Escuchar a escondidas los meros que se aparean en sus hábitats naturales no es espeluznante. De hecho, es imprescindible asegurar su supervivencia. Durante años, los científicos han utilizado técnicas de monitoreo acústico pasivo para estudiar el comportamiento de los peces. Se utiliza una aplicación particular de esta técnicapara observar el ciclo reproductivo de los peces, incluidos los meros.
En un nuevo estudio, los investigadores de la Facultad de Ingeniería y Ciencias de la Computación de la Universidad Atlántica de Florida y el Instituto Oceanográfico Harbor Branch y sus colaboradores, han llevado esta tecnología al siguiente nivel utilizando redes neuronales profundas, un conjunto de algoritmos modelados a partir del cerebro humano.Han desarrollado un método efectivo para clasificar las especies de mero por sus sonidos o "llamadas de mero".
Resultados del estudio, publicado en el Revista de la Sociedad Acústica de América , demuestre que con este nuevo enfoque, los investigadores lograron una precisión de clasificación de vocalización de alrededor del 90 por ciento para cuatro especies de meros - rojo trasero E. guttatus , mero Nassau E. estriado , aleta amarilla M. venenosa y mero negro M. bonaci .Esta novedosa técnica superó significativamente los métodos reportados previamente para la clasificación automática de llamadas de mero.
Numerosos peces producen sonidos por muchas razones como el cortejo y el apareamiento, la navegación y la defensa de sus territorios de los intrusos. Algunos meros producen sonidos asociados con el cortejo durante la agregación de desove que son específicos de las especies. Nadan largas distancias y se reúnen en grandes densidades para la masadesove en lugares y tiempos precisos. Esta estrategia reproductiva generalizada generalmente se comparte entre los meros.
"Los agrupadores de sonidos hacen variar en el rango de frecuencia de 10 a 500 Hertz y tienen características distintivas que se pueden ver en un espectrograma, que es una representación visual del espectro de frecuencias en un sonido u otra señal", dijo Hanqi Zhang,Ph.D., autor principal, presidente asociado y profesor en el Departamento de Ingeniería Informática y Eléctrica y Ciencias de la Computación en FAU. "Por ejemplo, las llamadas rojas del mero trasero están en la banda de 100 a 200 Hertz, mientras que el mero Nassaulas llamadas están en la banda de 30 a 300 Hertz "
En trabajos anteriores, los investigadores de la FAU desarrollaron un algoritmo de clasificación automatizado, FADAR Investigación de algoritmos de detección acústica de peces, capaz de identificar cuatro especies de mero en su entorno natural con una precisión de clasificación de aproximadamente el 82 por ciento. FADAR consta principalmente de tres etapas: eliminación de ruido de señal, extracción de características y clasificación. Aunque FADAR proporciona un enfoque automatizado para las clasificaciones vocales, este enfoque de aprendizaje automático todavía se basa en gran medida en un método de procesamiento y extracción de características cuidadosamente diseñado.
Los nuevos detectores y clasificadores basados en aprendizaje profundo desarrollados por los investigadores de la FAU no requieren un preprocesamiento sofisticado y procedimientos de extracción de características hechos a mano.
Para el estudio, Zhuang y los coautores Ali K. Ibrahim, un estudiante graduado de la FAU; Laurent M. Cherubin, Ph.D., profesor asociado de investigación en la sucursal del puerto de la FAU; Michelle T. Scharer-Umpierre, Ph.D., Investigador asociado de la Universidad de Puerto Rico; y Nurgun Erdol, Ph.D., presidente y profesor del Departamento de Ingeniería Informática y Eléctrica y Ciencias de la Computación de la FAU, probaron redes neuronales convolucionales y redes de memoria a corto y largo plazo paraclasificaron los sonidos producidos por las cuatro especies de meros y pudieron demostrar que un extractor de funciones basado en datos como el que utilizaron en su estudio superó al hecho a mano con un gran margen.
La naturaleza concentrada y la corta duración de la temporada de desove del mero, un par de meses al año, los hace especialmente vulnerables a la sobrepesca. Además, generalmente les lleva de cinco a 10 años alcanzar la madurez sexual antes de que puedan reproducirse y reponersesus poblaciones.
"Se informa que alrededor del 12 por ciento de las 163 especies de mero en todo el mundo están en riesgo de extinción si continúan las tendencias actuales de sobrepesca, y un 13 por ciento adicional está casi amenazado", dijo Stella Batalama, Ph.D., decano de FAU's Collegede Ingeniería y Ciencias de la Computación. "Nuestros recursos marinos no son infinitos, y estudiar las agregaciones de desove de meros y otras especies es vital para los esfuerzos de conservación destinados a revertir el agotamiento mundial de peces en peligro de extinción y mantener la biodiversidad marina. La tecnología desarrollada por nuestros investigadores es unaherramienta crítica para ayudar a lograr este importante esfuerzo "
Los hallazgos de este estudio también ayudarán a informar a los administradores de las pesquerías donde las medidas de protección son necesarias. Los estudios futuros implementarán el nuevo algoritmo desarrollado por los investigadores en una plataforma en tiempo real y explorarán el potencial de aplicar este método para detectar y clasificar otrosllamadas de pescado
Fuente de la historia :
Materiales proporcionado por Florida Atlantic University . Original escrito por Gisele Galoustian. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :