⚡ electrical engineering

ChiroEcho: extending automated bat vocalisation classification beyond the learned taxonomy

O artigo apresenta o ChiroEcho, um framework de aprendizagem profunda que estende a classificação automatizada de vocalizações de morcegos além da sua taxonomia treinada ao combinar previsões de nível de gênero com dados de distribuição geográfica para identificar com precisão espécies ausentes do conjunto de treinamento, aumentando, assim, a cobertura operacional de morcegos nativos europeus de 73% para 85%.

Autores originais: Burooj Ghani, Welmoed Eversteijn, Milan van Hirtum, Juan Sebastián Cañas, Vincent J. Kalkman, Dan Stowell, A. Leonie Baier

Publicado 2026-08-20

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Burooj Ghani, Welmoed Eversteijn, Milan van Hirtum, Juan Sebastián Cañas, Vincent J. Kalkman, Dan Stowell, A. Leonie Baier

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Os morcegos são os guardiões silenciosos da noite, invisíveis aos olhos humanos, mas vitais para a saúde dos ecossistemas em toda a Europa. Eles controlam populações de insetos, movem nutrientes e ajudam a regular a teia alimentar, mas seus hábitos noturnos os tornam incrivelmente difíceis de estudar. Como também estão sob rigorosa proteção legal e são sensíveis a mudanças ambientais, os cientistas precisam de formas confiáveis de rastrear suas populações ao longo do tempo. O método mais eficaz para isso é o monitoramento acústico passivo, onde gravadores autônomos ouvem os chamados de ecolocalização de alta frequência que os morcegos usam para navegar e caçar. No entanto, transformar essas gravações em dados úteis é um grande desafio. Os chamados dos morcegos variam drasticamente dependendo do que o animal está fazendo, onde está voando e até mesmo do clima, fazendo com que os sons de diferentes espécies se sobreponham e se confundam. Embora os computadores tenham se tornado bons em identificar pássaros por seus cantos, ensinar-nos a distinguir entre morcegos de sons semelhantes tem sido um problema persistente, muitas vezes limitado ao reconhecimento apenas da espécie específica que o computador foi explicitamente ensinado a conhecer.

Uma equipe de pesquisadores desenvolveu uma nova abordagem que rompe essa limitação, ensinando um computador a ouvir não apenas espécies, mas grupos familiares mais amplos, e então usando um mapa para preencher as lacunas. Seu sistema, chamado ChiroEcho, é uma estrutura de aprendizado profundo treinada com gravações de 35 diferentes espécies de morcegos europeus. Em vez de tentar forçar o computador a memorizar cada espécie imediatamente, o modelo primeiro aprende a identificar o gênero, ou a família mais ampla, à qual o morcego pertence. Este é um passo crucial porque, embora duas espécies diferentes possam soar quase idênticas, elas frequentemente pertencem à mesma família. Assim que o computador faz um palpite confiante sobre a família, ele verifica o local onde a gravação foi feita. Se o computador determinar que o morcego pertence a uma família específica, e o mapa mostrar que apenas uma espécie dessa família vive naquela região específica, o sistema pode identificar a espécie com confiança, mesmo que nunca tenha ouvido a voz daquele morcego específico durante seu treinamento.

Este método permite efetivamente que o computador reconheça morcegos que nunca encontrou antes. Em seus experimentos, os pesquisadores testaram isso escondendo duas espécies específicas de morcegos inteiramente dos dados de treinamento. Quando o sistema encontrava gravações dessas espécies ocultas, a parte de detecção de espécies do modelo naturalmente adivinhava o animal errado, geralmente escolhendo um parente de som semelhante que já havia visto antes. No entanto, quando os pesquisadores aplicaram a regra geográfica, o sistema se corrigiu. Ao combinar o palpite do nível de família com a localização conhecida, o sistema identificou com sucesso as espécies ocultas com alta precisão, recuperando rótulos que estavam completamente indisponíveis para a parte padrão do modelo. Esta estratégia expandiu a capacidade do sistema de operar em toda a Europa, aumentando o número de espécies nativas que ele pode identificar de 35 para 41 das 48 espécies nativas da região.

