Analysis of individual identification and age-class classification of wild female macaque vocalizations without pitch- and formant-based acoustic parameter measurements

Dit onderzoek toont aan dat mel-spectrogrammen, in combinatie met klassieke machine learning-algoritmen zoals random forest en support vector machines, effectief zijn voor het identificeren van individuele wilde Japanse makaken en het classificeren van hun leeftijdsklassen op basis van een relatief kleine dataset van 651 'coo'-roepen, zonder dat handmatige metingen van toonhoogte of formanten nodig zijn.

De kern

Stel je voor dat je in een groot, druk bos loopt waar een groep apen woont. Je hoort hen roepen, maar voor een mens klinkt het allemaal als hetzelfde "oeh-oeh-oeh"-geluid. De vraag is: kunnen we leren wie wie is, puur op basis van hun stem, zonder dat we ze hoeven te zien? En kunnen we ook horen of een aap jong of oud is?

Dit is precies wat Kimpara en zijn team hebben onderzocht met de Japanse macaques op het eiland Yakushima. Hier is hoe ze het hebben gedaan, vertaald naar een simpel verhaal:

1. Het Moeilijke Werk: De "Oude Manier" vs. De "Nieuwe Manier"

Vroeger, als wetenschappers wilden weten wie wie was, moesten ze als een soort muziekleraar werken. Ze luisterden naar de stemmen en maten alles heel precies af: "Hoe hoog is de toon?", "Hoe klinkt de resonantie?", "Hoe lang duurt het geluid?".

• Het probleem: Dit is heel veel werk, en het werkt niet altijd goed. Het is alsof je probeert een persoon te herkennen door alleen naar de lengte van hun neus te kijken. Soms helpt het, maar vaak is het niet genoeg.

In deze studie probeerden ze iets nieuws: een digitale "smaakpapier".
In plaats van te meten, lieten ze een computer (een soort slimme robot) naar de geluiden luisteren en een Mel-spectrogram maken.

• De analogie: Stel je voor dat je een stuk muziek niet afspeelt, maar het omzet in een kleurrijke kaart (een spectrogram). Elke toon en elk geluid krijgt een eigen kleur en vorm. De computer hoeft niet te weten wat de toon is, hij kijkt gewoon naar het patroon van de kleuren. Het is alsof je iemand herkent aan de unieke stempel van hun handafdruk, in plaats van te meten hoe lang hun vingers zijn.

2. De Experimenten: Twee Spelletjes

De onderzoekers gaven twee slimme computers (een "Random Forest" en een "Support Vector Machine" – laat ons ze gewoon "De Slimme Robot" en "De Super-Scanner" noemen) een opdracht. Ze kregen 651 geluiden van 6 verschillende vrouwtjesapen.

Opdracht 1: Wie is wie? (Individuele herkenning)

• De uitdaging: De robots moesten raden welke aap welk geluid maakte.
• Het resultaat: Het ging verrassend goed! De robots hadden ongeveer 81-82% succes.
• De metafoor: Stel je voor dat je een klas van 6 kinderen hebt. Als je blinddoekt en ze laat roepen, zou een gemiddelde volwassene misschien 5 van de 6 goed raden. De robots deden dat bijna perfect, zelfs met geluiden uit het wilde bos waar veel achtergrondlawaai is (wind, andere dieren).
• De uitzondering: Een paar apen (zoals Kapa en Rine) waren wat lastiger te onderscheiden. Hun stemmen leken meer op elkaar, of ze maakten soms geluiden die verwarden.

Opdracht 2: Jong of Oud? (Leeftijdsclassificatie)

• De uitdaging: De robots moesten nu niet raden wie het was, maar of het een jonge aap (minder dan 10 jaar) of een oude aap (meer dan 20 jaar) was.
• Het resultaat: Dit ging nog beter! 91-93% succes.
• De reden: Oude apen hebben vaak een "ruwere" stem. Net als mensen die ouder worden en een schorre of diepere stem krijgen, verandert de stem van oude macaques. De kleurrijke kaart (het spectrogram) pakte deze "ruwheid" of "korreligheid" perfect op. De robots zagen het verschil tussen het gladde geluid van een jonge aap en het ruwe geluid van een oude aap als dag en nacht.

3. Waarom is dit belangrijk?

Vroeger dachten we dat we duizenden geluiden nodig hadden om een slimme computer te trainen (zoals een kind dat duizenden foto's moet zien om een hond te herkennen). Maar deze studie toont aan dat je met weinig data (slechts een paar honderd geluiden) al heel goed resultaten kunt krijgen als je de juiste "kaart" (het spectrogram) gebruikt.

De grote winst:
Dit betekent dat we in de toekomst makkelijker apen (en andere dieren) in het wild kunnen tellen en volgen zonder ze te hoeven vangen of te zien. We kunnen gewoon een microfoon neerzetten, de geluiden opnemen, en de computer doet de rest. Het is alsof we een onzichtbare camera hebben die luistert in plaats van kijkt.

Samenvatting in één zin:

De onderzoekers hebben bewezen dat slimme computers, die kijken naar de "kleurrijke kaarten" van apengeluiden in plaats van te meten, heel goed kunnen raden welke aap welk geluid maakt en of die aap jong of oud is, zelfs met maar een klein beetje data uit het wilde bos.

Technische samenvatting

Probleemstelling

Bioakoestisch onderzoek naar dierlijke communicatie heeft decennialang vertrouwd op handmatig gemeten akoestische kenmerken (zoals grondfrequentie en formanten) voor taken zoals individuele identificatie en repertoireclassificatie. Hoewel deze methoden succesvol zijn, hebben ze beperkingen: de selectie van kenmerken is vaak arbitrair, gebaseerd op soortspecifieke definities en mist veelzijdigheid.

