一个用于大规模陆地野生动物声学识别和定位的完全自动化框架

《Communications Biology》：A fully automated framework for acoustic identification and localization of terrestrial wildlife at scale

　　

摘要

自主声学记录器已成为监测发声生物的重要工具。结合机器学习的进步，它们相比现场调查能够实现更多的采样、更广泛的空间和时间范围覆盖。通过同步记录器，声学定位技术可以获取动物位置的精细空间数据。这些空间数据在估计生物数量、划分领地、研究动物的移动模式和微生境利用方面具有重要应用。然而，由于硬件和技术方面的挑战以及分析过程所需的大量工作，声学定位的应用范围一直受到限制。我们提出了一个完全自动化的陆地野生动物识别与声学定位框架。利用低成本的GPS-Audiomoth记录器，我们开发了一套开源软件流程，用于检测、时间延迟估计、定位、错误排除以及多个同时发声源的识别。在speaker测试中，我们取得了高精度定位结果：99%的广播叫声定位精度在5米以内。我们在一个森林区域使用超过60个记录器的定位阵列，证明了该框架在大范围鸟类调查中的实用性。通过使用卷积神经网络（CNN）进行自动检测，我们的定位系统生成的物种分布图与现场实地调查的结果相似。这一框架为大规模应用声学定位技术提供了可能。

anken Sie daran, dass der genannte Text aus technischen oder rechtlichen Gründen m?glicherweise nicht vollst?ndig übersetzt werden kann.