Os pesquisadores também descobriram que confiar exclusivamente em grandes conjuntos de dados pode, às vezes, esconder a verdade sobre quão bem um sistema funciona para animais raros. Quando observaram de perto o desempenho para espécies com pouquíssimos exemplos registrados, os resultados foram instáveis e imprevisíveis. Um único acerto ou erro poderia alterar a taxa de sucesso de zero para perfeito, tornando difícil saber se o computador estava realmente aprendendo ou apenas tendo sorte. Isso destaca um problema persistente na tecnologia de conservação: os morcegos que mais precisam de monitoramento são frequentemente aqueles com a menor quantidade de dados disponíveis para treinar os computadores. Esta nova estrutura não resolve essa escassez de dados, mas oferece uma maneira de aproveitar ao máximo os dados existentes. Ao usar a previsão do nível de família como uma rede de segurança e deixar a geografia fazer o trabalho final, o sistema pode fornecer identificações confiáveis para uma gama mais ampla de espécies sem precisar ser retreinado para cada nova descoberta.

O sucesso deste projeto sugere um caminho mais amplo para o monitoramento automatizado da vida selvagem. Demonstra que combinar o que uma máquina aprende com o som e o que os humanos sabem sobre onde os animais vivem pode criar uma ferramenta mais poderosa do que qualquer um deles isoladamente. O sistema não precisa ser um mímico perfeito de um especialista humano; em vez disso, atua como um parceiro que lida com o trabalho pesado da análise sonora enquanto utiliza regras simples e transparentes para estender seu conhecimento. Esta abordagem poderia ser aplicada a outros animais, utilizando diferentes tipos de conhecimento ecológico, como padrões sazonais ou associações de habitats específicos, para ajudar os computadores a identificar espécies que eles nunca viram. Para os morcegos da Europa, isso significa um futuro onde o monitoramento automatizado pode cobrir mais terreno e proteger mais espécies, transformando o mundo silencioso e escuro da noite em uma paisagem que é finalmente compreendida.

Resumo Técnico: ChiroEcho

Definição do Problema
O monitoramento automatizado das populações de morcegos europeus é crítico para a conservação da biodiversidade devido aos seus estilos de vida noturnos e crípticos, além de suas proteções legais. No entanto, a identificação automatizada via monitoramento acústico passivo permanece um desafio. Os chamados de ecolocalização dos morcegos variam significativamente com base no comportamento, habitat e contexto de forrageamento, levando a uma sobreposição substancial entre espécies e dentro de uma mesma espécie. Embora o aprendizado profundo tenha melhorado o reconhecimento acústico, a maioria dos sistemas existentes é de "conjunto fechado" (closed-set), restringindo as previsões a uma taxonomia fixa definida durante o treinamento. Isso limita sua aplicabilidade em cenários do mundo real, onde espécies novas ou geograficamente restritas podem ocorrer, mas carecem de dados de treinamento suficientes. Além disso, as estimativas de desempenho para espécies sub-representadas são frequentemente instáveis devido às distribuições de dados de cauda longa nos repositórios bioacústicos.

Metodologia
Os autores apresentam o ChiroEcho, um framework de aprendimento profundo projetado para estender a classificação automatizada de morcegos além de sua taxonomia aprendida, integrando conhecimento de domínio ecológico na etapa de inferência.

Conjunto de Dados e Pré-processamento: O modelo é treinado no ChirosetEurope2, um conjunto de dados curado de 11.517 gravações cobrindo 35 espécies de morcegos europeus de 32 países. O conjunto de dados exibe uma distribuição natural de cauda longa. As gravações são pré-processadas em segmentos de 20 segundos, reamostradas para 32 kHz e convertidas em espectrogramas log-mel (128 bins, 60 Hz–16 kHz). Uma classe de ruído é construída a partir de sons ambientais não relacionados a morcegos para simular condições de campo.
Arquitetura do Modelo: O ChiroEcho utiliza um codificador acústico EfficientNet-B3 compartilhado com duas cabeças de classificação paralelas:
1. Uma Cabeça de Espécie que prevê uma das 35 espécies treinadas.
2. Uma Cabeça Auxiliar de Gênero que prevê um dos 11 gêneros.
  O modelo é treinado de ponta a ponta usando uma função de perda conjunta ( $\mathcal{L} = \mathcal{L}_{\text{espécie}} + \mathcal{L}_{\text{gênero}}$ ) com entropia cruzada binária. Duas estratégias de inicialização são avaliadas: pesos padrão do ImageNet-1k (ChiroEchoIN) e pesos do Perch 2.0 (um modelo bioacústico treinado em diversos táxons).
Estratégia de Resolução Geográfica: A inovação central é uma regra de inferência que estende a taxonomia operacional. Quando uma gravação é atribuída a um gênero específico com confiança acima de um limiar ( $\tau$ ), o sistema consulta uma tabela de busca geográfica contendo mapeamentos região–gênero. Se a localização da gravação corresponder a uma região onde existe apenas uma espécie daquele gênero previsto, o sistema resolve a previsão para essa espécie específica, mesmo que essa espécie estivesse ausente dos dados de treinamento. Isso transforma os priors geográficos de uma restrição em um mecanismo para extensão taxonômica.
Protocolo de Avaliação: Os autores avaliam o desempenho de conjunto fechado (F1-score, mAP, AUROC) nas 35 espécies treinadas. Eles também realizam um experimento controlado de retenção onde duas espécies (Pipistrellus kuhlii e P. maderensis) são removidas do conjunto de treinamento e do espaço de rótulos da cabeça de espécie. A capacidade do sistema de recuperar essas espécies "não vistas" via a regra de resolução geográfica é então testada.

