Identificación de sonotipos a partir de grabaciones captadas con hidrófonos: Detección automática de peces y embarcaciones mediante técnicas de inteligencia computacional

RESUMEN : La bioacústica es un método de monitoreo pasivo de los ecosistemas que permite hacer seguimiento a las comunidades animales a través de los sonidos que emiten, los cuales son grabados y proporcionan información a los biólogos sobre el comportamiento y número de los seres acuáticos en una zona determinada de manera eficiente, sin causar daños adicionales al ecosistema. Este método de monitoreo es especialmente importante en hábitats marinos, que representan el 70% de la superficie terrestre y son de difícil acceso para un estudio profundo y prolongado. En este estudio se propone la implementación de una metodología que permita realizar una identificación y detección de fonaciones de dos clases de peces objetivo nombradas inicialmente como Peces 1 y Peces 2. Como paso inicial se realiza una identificación de embarcaciones las cuales son fuente de ruido al momento de la detección de sonotipos. Para esto se aplicó una regresión logística a audios de un minuto de duración alcanza un F1-Score de 0.9942. Los audios clasificados como embarcación son descartados con el fin de mejorar el rendimiento del algoritmo de reconocimiento de fonaciones de peces. Para la detección de las fonaciones objetivo se aplicó un algoritmo de inteligencia computacional no supervisada, específicamente el algoritmo LAMDA 3π, el cual es complementado con una red neuronal convolucional ResNet18 para la identificación y detección automática de sonidos producidos principalmente por los peces objetivo en grabaciones de audio captadas por investigadores del Centro de Investigaciones Biológicas del Noroeste con hidrófonos en la Ensenada de La Paz, México. Se aplicó Acoustic Event Detection para la segmentación de las fonaciones objetivo de este proyecto realizando modificaciones y parametrizando dicho proceso para dar un tratamiento diferente a segmentos de área extensa y área pequeña. Dichos segmentos son procesados mediante técnicas de PDI antes de ser clasificados por la red neuronal. Se obtuvo un F1-Score de 0.7805 y 0.8272 para Peces 1 y Peces 2 respectivamente.

• Autores: Ospina Giraldo, Manuela
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/37749
• Acceso en línea: https://hdl.handle.net/10495/37749
• Palabra clave: Aprendizaje automático (inteligencia artificial); Machine learning; Hidrófonos; Hydrophones; Bioacústica; Bioacoustics; Ecosistema acuático; Aquatic ecosystems; Peces; Embarcaciones; Identificación Automática de Fonaciones; Agrupamiento; http://aims.fao.org/aos/agrovoc/c_2283ec53; http://aims.fao.org/aos/agrovoc/c_2b6a3fb9; http://aims.fao.org/aos/agrovoc/c_d0ea8a8e
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-nd/2.5/co/