很好。我已经阅读了完整论文并进行了所有研究查询。OMC Wiki 中没有匹配的页面，paper-wiki 中没有相关记录，但 free-search 返回了有用的结果。我发现了以下内容：

• TinyChirp (Huang et al. 2024) — 基准模型，真实且已确认
• Benhamadi et al. 2026 — AudioMoth 能量模型，Goertzel 基准
• SEABAD (Zabidi et al. 2026) — 同一作者的配套数据集
• BioDCASE 2025，BirdNET，BirdVoxDetect — 相关工作已确认
• GitHub 仓库存在 (mun3im/seabadnet, mun3im/drongonet)

现在我将输出完整的评审。

论文评审：用于微控制器上热带鸟类音频检测的超紧凑 CNN 架构

论文类型: 方法型 + 系统型

本文提出 DrongoNet — 三个用于在 MCU 级硬件上进行热带鸟类音频检测 (BAD) 的超紧凑 INT8 CNN 变体。主要贡献在于为 ARM Cortex-M 部署精心设计并验证的架构，包括消融研究、设备上测量和部署经济学。这是一个交叉方法与系统型论文；评审标准相应调整。

公理审查结果

公理一：对象公理

• 判定: ✅
• 分数: 8
• 依据: 论文的目标对象是真实且明确的：在热带声景中的微型控制器上实现自动化录声单元 (ARU) 的门控式鸟类音频检测。问题确实存在 — 鸟鸣声在热带录音中占比 <10%，Goertzel 触发器精度约为 71%（引用自 Benhamadi et al. 2026 的 AudioMoth 测量值），BirdNET 在亚洲的召回率仅为 25.7%（Funosas et al. 2026）。设计约束（Cortex-M4 的 ≤256 kB SRAM，≤10 kB 模型大小）是具体且可验证的。任务定义是可操作的：对 3 秒 16 kHz 片段进行二元存在/不存在检测，输出概率 p ∈ [0,1]。召回率目标（微型 ≥98%，边缘 ≥99%）以客观阈值定义。该对象与实验验证范围一致 — 论文明确声明仅限于同区域部署，并未声称零样本跨语料库迁移。SEABAD 数据集（50,000 个片段，1,677 个物种）是一个具有独立标签审计（97.8% ± 0.9%）的实质性热带基准。
• Wiki 证据: OMC Wiki 对 “bird audio detection microcontroller”、”passive acoustic monitoring tropical”、”TinyML bird detection” 的查询均无记录。free-search 已确认真实的相关工作：TinyChirp (Huang et al. 2024), BioDCASE 2025 challenge, BirdVoxDetect, AudioMoth Goertzel triggers。论文提出的对象是一个有据可查的实际问题，而非虚构概念。

公理二：识别公理

• 判定: ✅
• 分数: 8
• 依据: 论文系统地隔离了架构变量。四阶段消融研究（表 3-6）每次测试一个变量：mel-bin 分辨率（阶段 1）、GAP 与 Flatten（阶段 2）、focal loss 与 cross-entropy（阶段 3）、频率强调（阶段 4）以及卷积变体（Refine）。每个阶段都保持了所有其他变量不变，并报告了 AUC、大小和延迟。关键识别点：
  • TinyChirp 的零样本失效（55.65% AUC）被清晰地与重训练恢复（98.15% AUC）区分开来 — 性能差异归因于领域转移，而非架构。
  • GAP 单独损失 1.52 pp AUC，但 focal loss 恢复了 +1.18 pp — 恢复被正确地归因于 focal loss，而非 GAP 本身。
  • 频率强调层被明确显示为不影响 AUC（−0.07 ± 0.10 pp）— 其动机被正确地识别为量化兼容性，而非精度。
  • Depthwise-separable 卷积被正确识别为在 nmels=16 下适得其反（AUC 下降 2.66 pp，方差增加 10 倍），而非被错误地包装为改进。
  • 知识蒸馏被报告为负面结果（0.5-1.4 pp 的缺陷），正确归因于师生分辨率不匹配。
• Wiki 证据: OMC Wiki 对 “ablation” 的查询无记录。paper-wiki 对 TinyChirp 论文的查询 (2408.01976) 未找到。free-search 已确认 TinyChirp 是真正的基线，具有已发表的单物种性能（Corn Bunting AUC 99.91%），验证了论文的基线选择和零样本失效发现。

