Incontra ECOGEN un innovativo approccio di apprendimento automatico progettato per generare canti di uccelli realistici per biologi ed ecologisti

Incontra ECOGEN un innovativo approccio di machine learning per la creazione di canti di uccelli realistici, pensato per biologi ed ecologisti

L’avvento del deep learning ha influito significativamente su vari settori, estendendo il suo impatto su diverse discipline. Un’applicazione notevole è il suo utilizzo nel monitoraggio di uccelli rari attraverso i loro canti.

Distinguere gli uccelli attraverso i loro canti è diventato più accessibile grazie alla disponibilità di numerose applicazioni mobili e software per gli ecologisti e il pubblico in generale. Tuttavia, si presenta un problema importante quando il software di identificazione si imbatte in una specie di uccello con cui non è familiare o per la quale ci sono poche registrazioni di riferimento.

Gli ecologisti e i conservazionisti si trovano ad affrontare il problema del monitoraggio di alcuni degli uccelli più rari del mondo. Per superare questo problema, i ricercatori dell’Università di Moncton, in Canada, hanno sviluppato ECOGEN, in grado di generare suoni di uccelli realistici per migliorare i campioni di specie sottorappresentate. Questi possono quindi essere utilizzati per addestrare strumenti di identificazione audio utilizzati nel monitoraggio ecologico.

• I gemelli digitali rivoluzioneranno la logistica moderna. Ecco come
• L’Internet delle Cose Sviluppo ed Esempi
• Gli studiosi di Stanford innovano nel modello di linguaggio di ampia portata per la fattualità classificazioni di preferenza automatiche e progressi nell’elaborazione del linguaggio naturale per la riduzione degli errori

La generazione di audio presenta diverse sfide, tra cui il numero consistente di campioni necessari per la sintesi. Vengono utilizzati diversi formati per l’elaborazione di file audio e molte di queste rappresentazioni comportano una perdita di informazioni, che complica la produzione di campioni audio di alta qualità. La rappresentazione tramite forma d’onda, che registra l’ampiezza della pressione sonora nel dominio del tempo, emerge come uno dei formati più diffusi che mantiene l’integrità delle informazioni senza perdite.

Per affrontare questo problema, ECOGEN ha creato nuove istanze di suoni di uccelli per migliorare i modelli di intelligenza artificiale (AI). Fondamentalmente, ECOGEN consente l’ampliamento delle librerie audio per specie con registrazioni selvatiche limitate senza arrecare danni agli animali o richiedere ulteriori attività sul campo.

I ricercatori hanno scoperto che l’aggiunta di campioni di canti di uccelli sintetici prodotti da ECOGEN a un identificatore di canti di uccelli ha migliorato in media l’accuratezza della classificazione dei canti di uccelli del 12%. Uno dei ricercatori principali, il dottor Nicolas Lecomte, ha sottolineato l’urgente necessità di strumenti automatizzati, come il monitoraggio acustico, per tracciare i cambiamenti nella biodiversità causati da notevoli fluttuazioni delle popolazioni animali in tutto il mondo. Tuttavia, le biblioteche di riferimento complete sono spesso assenti nei modelli di intelligenza artificiale utilizzati per l’identificazione delle specie nel monitoraggio acustico.

I ricercatori hanno sottolineato che la creazione di canti di uccelli sintetici può contribuire alla conservazione delle specie di uccelli in pericolo e fornire preziose informazioni sulle loro voci, comportamenti e preferenze di habitat.

Il dottor Lecomte ha affermato che lo strumento potrebbe essere utile anche per altri tipi di animali e ha dichiarato che sebbene ECOGEN sia stato sviluppato per gli uccelli, sono fiduciosi che possa essere applicato a mammiferi, pesci, insetti e anfibi.

ECOGEN opera trasformando le registrazioni dei canti degli uccelli in spettrogrammi, rappresentazioni visive dei suoni. Successivamente, genera nuove immagini AI basate su questi spettrogrammi, aumentando così il dataset specificamente per le specie rare con registrazioni limitate. Questi spettrogrammi appena generati vengono quindi convertiti nuovamente in formato audio per addestrare i modelli di identificazione dei suoni degli uccelli. In questo studio, i ricercatori hanno utilizzato un set di dati composto da 23.784 registrazioni di canti di uccelli selvatici provenienti da tutto il mondo, che comprendono 264 diverse specie.