Les chercheurs ont développé un nouvel outil d’IA d’apprentissage profond qui génère des chants d’oiseaux réalistes pour former des outils d’identification des oiseaux, aidant ainsi les écologistes à surveiller les espèces rares dans la nature. Les résultats sont présentés dans Méthodes en écologie et évolution.
Identifier les espèces d’oiseaux communs grâce à leur chant n’a jamais été aussi simple, avec de nombreuses applications téléphoniques et logiciels disponibles à la fois pour les écologistes et le public. Mais que se passe-t-il si le logiciel d’identification n’a jamais entendu un oiseau en particulier auparavant, ou ne dispose que d’un petit échantillon d’enregistrements à référencer ? C’est un problème auquel sont confrontés les écologistes et les défenseurs de l’environnement qui surveillent certains des oiseaux les plus rares au monde.
Pour surmonter ce problème, des chercheurs de l’Université de Moncton, au Canada, ont développé ECOGEN, un outil d’apprentissage profond unique en son genre, capable de générer des sons d’oiseaux réalistes pour améliorer les échantillons d’espèces sous-représentées. Ceux-ci peuvent ensuite être utilisés pour former des outils d’identification audio utilisés dans la surveillance écologique, qui contiennent souvent beaucoup plus d’informations sur les espèces communes.
Les chercheurs ont découvert que l’ajout d’échantillons de chants d’oiseaux artificiels générés par ECOGEN à un identifiant de chant d’oiseau améliorait la précision de la classification des chants d’oiseaux de 12 % en moyenne.
Le Dr Nicolas Lecomte, l’un des principaux chercheurs, a déclaré : « En raison des changements mondiaux importants dans les populations animales, il existe un besoin urgent d’outils automatisés, comme la surveillance acoustique, pour suivre les changements dans la biodiversité. les espèces faisant l’objet d’un suivi acoustique manquent de bibliothèques de référence complètes.
« Avec ECOGEN, vous pouvez combler cette lacune en créant de nouvelles instances de sons d’oiseaux pour prendre en charge les modèles d’IA. Essentiellement, pour les espèces dont les enregistrements sauvages sont limités, telles que celles qui sont rares, insaisissables ou sensibles, vous pouvez étendre votre bibliothèque sonore sans plus attendre. perturber les animaux ou effectuer des travaux de terrain supplémentaires.
Les chercheurs affirment que la création de chants d’oiseaux synthétiques de cette manière peut contribuer à la conservation des espèces d’oiseaux menacées et également fournir des informations précieuses sur leurs vocalisations, leurs comportements et leurs préférences en matière d’habitat.
L’outil ECOGEN a d’autres applications potentielles. Par exemple, il pourrait être utilisé pour aider à conserver des espèces extrêmement rares, comme les méliphages régents, en voie de disparition, où les jeunes individus sont incapables d’apprendre les chants de leur espèce parce qu’il n’y a pas assez d’oiseaux adultes pour les modéliser.
L’outil pourrait également bénéficier à d’autres types d’animaux. Le Dr Lecomte a ajouté : « Bien qu’ECOGEN ait été développé pour les oiseaux, nous sommes convaincus qu’il pourrait être appliqué aux mammifères, aux poissons (oui, ils peuvent produire des sons), aux insectes et aux amphibiens. »
Outre sa polyvalence, l’un des principaux avantages de l’outil ECOGEN est son accessibilité, car il est open source et peut être utilisé même sur des ordinateurs basiques.
ECOGEN fonctionne en convertissant des enregistrements réels de chants d’oiseaux en spectrogrammes (représentations visuelles des sons), puis en générant de nouvelles images d’IA à partir de ceux-ci pour augmenter l’ensemble de données sur les espèces rares avec peu d’enregistrements. Ces spectrogrammes sont ensuite reconvertis en audio pour former des identifiants sonores d’oiseaux. Dans cette étude, les chercheurs ont utilisé un ensemble de données de 23 784 enregistrements d’oiseaux sauvages du monde entier, couvrant 264 espèces.
Plus d’information:
ECOGEN : Génération de sons d’oiseaux par apprentissage profond, Méthodes en écologie et évolution (2023). DOI : 10.1111/2041-210X.14239