公理三：独立性公理

• 判定: ⚠️
• 分数: 6
• 依据: 评估在很大程度上是独立的。SEABAD 测试集（5,000 个片段，1:1 平衡）在整个过程中被保留，所有种子共享相同的训练/验证/测试分割 — 种子仅控制权重初始化和数据增强随机性。标签质量由 1,000 个片段的独立人工审计（97.8% ± 0.9%）进行验证。然而，存在值得注意的循环问题：
  1. SEABAD 由相同作者创建（Zabidi et al. 2026 — 同一第一作者）。数据集策划、模型训练和评估来自同一研究组。虽然策划流程已记录（附录 A）且数据已公开，但没有外部独立验证 SEABAD 的标签质量或与论文所宣称不同的领域代表性。
  2. 部署经济学（表 14-15）是投影，而非独立测量。 电池寿命数据来自 Benhamadi et al. 2026 的 AudioMoth 能量模型，结合 DrongoNet 的召回率/FPR — 但论文明确承认（第 10.4 节）”On-AudioMoth measurement is projected, not measured”，并将 AudioMoth 移植列为未来工作。Portenta H7 测量值（Cortex-M7，480 MHz）被外推到 AudioMoth（Cortex-M4F，48 MHz），具有 10 倍的时钟缩放假设。
  3. 阈值选择（τ=0.35, τ=0.425）是在测试集上调优的（通过平均召回率规则，第 7.3 节）。虽然已公开并讨论，但这构成了测试集引导的阈值选择 — 没有单独的阈值调优集与最终测试集分离。
• Wiki 证据: OMC Wiki 对 “judge independence circular reasoning” 的查询无记录。free-search 已确认 SEABAD 数据集 (arXiv:2605.20853) 是由相同作者组发布的单独论文。

公理四：压缩公理

• 判定: ✅
• 分数: 8
• 依据: 论文展现了强大的压缩价值。DrongoNet-Micro 的 919 个参数实现了 0.9810 AUC，而重训练的 TinyChirp 基准（25,558 个参数）为 0.9815 AUC — 在参数减少 28 倍的情况下实现了等效的判别能力。论文不仅仅是在堆砌现有模块；它产生了一个可转移的经验发现：在 nmels=16 的尺度下，depthwise-separable 卷积适得其反（与 MobileNets 的普遍假设相反）。频率强调层（公式 1，17 个参数）是对批归一化的一种简洁、量化安全的替代方案，直接解决了 INT8 部署的特定失败模式。四阶段消融是适当的简约 — 每个阶段都测试一个设计选择并带有明确的接受/拒绝标准。部署经济学分析（表 14-16）将模型级指标转化为操作相关的量（SD 卡天数、电池寿命、场域精度矩阵），而无需添加模块。没有命名膨胀：”DrongoNet” 指的是一种特定的架构家族，而非一个通用框架。一个担忧：这三个变体是同一设计的尺度调整，而非三个不同的架构贡献 — 但论文对此很诚实（第 5.3 节）。
• Wiki 证据: OMC Wiki 对 “global average pooling focal loss frequency emphasis” 的查询无记录。paper-wiki 对相关概念无记录。free-search 已确认 GAP (Lin et al. 2013)、focal loss (Lin et al. 2017) 和深度可分离卷积 (Howard et al. 2017) 是已建立的独立技术 — 论文的新颖之处在于它们在 MCU 尺度下的具体组合和经验发现。

