In einem Artikel veröffentlicht im Internationale Zeitschrift für Modellierung und Simulation technischer Systeme Forscher demonstrieren, wie ein trainierter Algorithmus die Trompetenrufe von Elefanten identifizieren und von menschlichen und anderen Tiergeräuschen in der Umgebung unterscheiden kann.
Die Arbeit könnte die Sicherheit der Dorfbewohner verbessern und den Bauern in Indien helfen, ihre Ernten und Gehöfte vor wilden Elefanten zu schützen.
T. Thomas Leonid vom KCG College of Technology und R. Jayaparvathy vom SSN College of Engineering in Chennai, Indien, erklären, dass Konflikte zwischen Menschen und Elefanten immer häufiger werden, insbesondere in Gebieten, in denen menschliche Aktivitäten in den natürlichen Lebensraum der Elefanten eingedrungen sind. Dies gilt insbesondere dort, wo Landwirtschaft auf Waldland trifft. Diese Konflikte sind nicht nur ein Umweltproblem, sie stellen auch eine Bedrohung für das Leben und den Lebensunterhalt der Menschen dar.
In Indien sind wilde Elefanten für mehr Todesfälle verantwortlich als große Raubtiere. Ihre Anwesenheit führt auch zur Zerstörung von Ernten und Infrastruktur, was für die ländlichen Gemeinden eine schwere finanzielle Belastung darstellt.
Natürlich sind die Elefanten nicht schuld, sie sind wilde Tiere, die ihr Bestes tun, um zu überleben. Die eigentlichen Ursachen liegen in der Zerstörung ihres Lebensraums durch menschliche Aktivitäten wie Bergbau, Staudammbau und zunehmende Eingriffe in Wälder auf der Suche nach Ressourcen wie Feuerholz und Wasser.
Daher wird es immer dringender, wirksame Lösungen zu finden, um Begegnungen zwischen Menschen und Elefanten zu verhindern. Das Team schlägt vor, dass die Zahl tragischer und kostspieliger Folgen durch die Einrichtung eines Frühwarnsystems reduziert werden könnte. Ein solches System würde das Verhalten von Elefanten anhand ihrer Lautäußerungen erkennen und es Landwirten und anderen ermöglichen, den Elefanten auszuweichen oder vielleicht sogar eine herannahende Herde sicher umzuleiten, bevor sie zu einer ernsthaften und schädlichen Gefahr wird.
Die Forscher verglichen mehrere Modelle des maschinellen Lernens, um herauszufinden, welches Elefantengeräusche am besten erkennt und klassifiziert. Zu den getesteten Modellen gehörten Support Vector Machines (SVM), K-Nearest Neighbors (KNN), Naive Bayes und Convolutional Neural Networks (CNN). Sie trainierten jeden dieser Algorithmen anhand eines Datensatzes von 450 Tiergeräuschproben von fünf verschiedenen Arten.
Einer der wichtigsten Schritte in diesem Prozess ist die Merkmalsextraktion. Dabei werden charakteristische Merkmale der Audiosignale wie Frequenz, Amplitude und zeitliche Struktur der Geräusche identifiziert. Diese Merkmale werden dann verwendet, um die maschinellen Lernmodelle zu trainieren, Elefantenrufe zu erkennen.
Am genauesten war das Convolutional Neural Network (CNN), ein Deep-Learning-Modell, das automatisch komplexe Merkmale aus Rohdaten lernt. CNNs sind für diese Art von Aufgaben besonders gut geeignet, da sie komplexe Muster in Tondaten erkennen können.
Die Genauigkeit von CNN lag bei 84 %, was weit über den Modellen liegt. Diese Genauigkeit könnte noch verbessert werden, ist aber ausreichend, um ein zuverlässiges, automatisiertes System zu schaffen, das Elefanten auf dem Vormarsch erkennt, die sich möglicherweise auf Häuser und Bauernhöfe zubewegen.
Weitere Informationen:
T. Thomas Leonid et al, Klassifizierung von Elefantengeräuschen mithilfe von Algorithmen des maschinellen Lernens zur Strategie der Schadensminderung, Internationale Zeitschrift für Modellierung und Simulation technischer Systeme (2024). DOI: 10.1504/IJESMS.2024.140803