Подслушивать спаривание груперов в их естественной среде обитания не страшно. На самом деле, это необходимо для обеспечения их выживания. В течение многих лет ученые использовали методы пассивного акустического мониторинга для изучения поведения рыб. В частности, этот метод используется для наблюдения за репродуктивным циклом рыб, в том числе груперов.
В новом исследовании исследователи из Колледжа инженерии и компьютерных наук Флоридского Атлантического университета и Океанографического института Harbour Branch вместе с сотрудниками подняли эту технологию на новый уровень, используя глубокие нейронные сети - набор алгоритмов, смоделированных по образцу человека. мозг. Они разработали эффективный метод классификации видов морских окуней по их звукам или «звонкам морских окуней».
Результаты исследования, опубликованные в Journal of the Acoustical Society of America, показывают, что с помощью этого нового подхода исследователи достигли точности классификации вокализации около 90 процентов для четырех видов морских окуней - красных лань (E. guttatus), морской окунь (E. striatus), желтоперый (M. venenosa) и черный морской окунь (M. bonaci). Этот новый метод значительно превзошел ранее известные методы автоматической классификации сигналов окуня.
Многочисленные рыбы издают звуки по многим причинам, таким как ухаживание и спаривание, навигация и защита своей территории от злоумышленников. Некоторые морские окуни издают звуки, связанные с ухаживанием во время нерестового скопления, характерные для разных видов. Они плавают на большие расстояния и собираются с высокой плотностью для массового нереста в определенных местах и в определенное время. Эта широко распространенная репродуктивная стратегия обычно распространена среди груперов.
«Звуки, издаваемые групперами, варьируются в частотном диапазоне от 10 до 500 герц и имеют отличительные характеристики, которые можно увидеть на спектрограмме, которая является визуальным представлением спектра частот в звуке или другом сигнале», - сказал Ханци Чжан, доктор философии, ведущий автор, заместитель председателя и профессор кафедры вычислительной техники, электротехники и компьютерных наук в FAU. «Например, крики красного заднего морского окуня находятся в диапазоне от 100 до 200 герц, а крики нассауского морского окуня - в диапазоне от 30 до 300 герц».
В более ранней работе исследователи FAU разработали автоматизированный алгоритм классификации FADAR (Fish Acoustic Detection Algorithm Research), способный идентифицировать четыре вида морских окуней в их естественной среде с точностью классификации около 82 процентов. FADAR состоит в основном из трех этапов: шумоподавления сигнала, выделения признаков и классификации. Хотя FADAR обеспечивает автоматизированный подход к классификации вокала, этот подход машинного обучения по-прежнему в значительной степени зависит от тщательно разработанного метода обработки и выделения признаков.
Новые детекторы и классификаторы на основе глубокого обучения, разработанные исследователями FAU, не требуют сложной предварительной обработки и ручных процедур извлечения признаков.
Для исследования Чжуан и соавторы Али К. Ибрагим, аспирант FAU; Лоран М. Черубин, доктор философии, адъюнкт-профессор Харбор-Бранч ФАУ; Мишель Т. Шарер-Ампьер, доктор философии, научный сотрудник Университета Пуэрто-Рико; и Нургун Эрдол, доктор философии, заведующий кафедрой и профессор факультета вычислительной техники, электротехники и компьютерных наук FAU, протестировали сверточные нейронные сети и сети долговременной кратковременной памяти для классификации звуков, издаваемых четырьмя видами морских окуней. Они смогли продемонстрировать, что сказала Стелла Баталама, доктор философии, декан Колледжа инженерии и компьютерных наук FAU. «Наши морские ресурсы не безграничны, и изучение нерестовых скоплений морских окуней и других видов имеет жизненно важное значение для усилий по сохранению, направленных на обращение вспять глобального истощения исчезающих видов рыб и поддержание морского биоразнообразия. Технология, разработанная нашими исследователями, является важнейшим инструментом, помогающим выполнить эту важную задачу».
Результаты этого исследования также помогут информировать руководителей рыболовства о том, где необходимы защитные меры. В будущих исследованиях новый алгоритм, разработанный исследователями, будет реализован на платформе реального времени, и будут изучены возможности применения этого метода для обнаружения и классификации криков других рыб.