在仿生应用与生态文明建设等多种需求的驱动下,近年来海洋哺乳动物声学研究得到了快速的发展。当前广泛使用各种声学监测设备获取相关研究所需的数据,但大规模的声学数据令传统的人工处理筛选方法难以为继,从海量的原始声数据中检测识别出所需要的动物声信号成为了制约海洋哺乳动物声学研究的一道主要障碍。随着计算机技术发展,人工智能在众多研究领域都发挥了重要的作用。但人工智能在海洋哺乳动物声信号检测识别研究领域的应用却刚刚起步。本文以实测海洋哺乳动物声信号数据为基础,首先提出了一种基于图像处理与随机森林的鲸豚类海洋动物回声定位信号检测方法,随后基于卷积神经网络提出了一种海洋哺乳动物声信号的识别算法,最后将此识别算法移植至RK1808芯片的嵌入式平台上,达到了实时检测的目的。主要的工作内容以及创新点如下:1)首先提出了一种基于图像处理与随机森林的鲸豚类海洋动物回声定位信号检测方法。使用了四种动物的实测声信号数据进行了实验。结果表明与传统能量算子方法相比,本文提出方法在低信噪比条件下有着更高的召回率且具有较高的准确率,可取得更好的检测效果。2)提出了一种基于卷积神经网络的海洋哺乳动物声信号的识别算法。该方法首先将声信号的检测与分类任务融合进行,一步式完成识别。在三种动物的实测声信号数据上的实验结果表明,其有着较高的识别召回率与识别准确率。3)针对现有的深度学习嵌入式平台成本高、功耗大的问题,采用国产RK1808芯片完成了嵌入式平台的硬件设计与搭建,并将2)中提出的识别算法移植至此平台,实现了动物声信号的实时识别,取得了理想的识别速度与精度。4)开发了一个图形化界面的海洋声数据智能识别系统,以应用软件的形式将相关算法打包封装,令用户可以简单快捷地使用系统对多种海洋哺乳动物叫声、船舶噪声、大风天气和大雨天气进行识别。经过测试,系统能够稳定地完成各项既定功能。