ルールベースのフィルターと機械学習を組み合わせたハイブリッド方法で,パルスイベントレコーダーから海豚と船の音を検出します

科学分野:

• 海洋生物学
• バイオアコースティック
• 信号処理

背景:

• 海洋生態系の健康の評価と海洋生物の検出には 静音モニタリングが重要です
• 従来のアルゴリズムは 音響記録器からの複雑なパルスイベントデータと 闘い,オドントケートエコロケーションの分析を妨げています.

研究 の 目的:

• 狭い縁の無翼豚 (Neophocaena asiaeorientalis) のクリック列車と船舶の騒音の効率的な検出のためのハイブリッド分析枠組みを開発する.
• パルスイベントレコーダー,特にA-タグからのデータの分析を改善します.

主な方法:

• ルールベースのフィルターとランダムな森林モデルを組み合わせたハイブリッドフレームワークが開発されました.
• ルールベースのフィルターは 騒音を減らすために 原材料データを事前に処理します
• ランダムな森林モデルが検出されたイベントの分類に使用されました.

主要な成果:

• ルールベースのフィルターは,高い初期検出精度 (クリック列車ではほぼ100%,船舶の騒音では94%) を達成したが,高い偽陽性率 (45%と81%) を有していた.
• ランダム・フォレスト・モデルは,クラック・トレインの分類精度を97%に,船の騒音の分類精度を99%に大幅に改善した.
• ハイブリッド・メソッドは誤った陽性の割合を 2.8%に減らし,船の騒音は 0.1%に減少させた.

結論:

• ルールベースのフィルターとランダムフォレストモデルの組み合わせは,パルスイベントレコーダーのデータを処理するための堅牢で効率的な方法を提供します.
• このアプローチにより,検出の精度が向上し,手作業の負担が軽減され,人為的な騒音の影響の迅速な評価が容易になります.
• この方法は,困難な海洋環境における小さなクジラ群の長期の生態学的モニタリングをサポートします.