近日，中国农业科学院蜜蜂研究所蜜蜂资源与育种团队联合西北农林科技大学，创新性研发出蜜蜂音频分离模型CBM-Net，首次系统性攻克蜜蜂野外声学监测中的蝉鸣噪声干扰痛点，为高效养蜂提供了全新智能化方案。相关研究成果发表在《Ecological Informatics（生态信息学）》上。

被动声学监测是无损伤观测蜂群状态、传粉活动的核心技术手段，但夏季野外蝉鸣活跃期与蜂群活动周期高度重合，二者频谱相互交织、难以剥离，传统降噪算法普遍存在过度消音或除噪不彻底等问题，极大降低蜂群声学检测的数据准确性。

研究团队打造定制化深度学习框架CBM-Net，创新三大核心技术。一是采用复数值掩蔽机制同步优化音频幅值、相位，完整保留蜜蜂150-500Hz低频谐波；二是设计专属频段加权损失，重点保护蜂声核心特征；三是搭建多物理仿真数据集，模拟真实野外混响、时变噪声场景。研究人员在北京昌平的试验基地中采集百余小时蜂、蝉原声，构建标准化测试数据集并开源代码。

CBM-Net网络结构图

多组对照实验证实CBM-Net性能全面领先主流算法。客观指标上，模型SDR、SAR较CRNN分别提升9.5%、10.6%，降噪稳定性更强；生物声学指数相关系数均超0.7，能高度还原蜂声原始频谱特征；人工盲测中，该模型兼顾音质与降噪效果，解决了小波、Uformer等算法过度清除蜂声、传统方法降噪乏力的短板。

各算法SDR/SIR/SAR密度分布

该成果填补了蜂类昆虫声学专用降噪技术空白，可集成应用于蜂箱监测设备，提升分蜂、失王预警及野外传粉监测的数据可靠性。下一步，研究团队将通过知识蒸馏轻量化网络，扩充多场景声学数据库，探索无监督训练新模式，进一步提升模型的通用性和落地应用实效。

该论文第一作者为西北农林科技大学李金洋副教授，通讯作者为蜜蜂所彭文君研究员，蜜蜂所赵亚周研究员和潘飞博士参与了该研究。该研究得到了国家重点研发计划支持。

文章链接：https://doi.org/10.1016/j.ecoinf.2026.103889