公理五：效用公理

• 判定: ✅
• 分数: 8
• 依据: 效用评估是全面的：
  • 绝对性能： Micro 达到 0.9810 AUC，98.3% 召回率 @ τ=0.35；Edge 达到 0.9991 AUC，99.0% 召回率。这些在 SEABAD 上具有实际意义。
  • 相对提升： Micro 在参数减少 28 倍的情况下匹配重训练的 TinyChirp 基准（ΔAUC = -0.05 pp，p=0.59，不显著）。Edge 在相同参数预算下超过 TinyChirp 1.8 pp（p<0.001）。
  • 基线覆盖： 6 个基线（TinyChirp, VGG-16, ResNet-50, EfficientNet-B0, MobileNetV3-S, MicroNet-KWS-S）涵盖了轻量级到重型。公平性被明确讨论 — 标准模型使用 224×224 mel 输入（已承认的分辨率不匹配），MCU 基线在 SEABAD 上重训练。BirdNET GLOBAL 6K（51.7 MB）在零样本下被评估并击败（0.940 AUC vs. Micro 的 0.9810，参数减少 8300 倍）。
  • 跨域验证： DCASE-2018 基准测试（Edge AUC 0.938 vs. bulbul 0.942，参数减少 14.4 倍）和 TinyChirp Corn Bunting 语料库（Edge 0.9997 AUC）证实了架构的通用性。
  • 部署效用： 在 α=0.10 热带流行度下，Micro 将 32 GB SD 卡的使用寿命从约 28 天（Goertzel）延长至约 45 天，并比 Goertzel 多捕获 8 pp 的鸟鸣声。设备上测量（Portenta H7）：53 ms 流水线，1.8% 占空比，184-212 mW。
  • 诚实权衡： 论文明确报告了 Micro 的召回率优先操作点（τ=0.35）在电池寿命方面（201 小时）比 always-on 基准（210 小时）更差，并提供了 τ=0.50 的替代方案（209 小时，94% 召回率）。
  • 缺失基线： 没有在 SEABAD 上直接比较 BirdVoxDetect 或微调的 BirdNET（列为未来工作）。Gabor 滤波器组检测器（Benhamadi 2026）在 AudioMoth 电池寿命方面被承认为更优，但定位不同。
• Wiki 证据: OMC Wiki 和 paper-wiki 对 SOTA/baseline 查询无记录。free-search 已确认论文的基线选择是全面的：TinyChirp, BirdVoxDetect, BirdNET, HawkEars, BioDCASE 2025 都存在于文献中。论文引用了除 HawkEars（主要在服务器端）之外的所有相关基线。

公理六：新颖性公理

• 判定: ⚠️
• 分数: 5

• 依据: 创新性虽真实但有限。单独的架构组件均已建立：mel-spectrogram + CNN（Stowell et al. 2016+）、GAP（Lin et al. 2013）、focal loss（Lin et al. 2017）、INT8 量化（Jacob et al. 2018）、稀疏 mel 滤波器组。频率强调层（公式 1）是 SENet (Hu et al. 2018) 和 LEAF (Zeghidour et al. 2021) 的简化版本 — 论文承认了这种灵感。特定的组合（GAP + focal loss + 无 BN + 频率强调 @ nmels=16 + MCU 部署）是新颖的，并产生了一个非平凡的发现：在 16-mel 尺度下，depthwise-separable 卷积适得其反，而标准卷积更好。这确实与一般 MobileNets 的普遍假设相悖。

  然而，新颖性受限于：

  1. 基础架构是 TinyChirp — DrongoNet 被明确描述为 TinyChirp CNN-Mel 的四阶段消融。核心贡献是消融发现和缩放，而非新的架构范式。
  2. 与 SEABAD 的同时性：数据集论文（arXiv:2605.20853）和本文（arXiv:2607.19721）由相同作者于 2026 年 5 月/7 月发布。数据集存在部分是为了支持模型论文，反之亦然。虽然不是严格的循环，但新颖性在于热带领域应用而非方法论突破。
  3. 三个变体是同一架构的尺度调整，而非三个不同的贡献。
  4. 频率强调层增加了 17 个参数，AUC 无改进 — 其作用纯粹是部署工程（INT8 安全性），这是实践工程而非概念创新。

  消融发现（depthwise-separable 在小 mel 尺度下适得其反，focal loss 恢复 GAP 信息损失，KD 在师生分辨率不匹配时失效）是真实的经验贡献，但增量较小。

