Новые алгоритмы для автоматического обнаружения ультразвуковых сигналов летучих мышей

Исследователи разработали новые алгоритмы с открытым исходным кодом для автоматического обнаружения эхолокационных сигналов летучих мышей в аудиозаписях. В работе использованы данные, собранные гражданскими учеными. Разработку представили Ойсин Мак Аода (ранее Университетский колледж Лондона, ныне Калифорнийский технологический институт) и его коллеги в журнале PLOS Computational Biology.

Почему это важно

Около 80% видов летучих мышей используют эхолокацию для навигации и охоты. Мониторинг этих звуков помогает ученым отслеживать изменения в популяциях рукокрылых. Поскольку летучие мыши особенно чувствительны к изменению климата, их сигналы служат ключевыми индикаторами здоровья экосистем. Однако надежное обнаружение этих сигналов в зашумленных полевых записях — сложная задача.

Новый подход

Для решения этой проблемы команда создала алгоритмы обнаружения на основе современных достижений в машинном обучении. Их метод использует обучение с учителем на сверточных нейронных сетях (CNN), что позволяет системе обучаться непосредственно на аудиоданных для автоматического и надежного обнаружения сигналов.

Роль гражданской науки

CNN ранее не применялись для мониторинга летучих мышей, в основном из-за отсутствия достаточного количества размеченных человеком данных для их обучения. Чтобы получить необходимый объем данных, исследователи обратились к тысячам гражданских ученых, которые собирали и аннотировали аудиозаписи в рамках проектов Indicator Bats Programme и Bat Detective.

Результаты тестирования

После обучения алгоритмы протестировали на нескольких наборах данных, представляющих сложные реальные условия мониторинга. Оказалось, что подход на основе глубокого обучения точнее и надежнее существующих алгоритмов и коммерческих инструментов для обнаружения сигналов летучих мышей.

«Наш метод позволяет нам автоматически оценивать активность летучих мышей в рамках многолетних крупномасштабных аудиомониторинговых программ с минимальными ручными усилиями, что дает возможность масштабировать усилия по мониторингу в глобальном масштабе», — говорит Ойсин Мак Аода.

Практическое применение

Алгоритм уже развернут в рамках проекта реального времени по мониторингу летучих мыстей в Олимпийском парке королевы Елизаветы в восточном Лондоне. Сейчас команда работает над системами, которые смогут извлекать более детальную информацию из аудиозаписей, например, определять присутствие конкретных видов летучих мышей.