基于改进EfficientNet-B0的轻量化鸟类鸣声识别方法：融合ECA与CBAM注意力机制的高效模型

为解决传统鸟类鸣声识别模型参数量大、计算成本高的问题，东北林业大学研究人员提出了一种基于EfficientNet-B0架构的轻量化改进方法。通过引入ECA注意力机制减少参数复杂度，调整MBConv结构的卷积核尺寸，并在中间层加入CBAM注意力机制，最终采用Adam优化算法加速收敛。该模型在10种鸟类识别任务中达到96.04%准确率，较原模型提升3.2%，参数量减少16.4%，为野外监测设备部署提供了高效解决方案。

　　

在工业化进程加速的今天，鸟类多样性正面临严峻挑战。作为生态系统的"哨兵"，鸟类种群变化直接反映环境健康状况。传统鸟类监测主要依赖图像识别，但枝叶遮挡和恶劣天气常导致识别失败。相比之下，鸟类鸣声具有物种特异性且不受视觉干扰，成为更可靠的识别依据。然而现有深度学习模型存在参数量大、内存需求高等问题，难以部署在资源有限的野外监测设备中。

针对这一技术瓶颈，东北林业大学计算机与控制工程学院的Haolun He和Hui Luo在《Scientific Reports》发表研究，提出基于EfficientNet-B0架构的轻量化改进模型。研究团队通过三项关键技术突破：首先用ECA（Efficient Channel Attention）注意力机制替代原SE（Squeeze-and-Excitation）模块，避免高维特征压缩导致的信息损失；其次将MBConv结构中5×5深度卷积（Depthwise Convolution）调整为3×3，防止感受野过大影响注意力机制效果；最后在模型中间层嵌入CBAM（Convolutional Block Attention Module）注意力机制，补充空间位置信息。训练阶段采用Adam优化算法替代SGD（Stochastic Gradient Descent），显著提升收敛速度。

研究方法上，团队首先对来自BirdsData和Xeno-canto的32,219个鸟类鸣声样本进行预处理，包括预加重、汉明窗分帧等操作。特征提取采用MFCC（Mel-Frequency Cepstral Coefficients）及其一阶、二阶差分系数，共获得128维声学特征。网络架构基于EfficientNet-B0的复合缩放原则，保持α=1.2、β=1.1、γ=1.15的比例系数。改进后的模型通过5折交叉验证评估性能。

研究结果显示，在10种鸟类识别任务中，改进模型准确率达96.04%，较原EfficientNet-B0提升3.2%。消融实验证实各改进组件的有效性：单独使用ECA模块使准确率提升0.46%（93.50%）；结合3×3深度卷积后进一步提升至95.60%；最终加入CBAM和Adam优化实现最佳性能。对比实验中，该模型以3.36M参数量超越MobileNetV2（3.50M/94.61%）、GhostNetV2（4.89M/92.69%）等主流轻量化模型。特别在亲缘关系近的鸻鹬类（Himantopus himantopus和Tringa totanus）识别中，虽存在15%误判率，但整体F1-score达0.995。

技术细节方面，ECA模块通过自适应确定一维卷积核大小k（公式9），避免传统SE模块的维度压缩。CBAM则采用"通道-空间"双注意力路径，其中空间注意力使用7×7卷积核（公式12）。Adam优化器将训练时间缩短37%，800秒内即可完成收敛（图9）。模型通过调整MBConv结构中DW卷积的kernel size，使参数量减少16.4%，同时保持96.33%的5折交叉验证稳定性（表9）。

这项研究的重要意义在于：首先，提出的轻量化方案使模型参数量降至3.36M，为野外设备的嵌入式部署创造条件；其次，融合ECA和CBAM的双重注意力机制，在降低计算复杂度的同时提升特征表达能力；最后，采用的Mel尺度特征提取完美匹配鸟类鸣声的共振峰能量范围（1-8kHz），为声学生态学研究提供新工具。未来可进一步优化亲缘相近物种的区分能力，并探索模型在更大规模鸟类数据集上的迁移学习潜力。