Detección de lobos mediante bioacústica utilizando IA (BirdNET, Cry-Wolf y BioLingual)

Área de la Ciencia:

• Biología de la vida silvestre
• Bioacústica
• Inteligencia Artificial en ecología

Sus antecedentes:

• El aumento de las poblaciones de lobos (Canis lupus) requiere técnicas de monitoreo avanzadas.
• Los métodos tradicionales de monitoreo de lobos consumen muchos recursos y a menudo son insuficientes para los tamaños de población actuales.

Objetivo del estudio:

• Evaluar métodos de Inteligencia Artificial (IA) para detectar y clasificar aullidos de lobos a partir de grabaciones acústicas.
• Evaluar la efectividad de la IA en la mejora del monitoreo de la población de lobos en comparación con los enfoques tradicionales.

Principales métodos:

• Se probaron tres modelos de IA (BirdNET, Cry-Wolf, BioLingual) con datos acústicos de Dinamarca.
• Los datos se recopilaron utilizando grabadoras de audio Song Meter SM4 (SM4).
• La validación manual estableció una verdad fundamental de 260 aullidos de lobos.

Principales resultados:

• Los modelos individuales de IA mostraron diferentes niveles de recall y precisión, y BirdNET logró el mayor recall (78,5%).
• Las soluciones de IA redujeron significativamente el tiempo de procesamiento, ofreciendo importantes mejoras en la eficiencia.
• Un enfoque combinado de IA logró un alto recall del 96,2 % (250/260 aullidos detectados).

Conclusiones:

• Los métodos de IA, aunque no son totalmente autónomos, sirven como potentes herramientas de reducción de datos con ayuda humana.
• La IA ofrece un complemento escalable y no invasivo para el monitoreo tradicional de lobos.
• La IA mejora la viabilidad de la investigación de poblaciones de lobos a gran escala y los esfuerzos de conservación.