一种新模型使野生动物管理者能够在几分钟内收集必要的数据当各州想要衡量鹌鹑数量时,这个过程可能会很费力、耗时且昂贵。这意味着要花几个小时在现场接听电话。或者将录音设备留在现场以捕捉发出的声音 - 只是花几个小时后听那个音频。然后,重复这个过程,直到有足够的信息开始进行人口估计。

但乔治亚大学研究人员开发的一种新模型旨在简化这一过程。通过使用人工智能来分析 TB 的鹌鹑叫声录音,该过程使野生动物管理者能够在几分钟内收集他们需要的数据。

“该模型非常准确,即使在最嘈杂的录音中也能接听 80% 到 100% 的呼叫。因此,您可以录制一段录音,将其放入我们的模型中,它会告诉您录音机听到了多少鹌鹑呼叫” UGA Warnell 林业与自然资源学院副教授詹姆斯·马丁说,他与乔治亚州自然资源部合作开展该项目已有大约五年时间。

“这种新模型允许您在几秒钟内分析 TB 的数据,而这将使我们能够扩大监控范围,因此您可以将数百个这样的设备放在外面,覆盖更多的区域,并且用更少的资源来完成。比过去更努力。”

该软件代表了 Martin、博士后研究员 Victoria Nolan 和许多与代码编写者合作创建模型的主要贡献者大约五年的工作。这也是野生动物研究领域正在发生的更大转变的一部分,计算机算法现在正在协助完成曾经需要人类数千小时才能完成的工作。

例如,计算机在识别照片和录音中的特定噪音或某些特征方面变得越来越聪明。对于 Martin 等研究人员来说,这意味着曾经花在听音频或查看游戏摄像机图像等任务上的时间现在可以由计算机完成,从而腾出宝贵的时间专注于项目的其他方面。

对于寻找鹌鹑种群信息的州和联邦机构来说,新工具也可以成为宝贵的资源,但用于任何一个项目的资金有限。“所以,我认为这可能是各州可能会采取的行动,以用声学记录设备取代他们目前的监控,”马丁补充道。

该软件的成功最近记录在《生态与保护遥感》杂志上。

马丁说,随着软件得到更多使用并接触到来自新地理区域的声音,它变得更加“智能”。事实上,鹌鹑提供了几种不同类型的呼叫。但是当软件暴露在各种不是鹌鹑的声音中时,他说,它能够更好地区分正确的叫声和周围草木的环境噪音。

随着时间的推移,该软件将变得更加挑剔。

“所以这就是为什么你必须不断地为其提供训练数据,当你移动地理位置时,你会遇到你没有为模型训练过的新声音,”他补充道。“这总是关于适应。