跳到主要内容

鸟类识别功能

鸟类识别功能使用量化Tensorflow模型识别已知鸟类品种。当识别到已知鸟类时，其通用名称将作为sub_label(子标签)添加。该信息会显示在用户界面、过滤器以及通知中。

最低系统要求​

鸟类识别在CPU上运行轻量级tflite模型，系统要求与运行Frigate本身无显著差异。

识别模型​

使用的分类模型是MobileNet INat鸟类识别模型，可识别物种列表见此。

基础配置​

鸟类识别功能默认禁用，需在配置文件中启用。此为全局配置选项。

classification:
  bird:
    enabled: true  # 启用鸟类识别

高级配置选项​

可通过以下参数微调识别精度：

  • threshold: 设定鸟类子标签所需的最低置信度分数

    • 默认值: 0.9
    • 建议范围: 0.8-0.95（值越高误报越少，但可能漏识部分品种）

  • top_k: 每次检测返回的最可能物种数量

    • 默认值: 3
    • 较高值可增加识别多样性，但会降低运行效率

  • cache: 启用识别结果缓存（减少重复计算）

    • 默认值: true
    • 建议在设备性能有限时保持启用

完整配置示例：

classification:
  bird:
    enabled: true
    threshold: 0.85
    top_k: 5
    cache: false

使用建议​

  1. 庭院观鸟场景建议阈值设为0.8-0.85
  2. 科研监测场景可提高top_k至5-10
  3. 树莓派等设备建议启用cache
  4. 识别结果可通过MQTT/webhook转发

性能优化​

若识别延迟过高：

  1. 降低top_k值
  2. 确保未启用debug日志
  3. 检查CPU温度是否过高
  4. 考虑使用更高效硬件
提示

常见问题：

  • 识别为"unknown_bird"表示置信度低于阈值
  • 品种名称显示为拉丁学名属正常现象
  • 夜间拍摄可能无法触发识别