💻 computer science

A strongly annotated passive acoustic dataset for tropical bird monitoring

تقدم هذه الورقة البحثية PteroSet، وهي مجموعة بيانات صوتية سلبية مشروحة بقوة تضم أكثر من 73 ساعة من التسجيلات وما يزيد عن 15,000 ملصق للتردد والزمن لـ 168 نوعًا من الطيور في المناطق المدارية الجديدة في كولومبيا، والمصممة لتعزيز تعلم الآلة لمراقبة التنوع البيولوجي من خلال معالجة ندرة المشاهد الصوتية المدارية المشروحة والعمل كمعيار واقعي لتحديات الكشف.

المؤلفون الأصليون: Daniela Ruiz, Juan Sebastián Ulloa, Zhongqi Miao, Nicolás Betancourt, Maria Paula Toro-Gómez, Andrés Hernández, Bruno Demuro, Eliana Barona-Cortés, Angela Mendoza-Henao, Andrés Sierra-Ricaurte, Sebast

نُشر 2026-05-21

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Daniela Ruiz, Juan Sebastián Ulloa, Zhongqi Miao, Nicolás Betancourt, Maria Paula Toro-Gómez, Andrés Hernández, Bruno Demuro, Eliana Barona-Cortés, Angela Mendoza-Henao, Andrés Sierra-Ricaurte, Sebastián Pérez-Peña, Rahul Dodhia, Pablo Arbeláez, Juan M. Lavista Ferres

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول الاستماع إلى محادثة واحدة في ملعب مزدحم وصاخب، حيث يتحدث ويصرخ ويغني آلاف الأشخاص جميعًا في وقت واحد. الآن، تخيل أنك تفعل ذلك ليس لمدة ساعة واحدة، بل لأيام، وتحاول معرفة من قال ماذا، ومتى قاله، وما هو نوع الطائر الذي كان. هذه هي معضلة الاستماع إلى الغابة الاستوائية.

تقدم هذه الورقة البحثية PteroSet، وهي "مكتبة" ضخمة جديدة من التسجيلات الصوتية و"خريطة" مفصلة لما يحدث في تلك الأصوات، صُممت لمساعدة الحواسيب على تعلم كيفية الاستماع إلى الطيور في المناطق الاستوائية.

إليك شرح للورقة البحثية باستخدام تشبيهات بسيطة:

١. المشكلة: "إبرة في كومة قش"

استخدم العلماء الميكروفونات لتسجيل الطبيعة لفترة طويلة. الأمر يشبه امتلاك كاميرا مراقبة لا تنام أبدًا. لكن هذه الكاميرات تسجل كل شيء: الرياح، المطر، الحشرات، والسيارات.

المشكلة: في المناطق الاستوائية، تكون "كومة القش" (الضوضاء الخلفية) ضخمة، و"الإبر" (نداءات طيور معينة) يصعب العثور عليها.
الفجوة: بينما نمتلك برامج حاسوبية رائعة للتعرف على أغاني الطيور، إلا أنها عادة ما تتعلم من تسجيلات لطيور في أماكن أكثر برودة وهدوءًا (مثل أوروبا أو أمريكا الشمالية). وعندما تأخذ تلك البرامج إلى المناطق الاستوائية الصاخبة والمعقدة، فإنها تصاب بالارتباك. كنا بحاجة إلى "دليل تدريبي" مخصص للغابة الاستوائية.

٢. الحل: PteroSet (المكتبة الصوتية الاستوائية)

أنشأ الباحثون مجموعة بيانات جديدة تسمى PteroSet. فكر في هذا كطقم تدريب عالي الجودة ومحدد للغاية للذكاء الاصطناعي.

