基于机器学习的实时降噪算法，通过数据驱动，训练神经网络进行降噪，可以针对特定物种声音进行语音增强，从嘈杂的自然背景声音中尽可能提取纯净的原始物种声音。
基于深度学习的语音分离和识别技术，从声音的输入端到输出端的过程分离出多段语音，将分离出来的不同语音信号分别进行处理，识别，分析。
基于深度学习的语音分离和识别技术，从声音的输入端到输出端的过程分离出多段语音，将分离出来的不同语音信号分别进行处理，识别，分析。
通过自研智能化扫描策略以及多模态物种识别算法，完成观测区域内全域的高精度物种识别以及实时数量统计。助力保护区实现自动化，常规化以及标准化的鸟类监测。
根据用户设定观测区域，自主完成网格划分、扫描路径规划、扫描时间计算以及能耗计算。轻量级实时拼接算法，扫描完成即可呈现扫描全景图以及鸟类分布热力图。
当我们查看采集素材时，仍旧存在很多由于距离原因导致的目标成像太小,进而导致漏检多的问题，对目标检测提出了更高的要求。百鸟在传统算法框架的基础上进行了优化，实现了对25*25dpi甚至更小目标的目标的检测。
生态特征状态与变化趋势监测
威胁因子影响评估
管理活动执行进展管理与有效性评价与关键任务
行为模式自主学习技术可实现监测区域自动网格化轮巡
训练素材针对同种鸟类在换羽、迁徙过程体型变化等多种情况下的特征进行标注
可根据应用场景和实采数据循环优化
超过240万张特征标记帧
目标检测和细粒度识别数据集融合为一体
包含目标种全部可能的体型与外观
包括中国境内分布的700余种
融合物种的动作和视频信息
