Acoustic Machine Learning for Multi-Species Identification in the Pantanal Wetlands

ملخص تقني: التعلم الآلي الصوتي لتحديد الأنواع المتعددة في أراضي البانتانال الرطبة

بيان المشكلة
تتناول هذه الدراسة التحدي الحرج المتمثل في مراقبة التنوع البيولوجي في أراضي البانتانال الرطبة في البرازيل، وهو نظام بيئي يمتد على مساحة تزيد عن 150,000 كيلومتر مربع، ويواجه تهديدات متزايدة بسبب تغير المناخ، والتوسع الزراعي، وحرائق الغابات. تُعتبر المسوحات الميدانية التقليدية صعبة لوجستياً، ومكلفة، وغالباً ما تكون غير مكتملة بسبب الفيضانات الموسمية والنطاق الجغرافي الشاسع. وبينما توفر المراقبة الصوتية السلبية (PAM) بديلاً قابلاً للتوسع لجمع البيانات بشكل مستمر، فإن مجموعات البيانات الناتجة تفرض عقبات كبيرة: فهي ضخمة جداً من حيث الحجم، وتحتوي على مستويات عالية من الضوضاء البيئية، وتعاني من ندرة البيانات المصنفة. وتتمثل مشكلة البحث المركزية في تطوير إطار عمل قوي للتعلم الآلي قادر على تحديد أنواع متعددة بدقة — بما في ذلك الأنواع النادرة والدارسة — من المشاهد الصوتية المعقدة والواقعية حيث تصدر عدة أنواع أصواتها في وقت واحد.

المنهجية
يقترح المؤلف خط معالجة للتعلم الآلي يرتكز على التصنيف متعدد الملصقات باستخدام خوارزمية تجميع "الغابة العشوائية" (Random Forest). تمر المنهجية عبر المراحل التالية:

• إعداد البيانات: تستخدم الدراسة مجموعة بيانات BirdCLEF+ 2026، والتي تضم أكثر من 46,000 ملف (حوالي 16 جيجابايت) من التسجيلات الصوتية للطيور، والبرمائيات، والزواحف، والثدييات، والحشرات. يتم تطبيع الملفات الصوتية إلى معدل عينة قدره 32 كيلو هرتز وتقسيمها إلى نوافذ زمنية مدة كل منها 5 ثوانٍ.
• استراتيجية التصنيف (Labeling): لمراعاة الأصوات الخلفية والأصوات المتداخلة، يستخدم النظام نهج التصنيف متعدد الملصقات. يتم دمج الملصقات الأولية والثانوية باستخدام MultiLabelBinarizer مما يسمح للنموذج بالتعلم من الأحداث الصوتية المتداخلة.
• هندسة الميزات: يقوم النظام باستخراج متجه ميزات مكون من 21 بُعداً لكل مقطع. ويشمل ذلك:
  • طيف الإشارة: 20 معامل لتردد ميل (MFCCs) لالتقاط الخصائص الجرسية (timbral qualities).
  • الشكل الطيفي: يتم إضافة متوسط المركز الطيفي (Spectral Centroid) لتمثيل السطوع إلى معاملات MFCCs.
  • ملاحظة: بينما تذكر قسم المنهجية في البداية ميزات محتملة مثل "انحراف الطيف" (Spectral Rolloff)، وعرض النطاق الترددي (Bandwidth)، ومعدل عبور الصفر (Zero Crossing Rate)، وRMS، ومعاملات كروما (Chroma coefficients)، فإن التنفيذ المحدد الموصوف في القسم الفرعي "في مشروعك" يؤكد أنه تم استخدام الـ 20 معامل MFCC ومتوسط المركز الطيفي فقط لتشكيل المتجه النهائي ذي الـ 21 بُعداً.
• بنية النموذج: تم اختيار مصنف "الغابة العشوائية" (Random Forest) لقدرته على التعامل مع البيانات عالية الأبعاد وغير المتوازنة وقوته في مواجهة الضوضاء. يتم تسلسل النموذج باستخدام مكتبة joblib (الملف wildlife_rf_model_2026.pkl) لضمان قابلية النقل والقدرة على النشر دون اتصال بالإنترنت.
• التقييم: يتم قياس الأداء باستخدام مقياس macro-averaged ROC-AUC (منحنى خصائص تشغيل المستقبِل - المساحة تحت المنحنى)، وهو المقياس الرسمي للمسابقة، مما يضمن العدالة بين الأنواع ذات التكرارات المتفاوتة.

