機械学習と確率的バックプロジェクションを使用して,ブライドのクジラの呼び出しの検出と局所化

科学分野:

• 海洋生物学
• バイオアコースティック
• 機械学習

背景:

• 音声分析を通してバレーンクジラの行動を理解するために,パッシブ・アコースティック・モニタリング (PAM) は不可欠です.
• 鯨の鳴き声の正確な検出と位置づけは PAMデータ解釈における重要な課題です

研究 の 目的:

• 海洋底の水音機を用いてブライドクジラの鳴き声を検知・特定するための機械学習 (ML) 方法を開発・検証する.
• MLベースのローカライゼーションテクニックの強度と効率を現実世界の音響条件で評価する.

主な方法:

• 拡張されたブライドのクジラの呼び出しデータ (890,214例) で新しいMLモデルが訓練されました.
• 偽陽性と偽陰性のバランスをとるために検出値が最適化されました.
• 音響イベントは3Dグリッドにクロス相関データをバックプロジェクションすることによって局所化されました.

主要な成果:

• ML方法は,少なくとも3つの水音機からのデータを使用して899のローカル化された4514の潜在的なクジラの呼び出しを成功裏に検出しました.
• ローカライゼーション手順は,高いノイズ,時間エラー,および速度モデルバイアスに対する強度を示しました.
• このシステムは,手作業の必要性が最小限に抑えられ,計算効率が良いことが証明されました.

結論:

• 開発されたMLベースのパッシブ音響モニタリングシステムは ブライドクジラの声の検出と局所化に有効で堅牢な方法を提供します.
• このアプローチは海洋哺乳類の研究に 重要な利点をもたらし 困難な音響環境における 効率的で正確な行動分析を可能にします