Automatic parameter estimation and detection of ringed seal knocking vocalizations
Deze studie toont aan dat een op spectrogrammen gebaseerd convolutioneel neuraal netwerk automatisch en nauwkeurig de "klopsignalen" (knocking) van de bedreigde Saimaa-ringelrob kan detecteren en analyseren in uitgebreide onderwaterdatasets, wat een kosteneffectieve oplossing biedt voor langdurige monitoring van de soort.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Stel je voor dat je probeert een specifiek type vogelgezang te vinden in een bos dat zo luid is door de wind, ritselende bladeren en andere dierengeluiden, dat je duizenden uren aan opnames zou moeten beluisteren om slechts een paar minuten van het juiste geluid te vinden. Dat is in essentie de uitdaging waar wetenschappers voor staan bij het bestuderen van de ringelrob, een zeldzame en bedreigde zeehond die leeft in een zoetwatermeer in Finland. Deze zeehonden maken een uniek geluid dat een "klop" wordt genoemd, vergelijkbaar met iemand die op een holle boomstam tikt onder water, maar het vinden van deze klopen in enorme hoeveelheden onderwateropnames is meestal een traag, duur en uitputtend werk dat door mensen wordt gedaan door ze één voor één te beluisteren.
Dit artikel beschrijft een project waarbij de onderzoekers een "digitale detective" hebben gebouwd om het zware werk voor hen te doen. In plaats van dat mensen een jaar aan opnames moeten beluisteren, hebben ze een computerprogramma geleerd om het specifieke ritme van de klop van de rob te herkennen. Ze voerden de computer meer dan 13.000 voorbeelden van deze klopen, waarbij ze de computer in feite een enorm fotoalbum lieten zien van hoe het geluid eruitziet op een grafiek (een spectrogram), zodat de computer het patroon kon leren.
Het "brein" van de computer was een speciaal type kunstmatige intelligentie genaamd een Convolutional Neural Network. Je kunt deze AI zien als een superkrachtige zeef. Wanneer de onderzoekers nieuwe, ongeziene opnames erdoorheen gooiden, was deze digitale zeef ongelooflijk goed in het opvangen van de klopen van de rob, terwijl het achtergrondgeluid en andere geluiden er gewoon doorheen lieten glippen. Het was zo nauwkeurig dat het de klopen in 97,76% van de gevallen correct identificeerde, zelfs wanneer het water lawaaierig was.
Bovendien vond de computer niet alleen de klopen; het bepaalde ook automatisch de "toonhoogte" of fundamentele frequentie van het geluid. De onderzoekers controleerden dit aan de hand van aantekeningen van menselijke experts, en de metingen van de computer kwamen perfect overeen met die van de mensen.
Kortom, het artikel laat zien dat wetenschappers door het gebruik van deze geautomatiseerde "digitale detective" nu snel en goedkoop enorme hoeveelheden onderwateraudio kunnen scannen. Dit verandert een taak die voorheen een enorme hoeveelheid menselijke tijd en geld kostte in een gestroomlijnd proces, waardoor het veel gemakkelijker wordt om op de lange termijn toezicht te houden op deze ongrijpbare zeehonden zonder dat er een team van mensen nodig is om elke seconde van de tape te beluisteren.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.