАТІВ ПРАКТИЧНИХ ЕКСПЕРЕМЕНТІВ 47 3.1. Застосовані методи попереднього опрацювання даних та аналіз їх ефективності 47 3.2. Застосовані моделі та аналіз їх результатів 54 3.3. Оцінка результатів та перспективи використання 57 3.4. Висновки по розділу 59 РОЗДІЛ 4 60 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 60 4.1 Охорона праці 60 4.2. Вплив надзвичайних ситуацій природного характеру на надійність роботи засобів відстеження 62 ВИСНОВКИ 67 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 69 ДОДАТКИ 73 Додаток А 74 Додаток Б 80 |
URI: | http://elartu.tntu.edu.ua/handle/lib/48104 |
Copyright owner: | © Сороківська Надія Віталіївна, 2024 © Sorokivska Nadiia, 2024 |
References (Ukraine): | Луцик Н.С., Луцків А.М., Осухівська Г.М., Тиш Є.В. Програма та
методичні рекомендації з проходження практики за тематикою кваліфікаційної
роботи для студентів спеціальності 123 «Комп’ютерна інженерія» другого
(магістерського) рівня вищої освіти усіх форм навчання. Тернопіль. ТНТУ. 2024.
45 с.
Луцик Н. С., Луцків А. М., Осухівська Г. М., Тиш Є. В. Методичні
рекомендації до виконання кваліфікаційної роботи магістра для студентів
спеціальності 123 «Комп’ютерна інженерія» другого (магістерського) рівня
вищої освіти усіх форм навчання. Тернопіль. ТНТУ. 2024. 44 с. Варавін А.В., Лещишин Ю.З., Чайковський А.В. Методичні вказівки до виконання курсового проєкту з дисципліни «Дослідження і проєктування комп’ютерних систем та мереж» для здобувачів другого (магістерського) рівня вищої освіти спеціальності 123 «Комп’ютерна інженерія» усіх форм навчання. Тернопіль. ТНТУ, 2024. 32 с. Сороківська Н.В., Яцишин В.В. дослідження актуальності моніторингу біорізноманіття за допомогою комп’ютеризованих систем. Матеріали XІІ науково-технічної конференції Тернопільського національного технічного університету імені Івана Пулюя «Актуальні задачі сучасних технологій» (11-12 грудня 2024 року). Тернопіль: ТНТУ. 2024. С. 478 Сороківська Н.В., Яцишин В.В. Використання адаптованих моделей штучного інтелекту для ідентифікації птахів у природних умовах. Матеріали XІІ науково-технічної конференції Тернопільського національного технічного університету імені Івана Пулюя «Інформаційні моделі системи та технології» (18-19 грудня 2024 року). Тернопіль: ТНТУ. 2024. С. 142. Ribeiro M. T., et al. "Why Should I Trust You?": Explaining the Predictions of Any Classifier. ACM Conference on Knowledge Discovery and Data Mining, 2016. Abeßer J., Schmitt T., A review of deep learning based methods for acoustic scene classification. 2020. Prof. Dr. Martin Golz. Lectures on Computational Intelligence in Applied Computer Science. Schmalkalden, SUAS, 2023. Krajewski K., Batliner A., Golz M. Acoustic sleepiness detection: Framework and Validation of a speech-adapted pattern recognition approach. European Conference of Behaviour Reaserch Methods. 2009, 41(3), pp. 795-804. Xie J., et al. Audio-based Snore Detection Using Deep Neural Networks. IEEE Journal of Biomedical and Health Informatics, 2021. Xia, X.; Togneri, R.; Sohel, F.; Zhao, Y.; Huang, D. A Survey: Neural Network-Based Deep Learning for Acoustic Event Detection. In Circuits, Systems, and Signal Processing; Springer: Berlin, Germany, 2019; pp. 3433–3453. Dang, A.; Vu, T.H.; Wang, J.C. Acoustic Scene Classification using Convolutional Neural Networks and Multi-Scale Multi-Feature Extraction. In Proceedings of the IEEE International Conference on Consumer Electronics (ICCE), Hue City, Vietnam, 18–20 July 2018. Applying Machine Learning in Audio Signal Analysis. URL: https://medium.com/octave-john-keells-group/applying-machine-learning-in-audio-signal-analysis-e6cd013783d4 (дата звернення 04.12.2024). Roche F., Hueber T., Limier S., Girin L. Autoencoders for music sound modelling: a comparison of linear, shallow, deep, recurrent and variational model. 