• Wiki 证据: OMC Wiki 对 “frequency emphasis layer first new” 的查询无记录。free-search 已确认 LEAF (Zeghidour et al. 2021) 和 SENet (Hu et al. 2018) 是频率强调层的先前工作 — 论文引用了这两者。没有发现早期工作结合这些特定的 MCU 尺度技术用于热带 BAD。

公理七：可复现公理

• 判定: ✅
• 分数: 8
• 依据: 可复现性已得到充分解决：
  • 代码： 模型架构、训练代码和评估协议在 GitHub (mun3im/drongonet) 上以开源许可发布。
  • 数据： SEABAD 在 Zenodo 上公开可用 (https://zenodo.org/records/18290494)。策划流程代码在 GitHub (mun3im/seabad) 上。
  • 模型： 训练好的权重以 TFLite 和 TensorFlow 格式发布，包括 INT8 量化模型。
  • 训练细节： AdamW，weight decay 10⁻⁴，lr 10⁻³，batch 32，≤100 epochs，early stopping patience 15，focal loss γ=2.0 α=0.5，增强参数（Gaussian σ=0.02，±10 frame shift p=0.5），INT8 校准集大小（500 个样本）— 足够具体以复现。
  • 评估： 五个种子（42, 100, 786, 7, 1234）报告了均值和标准差。阈值选择规则已形式化（公式，7.3 节）。测试集分割已固定并在种子间共享。
  • 硬件： Portenta H7 (STM32H747XI, Cortex-M7 @ 480 MHz), TFLite for Microcontrollers, Mbed OS, INA219 功率监控器 — 均有明确说明。
  • 缺失： 没有 BirdVoxDetect 或微调 BirdNET 的评估代码（列为未来工作）。AudioMoth 移植未完成（已承认）。没有预注册协议。标准 CNN 微调细节（学习率、epochs、224×224 输入协议）不够详细，但它们是基线，而非主要贡献。
• Wiki 证据: OMC Wiki 无记录。free-search 已确认 GitHub 仓库 (mun3im/seabadnet, mun3im/drongonet) 公开存在，Zenodo 数据集链接有效。

日报摘要

• Strength: DrongoNet-Micro (919 params, 6.26 kB) 在 SEABAD 上实现了 0.9810 AUC 和 98.3% 召回率，在判别能力上匹配重训练的 TinyChirp 基准（ΔAUC -0.05 pp, p=0.59），同时参数减少 28 倍，并通过设备上测量证实了具体的部署增益（SD 卡寿命从 28→45 天，1.8% 占空比）。
• Weakness: 架构新颖性有限 — DrongoNet 是对 TinyChirp CNN-Mel 的增量消融，使用了已建立的组件（GAP, focal loss, INT8），且部署经济学依赖于投影（而非测量）的 AudioMoth 功率模型；电池寿命和测试集阈值调优的独立性因数据集作者重叠和投影而非测量的设备外推而存在不足。

总评

• 科学价值: 中 — 四阶段消融产生了可转移的经验发现（depthwise-separable 在 nmels=16 下适得其反，focal loss 恢复 GAP 损失，KD 在师生分辨率不匹配时失效），但每个发现都是增量的，而非范式转变。
• 方法价值: 中高 — 工程实现扎实：919 参数达到 0.9810 AUC，INT8 量化损失 <0.12%，1.8% 占空比，以及在 Portenta H7 上实际测量的延迟/功率。频率强调层作为 BN 替代方案是一个巧妙的部署工程。
• 社区价值: 高 — 热带生物声学监测是一个服务不足且具有真实生态价值的领域。DrongoNet 是第一个专为 AudioMoth 级 MCU 上的热带多物种 BAD 设计的检测器，具有开放的代码、数据和权重。SEABAD+DrongoNet 为热带 PAM 提供了可复现的基础。

论文是扎实的工程贡献，在其声明的部署范围内具有诚实的评估和适当严格的基线。主要弱点是有限的方法新颖性（TinyChirp 的增量）和部分独立的评估（自建数据集，投影而非测量的部署经济学）。

打分

加权总分: 6.74/10（加权分之和 68.0 / 权重之和 9.5） 最终建议: 弱接受 (6.5-8)