المكان: سجلوا في مكانين مختلفين تمامًا في كولومبيا: سفوح الأمازون (بوتومايو) والأراضي المنخفضة في منطقة الكاريبي (ماجدالينا). أحد المنطقتين عبارة عن غابة تتغير بسرعة، والأخرى هي منظر طبيعي أكثر تشتتًا وتجزؤًا بسبب الزراعة.
المحتوى: جمعوا ٧٣.٦ ساعة من الصوت. ولكن إليك الخدعة: لم يقوموا بمجرد رمي الملفات الخام. لقد أنشأوا نسخة "فاصل زمني" (Time-lapse). تخيل أخذ مقطع مدته ١٠ ثوانٍ كل ٣٠ دقيقة طوال اليوم ودمجها معًا لتصبح فيلمًا واحدًا مدته ٨ دقائق. هذا يسمح للبشر بالنظر إلى يوم كامل من الأصوات في دقائق معدودة.
"الخريطة" (التوصيفات): البشر (الخبراء الذين يعرفون أغاني الطيور) استمعوا إلى هذه المقاطع ورسموا مربعات حول كل نداء طائر. لقد حددوا بدقة متى بدأ ومتى انتهى، وما هو مستوى حدة صوته.
- وجدوا ١٥,٣٧٢ حدثًا متميزًا للطيور.
- حددوا ١٦٨ نوعًا مختلفًا.
- قاموا بتصنيف ٦,٧٠٢ من تلك النداءات وصولاً إلى اسم النوع بدقة (مثل تحديد شخص معين في حشد).

٣. التنسيق: "مترجم عالمي" جديد

عادة ما تكون البيانات الصوتية فوضوية. باحث واحد يحفظ الملفات بطريقة ما، وآخر بطريقة مختلفة. الأمر يشبه محاولة بناء لغز حيث لا تتناسب قطع الصناديق المختلفة مع بعضها البعض.

الابتكار: أنشأ الفريق تنسيق ملف جديد (JSON schema) يعتمد على معيار مستخدم في التعرف على الصور (يسمى COCO).
التشبيه: تخيل أنهم اخترعوا "قابسًا" عالميًا يناسب أي نظام حاسوبي. الآن، بدلًا من الاضطرار إلى إعادة اختراع العجلة في كل مرة يريد فيها شخص ما دراسة أصوات الطيور، يمكنهم ببساطة توصيل مجموعة البيانات هذه، وسيعرف الحاسوب بالضبط كيفية قراءة التسميات، والوقت، والنوع.

٤. الاختبار: تعليم الحاسوب كيف يستمع

لإثبات فعالية مجموعة البيانات هذه، علم الباحثون حاسوبًا (باستخدام نموذج يسمى ResNet-18) للإجابة على سؤال بسيط: "هل يوجد طائر في هذا المقطع الذي مدته ٥ ثوانٍ، أم لا؟"

التحدي: لم يختبروا الحاسوب على نفس البيانات التي تعلم منها فحسب. بل استخدموا اختبار "ترك واحد مستبعد" (Leave-one-out). لقد دربوا الحاسوب على بيانات من أربعة مشاريع، ثم اختبروه على المشروع الخامس الذي لم يره من قبل. هذا يشبه الدراسة لاختبار باستخدام أربعة كتب مدرسية مختلفة، ثم خوض اختبار يعتمد على كتاب خامس لم تفتحه قط.
النتيجة: حقق الحاسوب دقة تتراوح بين ٧٢٪ إلى ٧٥٪.
- لماذا ليست ١٠٠٪؟ لأن الغابة الاستوائية صعبة! تشير الورقة إلى أن الحاسوب واجه صعوبة عندما كانت الطيور هادئة، أو عندما تداخلت الأصوات (طائران يغنيان في وقت واحد)، أو عندما تغيرت البيئة (مثل الانتقال من الأمازون إلى الكاريبي).
- الخلاصة: أدى الحاسوب بشكل جيد، لكن مجموعة البيانات نجحت في إظهار أين يواجه الصعوبات. وهذا أمر قيم لأنه يخبر العلماء بالضبط ما هي المشكلات التي يحتاجون لحلها لاحقًا.

٥. لماذا هذا مهم (وفقًا للورقة البحثية)

تدعي الورقة أن مجموعة البيانات هذه هي "معيار واقعي".

