Automatic parameter estimation and detection of ringed seal knocking vocalizations
Diese Studie zeigt, dass ein auf Spektrogrammen basierendes faltendes neuronales Netzwerk die „Klopf“-Vokalisationen der gefährdeten Saisse-Ringelrobben in umfangreichen Unterwasserdatensätzen automatisch und präzise erkennen sowie analysieren kann, was eine kostengünstige Lösung für das langfristige Monitoring der Art bietet.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, einen ganz bestimmten Vogelzwitschern in einem Wald zu finden, der so laut ist durch Wind, raschelnde Blätter und andere Tiergeräusche, dass Sie tausende Stunden Tonband anhören müssten, nur um ein paar Minuten des richtigen Klangs zu finden. Das ist im Wesentlichen die Herausforderung, vor der Wissenschaftler stehen, wenn sie versuchen, die Saimaa-Ringelrobbe zu untersuchen, eine seltene und gefährdete Robbenart, die in einem Süßwassersee in Finnland lebt. Diese Robben erzeugen ein einzigartiges Geräusch, das ein „Klopfen“ genannt wird, ähnlich wie jemand, der auf einen hohlen Baumstamm unter Wasser klopft, aber diese Klopfgeräusche in riesigen Unterwasseraufnahmen zu finden, ist normalerweise eine langsame, teure und erschöpfende Aufgabe, die von Menschen einzeln durch das Zuhören erledigt wird.
Dieses Papier beschreibt ein Projekt, bei dem die Forscher einen „digitalen Detektiv“ gebaut haben, um die schwere Arbeit für sie zu erledigen. Anstatt dass Menschen ein Jahr lang ihre Ohren anstrengen, haben sie einem Computerprogramm beigebracht, den spezifischen Klopf-Rhythmus der Robbe zu erkennen. Sie fütterten den Computer mit über 13.000 Beispielen dieser Klopfgeräusche und zeigten ihm im Grunde ein riesiges Fotoalbum dessen, wie der Klang auf einer Grafik (einem Spektrogramm) aussieht, damit er das Muster lernen konnte.
Das „Gehirn“ des Computers war eine spezielle Art von künstlicher Intelligenz, die als Convolutional Neural Network bezeichnet wird. Sie können sich diese KI als ein superpowered Sieb vorstellen. Als die Forscher neue, bisher ungesehene Aufnahmen hineinschütteten, war dieses digitale Sieb unglaublich gut darin, die Klopfgeräusche der Robbe einzufangen, während es die Hintergrundgeräusche und andere Töne einfach durchfließen ließ. Es war so genau, dass es die Klopfgeräusche zu 97,76 % der Zeit korrekt identifizierte, selbst wenn das Wasser laut war.
Darüber hinaus fand der Computer nicht nur die Klopfgeräusche; er ermittelte auch automatisch die „Tonhöhe“ oder Grundfrequenz des Klangs. Die Forscher überprüften dies anhand von Notizen menschlicher Experten, und die Messungen des Computers stimmten perfekt mit denen der Menschen überein.
Kurz gesagt zeigt das Papier, dass Wissenschaftler durch die Verwendung dieses automatisierten „digitalen Detektivs“ nun riesige Mengen an Unterwasser-Audio schnell und kostengünstig scannen können. Dies verwandelt eine Aufgabe, die früher eine enorme Menge an menschlicher Zeit und Geld gekostet hat, in einen optimierten Prozess und macht es viel einfacher, eine langfristige Überwachung dieser schwer fassbaren Robben zu führen, ohne ein Team von Menschen zu benötigen, die jede einzelne Sekunde des Bandes anhören müssen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.