Meeressäuger, die unter der Meeresoberfläche lauern, nutzen Geräusche zur Navigation, zur Beuteerkennung und für eine Vielzahl natürlicher Verhaltensweisen. Passive akustische Daten aus Unterwasserumgebungen können wertvolle Informationen über diese Tiere liefern, wie z. B. ihre Anwesenheit oder Abwesenheit in einem Gebiet, ihre Dichte und Häufigkeit und ihre Stimmreaktion auf anthropogene Geräuschquellen.
Mit zunehmender Größe und Anzahl akustischer Datensätze wird die genaue und schnelle Zuordnung der bioakustischen Signale zu ihren entsprechenden Quellen immer schwieriger und wichtiger. Dies ist besonders schwierig in lauten, natürlichen akustischen Umgebungen.
Elizabeth Ferguson von Ocean Science Analytics wird auf dem 182. Treffen der Acoustical Society of America beschreiben, wie DeepSqueak, ein Deep-Learning-Tool, Unterwasser-Akustiksignale klassifizieren kann, während ihres Vortrags „Development of deep neural networks for marine mammal call detection using an benutzerfreundliches Open-Source-Tool.“ Die Sitzung findet am 23. Mai um 11:25 Uhr im Osten der USA als Teil der Konferenz im Sheraton Denver Downtown Hotel statt.
Spektrogramme zeigen, wie sich akustische Signale verschiedener Frequenzen mit der Zeit verändern. Sie sehen aus wie Heatmaps, wobei hellere Regionen eine höhere Schallintensität bei dieser Frequenz und Zeit anzeigen. DeepSqueak verwendet tiefe neuronale Netzwerk-Bilderkennungs- und Klassifizierungsmethoden, um die wichtigen Merkmale in Spektrogrammen zu bestimmen und diese Merkmale dann bestimmten Quellen zuzuordnen.
„Obwohl wir DeepSqueak zur Erkennung von Unterwassergeräuschen verwendet haben, wäre dieses benutzerfreundliche Open-Source-Tool für eine Vielzahl von Landarten nützlich“, sagte Ferguson. „Die Fähigkeiten der Ruferkennung erstrecken sich auf Frequenzen unterhalb der Ultraschalltöne, für die sie ursprünglich vorgesehen war. Aufgrund dessen und der Fähigkeit von DeepSqueak, unterschiedliche Ruftypen zu erkennen, ist die Entwicklung neuronaler Netze für viele interessante Arten möglich.“
DeepSqueak wurde ursprünglich entwickelt, um Ultraschallsignale von Nagetieren zu klassifizieren, aber sein neuronales Netzwerk-Framework ermöglicht es der Technik, sich anzupassen, um Geräusche mit anderen Frequenzen zu erkennen. Ferguson und ihr Team verwendeten die Methode und Daten von Hydrophonen des Coastal Endurance Array der Ocean Observatories Initiative, um Buckelwale, Delfiniden und Finnwale zu entdecken, die sehr variable Rufe mit einem breiten Frequenzbereich haben.
acousticalsociety.org/asa-meetings/