AvesIoT/myiopsitta-monachus-audios

Dataset y Clasificador Acústico — Myiopsitta monachus

Proyecto de grado: Prototipo de un sistema de detección de aves en cultivos basado en una red de sensores acústicos Autores: Julio Gu, Bruno Lercari, Martín Núñez, Ernesto Rován Tutores: Facundo Benavides y Pablo Monzón Institución: Facultad de Ingeniería, Universidad de la República (UdelaR) Licencia: CC BY 4.0

---

Descripción

Este repositorio contiene el dataset de audios de cotorra argentina (Myiopsitta monachus) y el pipeline completo de clasificación acústica desarrollado para el proyecto de grado. El objetivo es distinguir cantos de cotorra de otros sonidos ambientales, con un modelo optimizado para ejecutarse en microcontroladores ESP32 (TFLite INT8, 28 KB).

El pipeline cubre desde la recolección de audios en campo hasta la compresión cuantizada del modelo final.

---

Resultados del modelo final

Métrica	Softmax (ReLU)	Sigmoid
Exactitud en test	~94%	~93%
Tamaño TFLite INT8	28 KB	28 KB
Entrada	Espectrograma Mel 61×128	Espectrograma Mel 61×128
Clip de audio	1 segundo	1 segundo

Dataset de entrenamiento final: 2.693 cotorra + 3.274 no-cotorra (split 80/20 estratificado).

---

Estructura del repositorio

myiopsitta-monachus-audios/
├── data/
│   ├── crudo/                  # Grabaciones de campo originales (WAV)
│   │   ├── train/              # Clips etiquetados para entrenamiento
│   │   └── test/               # Clips etiquetados para evaluación
│   └── procesado/              # Clips preprocesados de salidas de campo
│
├── clips/
│   └── 2da_salida/             # Clips clasificados de la 2da salida de campo
│       ├── cotorra/
│       └── no_cotorra/
│
├── src/
│   ├── preprocessing/          # Generación de clips y espectrogramas
│   │   ├── spectrogram_generator.ipynb
│   │   ├── muestreo.ipynb
│   │   ├── muestreo_2da_salida.ipynb
│   │   ├── audio_classifier.py         # Herramienta de etiquetado (Streamlit)
│   │   ├── birdnet_classifier.py       # Clasificación con BirdNET
│   │   ├── create_dataset_split.py     # Split estratificado reproducible
│   │   └── muestreo_directory.py       # Extracción de clips por VAD
│   │
│   ├── training/               # Entrenamiento y compresión del modelo
│   │   ├── model_train_h5.ipynb            # Experimentos de arquitecturas CNN
│   │   ├── model_train_h5_sigmoid.ipynb    # Variante con activación sigmoid
│   │   ├── model_compress.ipynb            # Cuantización INT8 para ESP32
│   │   ├── model_compress_sigmoid.ipynb    # Cuantización variante sigmoid
│   │   ├── modelo_esp32_int8_calibrado.tflite
│   │   ├── modelo_esp32_int8_calibrado_sigmoid.tflite
│   │   ├── modelo_v3_mejor.keras
│   │   └── modelo_v3_sigmoid_mejor.keras
│   │
│   ├── testing/                # Evaluación del modelo
│   │   ├── testing.ipynb
│   │   ├── testing_sigmoid.ipynb
│   │   ├── testing_tflite.ipynb
│   │   └── testing_tflite_sigmoid.ipynb
│   │
│   ├── finetuning/
│   │   └── finetuning.ipynb
│   │
│   └── data/                   # Features extraídos (arrays NumPy)
│       ├── processed_features_61x128_1segundo/
│       └── processed_features_61x128_1segundo_sigmoid/
│
├── utils/
│   └── copy_files.py           # Utilidad para copiar subconjuntos de archivos
│
├── .env.example                # Variables de entorno requeridas
├── requirements.txt
├── CITATION.cff
└── LICENSE

---

Requisitos

• Python 3.10+
• ffmpeg: brew install ffmpeg (macOS) o sudo apt install ffmpeg (Linux)

pip install -r requirements.txt

---

Reproducción del pipeline

1. Preprocesamiento

Generar espectrogramas Mel desde los clips de audio:

# Desde src/preprocessing/
jupyter notebook spectrogram_generator.ipynb

Crear el split estratificado (80/20):

python src/preprocessing/create_dataset_split.py

2. Entrenamiento

# Desde src/training/
jupyter notebook model_train_h5.ipynb          # Softmax (activación ReLU)
jupyter notebook model_train_h5_sigmoid.ipynb  # Sigmoid

3. Compresión para ESP32

jupyter notebook model_compress.ipynb          # Genera .tflite INT8
jupyter notebook model_compress_sigmoid.ipynb

4. Evaluación

jupyter notebook src/testing/testing_tflite.ipynb
jupyter notebook src/testing/testing_tflite_sigmoid.ipynb

---

Herramienta de etiquetado

Para etiquetar clips de audio manualmente:

# Configurar el directorio de entrada
cp .env.example .env
# Editar .env con la ruta al directorio de clips

streamlit run src/preprocessing/audio_classifier.py

---

Datos de campo

Los audios fueron recolectados con dispositivos AudioMoth en dos salidas de campo:

1. 1ra salida: Nido de cotorras (grabaciones en ambiente controlado).
2. 2da salida: Cultivos INIA Las Brujas (ambiente real con ruido de fondo).

Los clips tienen duración de 1 segundo, frecuencia de muestreo de 16 kHz, y se representan como espectrogramas Mel de 61×128 píxeles.

---

Citar este trabajo

Ver CITATION.cff o usar el botón "Cite this repository" en GitHub.

---

Licencia

Este trabajo se distribuye bajo licencia Creative Commons Attribution 4.0 International (CC BY 4.0).