Principais Resultados

Desempenho de Conjunto Fechado: Ambas as estratégias de inicialização apresentaram desempenho comparável. O ChiroEchoIN (ImageNet-1k) alcançou o maior mAP (0.694 espécie, 0.923 gênero) e AUROC (0.990 espécie, 0.992 gênero), enquanto o ChiroEchoPerch alcançou F1-scores ligeiramente superiores (0.845 espécie, 0.886 gênero). As métricas de nível de gênero foram consistentemente superiores às de nível de espécie, refletindo a dificuldade de distinguir espécies intimamente relacionadas.
Instabilidade em Dados Esparsos: A análise de espécies com menos de 10 segmentos de teste revelou alta instabilidade nas estimativas de desempenho. A Precisão Média (AP) variou significativamente ao combinar as divisões de validação e teste (por exemplo, o AP de Myotis emarginatus mudou de 0.004 para 0.335), destacando a dificuldade de avaliar de forma confiável espécies raras com dados limitados.
Sucesso da Resolução Geográfica: No experimento de retenção, a cabeça de espécie naturalmente classificou incorretamente as espécies não vistas como congêneres acusticamente semelhantes (ex: P. kuhlii confundida com P. nathusii). No entanto, a regra de resolução geográfica recuperou com sucesso as espécies corretas para os táxons retidos:
- P. kuhlii (retida, testada no contexto de Pantelleria): 69,5% de acurácia ao nível de gravação.
- P. maderensis (retida, testada no contexto de Madeira): 95,4% de acurácia ao nível de gravação.
Cobertura Taxonômica: Ao aplicar a regra de resolução geográfica às 35 espécies treinadas, a cobertura operacional do framework estende-se de 35 para 41 das 48 espécies de morcegos nativos da Europa, aumentando a cobertura de 73% para 85%.

Significância e Alegações
O artigo alega apresentar a mais ampla cobertura operacional relatada até o momento para a classificação automatizada de morcegos europeus. Sua principal significância reside em reformular a informação geográfica não como uma restrição que limita as previsões a um conjunto fixo, mas como um mecanismo para estender a taxonomia efetiva de um classificador.

Os autores demonstram uma estratégia de "resolver quando inequívoco" onde previsões grosseiras (gênero) combinadas com restrições externas transparentes (distribuição geográfica) determinam unicamente classes mais finas (espécie) que nunca foram vistas durante o treinamento. Esta abordagem oferece uma prova de conceito para estender classificadores hierárquicos sem retreinar ou aumentar a complexidade arquitetônica. Os autores observam que esta estratégia não se limita a morcegos ou geografia; ela poderia se aplicar a qualquer problema de classificação hierárquica onde uma previsão grosseira confiável e uma restrição de domínio externa (ex: ocorrência sazonal, associação de hospedeiro) identifiquem unicamente uma classe mais fina.

O artigo permanece modesto quanto às limitações, reconhecendo que o desempenho para espécies raras é limitado pela escassez de dados e que o framework atual depende de gravações curadas, exigindo validação futura em paisagens sonoras reais não curadas para avaliar a robustez à mudança de domínio.

Mais como este