视觉与声纹双模态的物种识别方法、装置及存储介质

本申请涉及动物物种识别技术领域，实施例具体公开了一种视觉与声纹双模态的物种识别方法、装置及存储介质，其中方法包括：基于yolov5网络构建视觉识别模型，将图像数据输入所述视觉识别模型获取第一识别结果；设置第二阈值，当所述第一识别结果置信度低于所述第二阈值时，通过基于ERes2NetV2网络构建的声纹识别模型获取第二识别结果，当所述第二识别结果和第一识别结果一致时，继续采用一致的识别结果作为最终识别的物种类别，当两个模型输出的识别结果不一致时，采用第二识别结果作为最终的物种类别。以解决现有技术中的视觉识别技术受到环境因素的限制，这些因素可能导致视觉模型出现误告，影响识别的准确性和可靠性的问题。