الواقعية: معظم مجموعات البيانات الأخرى تشبه مكتبة هادئة. أما PteroSet فهي تشبه سوقًا مزدحمًا. فهي تتضمن الواقع الفوضوي للمناطق الاستوائية: طيور تغني فوق بعضها البعض، ضوضاء خلفية، وبيئات متنوعة.
الوصول المفتوح: يمنح الباحثون هذه المكتبة مجانًا. إنهم يريدون من علماء آخرين استخدامها لبناء أدوات أفضل لحماية التنوع البيولوجي.

ملخص

باخت مختصر، بنى المؤلفون مكتبة صوتية ضخمة ومصنفة بعناية لطيور المناطق الاستوائية في كولومبيا. لم يكتفوا بتسجيل الأصوات فحسب؛ بل رسموا خريطة مفصلة لكل نداء طائر. قاموا بتعبئتها في تنسيق جديد سهل الاستخدام وأثبتوا أنه بينما أصبح الحواسيب جيدين في الاستماع إلى الطبيعة، فإن الغابة الاستوائية لا تزال مكانًا صعبًا لتعلمها. مجموعة البيانات هذه هي "الكتاب المدرسي" الجديد الذي سيساعد الجيل القادم من الذكاء الاصطناعي ليصبح أفضل في حماية النظم البيئية الأكثر تنوعًا في العالم.

ملخص تقني: PteroSet – مجموعة بيانات صوتية سلبية ذات تسميات دقيقة لمراقبة الطيور الاستوائية

بيان المشكلة

أصبحت المراقبة الصوتية السلبية (PAM) أداة حاسمة وغير جراحية لتقييم التنوع البيولوجي، لا سيالما في الموائل النائية والكثيفة حيث يصعب إجراء المسوحات التقليدية. وبينما تتطلب مقاييس مجموعات البيانات الحديثة للمراقبة الصوتية السلبية (PAM) استخدام التعلم الآلي (ML) للكشف الآلي عن الأصوات وتصنيفها، فإن اعتماد طرق التعلم العميق الخاضعة للإشراف يعوقه ندرة مجموعات البيانات عالية الجودة والمحددة زمنياً. وتتفاقم هذه الفجوة بشكل خاص في المناطق الاستوائية، التي تحتضن تنوعاً بيولوجياً استثنائياً ولكنها تظل ممثلة تمثيلاً ناقصاً في البنى التحتية للبيانات العالمية. غالباً ما تكون مجموعات البيانات الحالية منحازة نحو المناطق المعتدلة، أو ضعيفة التسمية (تقتصر على تسميات على مستوى المقطع الصوتي فقط)، أو تفتقر إلى التفاصيل الزمنية والترددية المطلوبة للتدريب القوي للنماذج. ونتيجة لذلك، فإن النماذج المدربة على بيانات المناطق المعتدلة غالباً ما يكون أداؤها ضعيفاً في المشاهد الصوتية الاستوائية المعقدة التي تتميز بالتداخل الصوتي الكثيف، والتحول الكبير في الأنواع، والتحولات النطاقية (domain shifts) الملحوظة عبر المواقع.

المنهجية

جمع البيانات

جمعت الدراسة بيانات صوتية من موقعين متباينين إيكولوجياً في كولومبيا: بويرتو أسيس (مقاطعة بوتومايو)، والتي تمثل منطقة انتقال الأنديز والأمازون، وبيفي جاي (مقاطعة ماغدالينا)، والتي تمثل مصفوفة منخفضات الكاريبي التي تعرضت للتحول تاريخياً.

الأجهزة: وحدات تسجيل مستقلة (AudioMoth) مزودة بميكروفونات شاملة الاتجاهات.
البروتوكول: سجلت الأجهزة دقيقة واحدة كل 30 دقيقة على مدار 24 ساعة، مما أنتج 48 دقيقة من الصوت يومياً بدقة 192 كيلوهرتز و16 بت.
النطاق: جُمعت البيانات عبر خمسة مواسم مراقبة بين عامي 2023 و2025.