2018. Stowell D., et al. Bird Species Recognition in Audio. IEEE Journal of Selected Topics in Signal Processing, 2019. Singh J. An introduction to audio processing and machine learning using Python. The pyAudioProcessing library classifies audio into different categories and genres. URL: https://opensource.com/article/19/9/audio-processing-machine-learning-python (дата звернення 01.12.2024). Schmidhuber J. Deep learning in neural networks: An overview. Neural Networks. Vol. 61. N. 1. January 2015. pp. 85–117 Satya Mallick. Machine Learning for IoT Sensors: A Practical Guide. URL: https://learnopencv.com/machine-learning-for-iot-sensors/ (дата звернення 03.12.2024). Mohammed M., El-Shafie, H., Munir M. Development and Validation of Innovative Machine Learning Models for Predicting Date Palm Mite Infestation on Fruits. Agronomy 2023. 13(2):494. Sarang Narkhede. Understanding AUC - ROC Curve. URL: https://towardsdatascience.com/understanding-auc-roc-curve-68b2303cc9c5 (дата звернення 01.12.2024) Laura Finarelli, Falko Dressler, Marco Ajmone Marsan and Gianluca A. Rizzo, "Mobile Networks on the Move: Optimizing Moving Base Stations Dynamics in Urban Scenarios," Proceedings of 15th IEEE Vehicular Networking Conference (VNC 2024), Kobe, Japan, May 2024, pp. 101–104. Falko Dressler, Florian Klingler and Gianluca A. Rizzo, "Dynamic Mobile Base Stations in 5G Networks – The Moving Network Paradigm," in The 5G Italy Book 2019: a Multiperspective View of 5G, Marco Ajmone Marsan, Nicola Blefari Melazzi, Stefano Buzzi and Sergio Palazzo (Eds.), Consorzio Nazionale Interuniversitario per le Telecomunicazioni (CNIT), 2019, pp. 477–492. Yatsyshyn V., Pastukh O., Palamar A., Zharovskyi R. Technology of relational database management systems performance evaluation during computer systems design. Scientific Journal of TNTU (Tern.). Vol. 109. No 1. 2023. pp. 54–65. Pastukh O., Yatsyshyn V. Development of software for neuromarketing based on artificial intelligence and data science using high-performance computing and parallel programming technologies. Scientific Journal of TNTU. Tern.: TNTU, 2024. Vol 113. No 1. P. 143–149. Yatsyshyn V., Pastukh O., Lutskiv A., Tsymbalistyy V. ,Martsenko N. A Risks management method based on the quality requirements communication method in Agile approaches. CEUR Workshop Proceedings. 2022. Vol. 3309. Information Technologies: Theoretical and Applied Problems (ITTAP 2022) : proc. of the 2nd Intern. Workshop,Ternopil, Ukraine, November 22-24, 2022. pp. 1-10. Навчальний посібник «ТЕХНОЕКОЛОГІЯ ТА ЦИВІЛЬНА БЕЗПЕКА. ЧАСТИНА «ЦИВІЛЬНА БЕЗПЕКА»» / автор-укладач В.С. Стручок. Тернопіль: ФОП Паляниця В. А. 156 с. Методичний посібник для здобувачів освітнього ступеня «магістр» всіх спеціальностей денної та заочної (дистанційної) форм навчання «БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ» / В.С. Стручок –Тернопіль: ФОП Паляниця В. А.156 с. НПАОП 0.00-7.15-18 «Вимоги щодо безпеки та захисту здоров’я працівників під час роботи з екранними пристроями». Київ. 2018. Катренко Л.А., Катренко А.В. Охорона праці в галузі комп’ютинґу. Львів: Магнолія-2006. 2012. 544 с. |
Content type: | Master Thesis |
Appears in Collections: | 123 — комп’ютерна інженерія |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Nadiia_Sorokivska.pdf | 2,67 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
Admin Tools