Используя данные, собранные гражданскими учеными, исследователи разработали новые алгоритмы с открытым исходным кодом для автоматического обнаружения эхолокационных криков летучих мышей в аудиозаписях. Ойсин Мак Аодха, ранее работавший в Университетском колледже Лондона, а теперь работающий в Калифорнийском технологическом институте, и его коллеги из Университетского колледжа Лондона представляют свой новый подход в PLOS Computational Biology.
Почти 80 процентов видов летучих мышей используют эхолокационные сигналы для таких задач, как навигация и охота на добычу. Обнаружение этих звуков в аудиозаписях может помочь ученым отслеживать изменения в популяциях летучих мышей, а поскольку летучие мыши особенно чувствительны к изменению климата, крики летучих мышей могут служить ключевыми индикаторами здоровья экосистемы. Тем не менее, может быть сложно надежно обнаружить крики летучих мышей в шумных, реальных записях.
Чтобы решить эту проблему, Мак Аодха и его коллеги создали новые алгоритмы обнаружения летучих мышей, основанные на последних достижениях в области машинного обучения. Их алгоритм основан на контролируемом обучении с помощью глубоких сверточных нейронных сетей (CNN), что позволяет им учиться непосредственно на аудиоданных, чтобы автоматически и надежно обнаруживать крики летучих мышей.
CNN никогда раньше не применялись для мониторинга летучих мышей, главным образом потому, что не было достаточно данных, проанализированных человеком, для их обучения. Чтобы собрать достаточно данных, Мак Аодха и его коллеги обратились к тысячам гражданских ученых, которые собрали и аннотировали наборы аудиоданных в качестве участников программ индикаторных летучих мышей и Bat Detective (https://www.batdetective.org) проект.
После того, как алгоритмы были обучены, исследователи проверили их, применив к нескольким наборам данных, представляющим сложные сценарии мониторинга в реальном мире. Они обнаружили, что их подход к глубокому обучению был более точным и надежным, чем существующие алгоритмы и коммерческие инструменты для мониторинга криков летучих мышей.
«Наш метод позволяет нам автоматически оценивать активность летучих мышей по многолетним крупномасштабным программам аудиомониторинга с минимальными усилиями вручную, что позволяет нам расширять усилия по мониторингу во всем мире», - говорит Мак Аодха.
Их алгоритм в настоящее время развернут в рамках проекта мониторинга летучих мышей в режиме реального времени в Олимпийском парке королевы Елизаветы в восточной части Лондона. В настоящее время команда работает над созданием систем, способных извлекать более подробную информацию из аудиозаписей, например информацию о присутствии определенных видов летучих мышей.