تسمية البيانات (Annotation)

لضمان جودة بيانات التدريب، طور المؤلفون بروتوكولاً معيارياً للتسميات "القوية" (التسميات المحددة زمنياً وترددياً).

إنشاء الفواصل الزمنية (Time-Lapse): لإدارة حجم البيانات، تم دمج أول 10 ثوانٍ من كل تسجيل من التسجيلات الـ 48 اليومية في ملف "فاصل زمني" واحد مدته 480 ثانية، مما حافظ على التغطية الزمنية لمدة 24 ساعة مع تقليل عبء العمل اليدوي.
الخبراء استخدموا برنامج Raven Pro لتحديد وتحديد حدود الأحداث الصوتية الفردية يدوياً. شملت التسميات حدوداً صريحة للبداية ( $t_{min}$ )، والنهاية ( $t_{max}$ )، والتردد الأدنى ( $f_{min}$ )، والتردد الأعلى ( $f_{max}$ ).
الدقة التصنيفية: تم تحديد الأنواع بناءً على السمات الصوتية التشخيصية باستخدام نظام ترميز أبجدي رقمي موحد (مثل MEGCHO لـ Megascops choliba). تم استبعاد الإشارات الخافتة أو الغامضة، وتمت تسمية الإشارات التي تم تحديدها بوضوح صوتياً وبصرياً فقط.
التصفية: تمت تصفية مجموعة البيانات للاحتفاظ فقط بالأصوات البيولوجية (BIO) وتحديداً أصوات الطيور (AVEVOC)، مع استبعاد الضوضاء غير البيولوجية والأنواع الأخرى.

المعالجة الحسابية

إعادة أخذ العينات (Resampling): تمت إعادة أخذ عينات الصوت من 192 كيلوهرتز إلى 48 كيلوهرتز للتحليل، حيث أن أصوات الطيوت في هذه المجموعة نادراً ما تتجاوز 24 كيلوهرتز.
توحيد المخطط (Schema Unification): تم تحويل التسميات من ملفات نصية لبرنامج Raven Pro إلى مخطط JSON موحد مستوحى من تنسيق (COCO) لتسمية الكائنات في السياق، ويتضمن هذا المخطط البيانات الوصفية لمجموعة البيانات، وتعريفات الفئات، ومعلومات ملف الصوت، والتسميات الزمنية والترددية.
النموذج المرجعي (Baseline Model): تمت صياغة مهمة ثنائية للكشف عن الطيور. تم تحويل الصوت إلى مخططات طيفية ميل (mel-spectrograms) مدتها 5 ثوانٍ (2048 نقطة FFT، و512 عينة خطوة، و224 حزمة ميل)، واستخدم نهج النافذة المنزلقة (بخطوة 1 ثانية) لتوليد عينات التدريب.
البنية (Architecture): تم استخدام بنية ResNet-18 كعمود فقري، مع تهيئة أوزان ImageNet وتعديلها لمدخلات أحادية القناة، وتدريبها لمهام التصنيف الثنائي (وجود الطيور مقابل غيابها).
التحقق (Validation): تم استخدام استراتيجية التحقق المتقاطع "ترك مشروع واحد خارج المجموعة" (5 طيات/folds) لضمان الفصل الزمني والمكاني الصارم بين بيانات التدريب والاختبار، مما اختبر بدقة قدرة النموذج على التعميم عبر مواقع التسجيل المختلفة.