Recente ontwikkelingen in diep leren (deep learning) bieden een oplossing door automatisch akoestische signalen te verwerken zonder expliciete kenmerkmeting. Echter, deze technieken vereisen doorgaans enorme datasets (duizenden tot miljoenen gelabelde samples), wat een grote hindernis vormt voor veldstudies waar het verzamelen van voldoende data tijdrovend of onmogelijk is. Er is een gebrek aan modellen die effectief kunnen werken met relatief kleine datasets zonder vooraf gedefinieerde akoestische parameters.

Methodologie

De auteurs onderzochten of mel-spectrogrammen (automatisch verwerkte akoestische features) effectief zijn voor het classificeren van kleine datasets van wilde Japanse makaken (Macaca fuscata yakui).

• Datacollectie:

  • Onderwerp: 6 volwassen vrouwtjes van de "Petit-groep" op Yakushima-eiland (Japan).
  • Soort: Coo-roepen (contactroepen).
  • Dataset: 651 geselecteerde roepen uit 112 uur observatie.
  • Opdrachten:
    1. Individuele identificatie: Onderscheid tussen de 6 individuen.
    2. Leeftijdsclassificatie: Onderscheid tussen jonger (<10 jaar) en ouder (>20 jaar).
  • Selectiecriteria: Roepen moesten weinig achtergrondruis hebben, geen overlap vertonen met andere individuen, en korter dan 1 seconde zijn.

• Data-voorbereiding:

  • Mel-spectrogrammen: Genereerd met de Python-bibliotheek librosa.
  • Parameters: 40 Mel-banden, 30ms venstergrootte, Hann-functie, frequentiebereik 0-24 kHz.
  • Normalisatie: Zero-padding voor gelijke lengte en z-transformatie voor intensiteitsnormalisatie. Dit resulteerde in 10.360 dimensies per roep.

• Analyse en Modellen:

  • Dimensionaliteitsreductie: UMAP (Uniform Manifold Approximation and Projection) werd gebruikt, zowel ongesuperviseerd als gesuperviseerd (met labels), om de scheidbaarheid van klassen te visualiseren en te evalueren via silhouette-scores.
  • Classificatiemodellen: Twee klassieke machine learning-algoritmen werden getraind:
    1. Random Forest (RF)
    2. Support Vector Machine (SVM)
  • Validatie: Een robuuste evaluatie via 1000 iteraties van train-test splits (80 roepen per individu, 64 train/16 test). Hyperparameters werden geoptimaliseerd via grid search met 5-voudige cross-validatie.
  • Maaatstaf: Gebalanceerde nauwkeurigheid (balanced accuracy) om bias door ongelijke datasetgroottes te verminderen.

Belangrijkste Resultaten

1. Individuele Identificatie:

   • De modellen presteerden goed ondanks de kleine dataset.
   • Gemiddelde gebalanceerde nauwkeurigheid: 81% voor Random Forest en 82% voor SVM.
   • UMAP-analyse: Gesuperviseerde UMAP toonde duidelijke clusters per individu (silhouette-score 0,60), terwijl ongesuperviseerde UMAP geen duidelijke structuur liet zien (score 0,05).
   • Variatie: De nauwkeurigheid varieerde per individu (68-94%), waarbij individuen zoals Kapa en Rine vaker verward werden met Taiwu.

2. Leeftijdsclassificatie:

   • De prestaties waren opmerkelijk hoog, waarschijnlijk omdat mel-spectrogrammen globale spectrale patronen (zoals "ruwheid" die met ouderdom toeneemt) beter vastleggen dan specifieke parameters.
   • Gemiddelde gebalanceerde nauwkeurigheid: 91% voor Random Forest en 93% voor SVM.
   • Detail: Jongere individuen werden bijna perfect geïdentificeerd (>98%), terwijl oudere individuen vaker ten onrechte als jonger werden geclassificeerd (<87% juistheid voor ouderen).
   • UMAP-analyse: Gesuperviseerde UMAP toonde zeer sterke scheiding tussen leeftijdsklassen (silhouette-scores 0,86 en 0,80).

Bijdragen en Significantie

• Effectiviteit van Mel-spectrogrammen: Het onderzoek bewijst dat automatisch gegenereerde features (mel-spectrogrammen) in combinatie met traditionele ML-modellen (RF, SVM) zeer effectief zijn voor bioakoestische classificatie, zelfs bij kleine datasets (<1000 samples) uit het wild. Dit omzeilt de noodzaak van enorme datasets die voor deep learning nodig zijn.
• Vermijden van Subjectiviteit: Door geen handmatige meting van pitch of formanten te vereisen, wordt de bias in de selectie van akoestische kenmerken geëlimineerd, wat leidt tot een robuustere en meer universele aanpak.
• Toepassing in Veldonderzoek: De methode biedt een niet-invasief hulpmiddel voor het schatten van populatiedichtheden (via mark-and-recapture op basis van stemmen) en het monitoren van leeftijdsopbouw in wilde populaties, zelfs in omstandigheden waar visuele observatie moeilijk is (bijv. 's nachts).
• Insight in Ouderdom: De hoge nauwkeurigheid in leeftijdsclassificatie suggereert dat mel-spectrogrammen subtiel, ouderdomsgerelateerde veranderingen (zoals toegenomen ruwheid in de stem) kunnen detecteren die moeilijk te meten zijn met traditionele lineaire parameters.

Conclusie:
De studie toont aan dat het combineren van mel-spectrogrammen met machine learning een krachtige, schaalbare methode is voor het analyseren van wilde primaten. Het opent de deur voor gedetailleerde bioakoestische studies bij veel meer soorten, zelfs wanneer er beperkte data beschikbaar is, zonder afhankelijk te zijn van complexe deep learning-architecturen die grote datasets vereisen.