النتائج الرئيسية
تسجل الدراسة نتائج أداء متواضعة، مما يسلط الضوء على صعوبة المهمة:

• مقاييس الأداء: حقق النموذج درجة ROC-AUC متوسطة (macro-averaged) تبلغ حوالي 0.50 على مجموعة التحقق و 0.499 على لوحة المتصدرين العامة. ويصف المؤلف ذلك صراحة بأنه أداء "قريب من التخمين العشوائي".
• تحليل الخطأ: كانت الأخطاء في التصنيف أكثر تكراراً في المشاهد الصوتية المتداخلة حيث تصدر عدة أنواع أصواتها في آن واحد. واجه النموذج صعوبة في التمييز بين الأنواع ذات النطاقات الترددية المتشابهة (مثل أنواع Leptodactylus)، وكثيراً ما خلط بين نداءات الحشرات أو الضوضاء الخلفية وبين الأنواع المستهدفة.
• التصورات المرئية: أظهرت منحنيات ROC للأنواع التمثيلية خطوطاً قطرية، مما يعزز الطبيعة الأساسية (baseline) للقوة التنبؤية للنموذج. وأكدت تصورات الطيف (Spectrogram) أنه على الرغم من وجود نطاقات ترددية متميزة لبعض النداءات (مثل نداءات الضفادع)، إلا أن المصنف فشل في ربطها باستمرار بملصقات الأنواع الصحيحة.

الأهمية والادعاءات
تضع الورقة مساهمتها ليس كحل نهائي لتحديد الأنواع بدقة عالية، بل كـ خط أساس قابل لإعادة الإنتاج (reproducible baseline) وإطار عمل تأسيسي للأبحاث المستقبلية.

• جدوى خطوط المعالجة: تؤكد الدراسة الجدوى التقنية لخطوط المعالجة المؤتمتة لمراقبة التنوع البيولوجي، وتوضح أنه حتى نماذج خط الأساس يمكن أن تعمل كـ "مرشحات ذكية" لإعطاء الأولوية للتسجيلات التي تتطلب تدقيقاً من قبل الخبراء، مما يقلل من العمل اليدوي.
• محدودية الطرق التقليدية: تؤكد النتائج محدودية التعلم التجميعي التقليدي (الغابة العشوائية) والميزات الصوتية الأساسية (MFCCs) عند تطبيقها على المشاهد الصوتية المعقدة والمليئة بالضوضاء في البانتانال.
• الاتجاه المستقبلي: يخلص المؤلف إلى أن تحقيق تحديد عالي الدقة يتطلب التحول نحو بنيات التعلم العميق (مثل الشبكات العصبية الالتفافية CNN أو الشبكات العصبية المتكررة RNN)، وتضمينات الطيف (spectrogram-based embeddings)، واستراتيجيات متعددة الملصقات متقدمة لالتقاط الأنماط الزمنية والتفاعلات البيئية بشكل أفضل.
• سياق الحفظ: على الرغم من درجات التنبؤ المنخفضة، يوفر هذا العمل نقطة انطلاق قابلة للتوسع لمراقبة الأنواع غير المدروسة جيداً، ويوفر معلومات لاستراتيجيات الحفظ في واحدة من أكثر المناطق البيئية هشاشة في العالم.

باختاختصار، تقدم الورقة خط معالجة وظيفي ومتكامل لتحديد الأنواع المتعددة صوتياً في البانتانال. وبينما يحقق نهج "الغابة العشوائية" الحالي أداءً يقارب المستوى العشوائي، فإنه يضع حجر الأساس لدمج تقنيات التعلم العميق الأكثر تقدماً واستراتيجيات تعزيز البيانات في جهود الحفظ المستقبلية.