المساهمات الرئيسية

مجموعة بيانات PteroSet: مجموعة منسقة تضم 563 تسجيلاً للفواصل الزمنية (73.62 ساعة) تحتوي على 15,372 تسمية زمنية-ترددية، بما في ذلك 6,702 تسمية على مستوى الأنواع عبر 168 نوعاً من طيور النيوتروبيكال. وهذا يوسع بشكل كبير نطاق البيانات الصوتية عالية التسمية.
معيار مرجعي استوائي واقعي: تلتقط مجموعة البيانات صراحةً التحديات المتأصلة في المشاهد الصوتية للنيوتروبيكال، مثل التزامن الصوتي الكثيف (غناء أنواع متعددة في وقت واحد) والتحولات النطاقية بين مواقع التسجيل، والتي غالباً ما تكون ممثلة تمثيلاً ناقصاً في مجموعات البيانات المعتدلة.
مخطط التسمية (Annotation Schema): تقديم تنسيق JSON مستوحى من COCO ومكيف لعلم الصوت الحيوي، مما يسهل التوافق والاندماج مع مجموعات البيانات الأخرى.
النموذج المرجعي: توفير نموذج ResNet-18 مرجعي قابل لإعادة الإنتاج لمهام الكشف الثنائي عن الطيور، مما يضع مقاييس الأداء للمقارنات المستقبلية.
الموارد مفتوحة الوصول: الإصدار الكامل للبيانات الخام والمعالجة، وملفات التسمية، والبرمجيات لدعم قابلية إعادة الإنتاج.

النتائج

أظهر نموذج ResNet-18 المرجعي قدرة فعالة على التمييز بين الأحداث الصوتية للطيور وغير الطيور عبر ظروف متنوعة، رغم تباين الأداء حسب الموقع.

الأداء العام: عبر خمس طيات من التحقق المتقاطع، حقق النموذج متوسط F1-score بلغ 0.718 ± 0.039، وAUPRC بلغ 0.797 ± 0.047، ودقة بلغت 0.850 ± 0.091.
التحول النطاقي (Domain Shift): تباين الأداء بشكل كبير بين الطيات. كان أداء النموذج أضعف في مجموعة اختبار MAP1 (ماغدالينا) (F1: 0.650) وأقوى في مجموعة اختبار PPA4 (بوتومايو) (F1: 0.742)، مما يسلط الض الضوء على تحدي التعميم عبر المناطق المتباينة إيكولوجياً.
التعقيد الصوتي: تظهر مجموعة البيانات كثافة صوتية عالية؛ حيث تتضمن حوالي 19.8% من التسميات تداخلات زمنية، كما أن 60% من الأزواج المتداخلة تتداخل أيضاً في النطاق الترددي. وهذا يؤكد أن جزءاً كبيراً من البيانات يحتوي على أصوات متزامنة من أنواع متعددة.
تحليل الخطأ: أظهر التحليل النوعي أن النموذج حدد بنجواح الأصوات الواضحة ذات نسبة الإشارة إلى الضوضاء (SNR) العالية، لكنه واجه صعوبة مع النداءات الخافتة والأصوات غير البيولوجية التي تشترك في الخصائص الطيفية مع نداءات الطيور (مثل الأنماط النغمية للحشرات).

الأهمية

تضع هذه الورقة PteroSet ليس مجرد مستودع للبيانات، بل كخطوة ضرورية نحو مراقبة حيوية صوتية أكثر إنصافاً وفعالية في المناطق الاستوائية. ومن خلال معالجة عدم التوافق بين الغنى البيولوجي للنيوتروبيكال وقلة التمثيل الرقمي، تعمل مجموعة البيانات كمورد تدريب صارم ومعيار تحدٍ. وهي توضح أن المراقبة الآلية الناجحة في هذه البيئات تتطلب نماذج قادرة على التعامل مع التداخل الصوتي الكثيف، والتحولات النطاقية، وتوزيعات الأنواع ذات الذيل الطويل. ويجادل المؤلفون بأن وضع هذه التعقيدات الواقعية في المركز، بدلاً من الاعتماد على مجموعات البيانات الأكثر "نظافة" في المناطق المعتدلة، أمر بالغ الأهمية لتطوير نماذج يمكنها التعميم على الأنظمة البيئية العالمية. كما يهدف اعتماد مخطط تسمية موحد إلى خفض الحواجز أمام بناء مجموعات تدريب واسعة النطاء ومتعددة المواقع وتسهيل المقارنة المرجعية القابلة لإعادة الإنتاج في مجتمع علم الصوت الحيوي.