هدف هذا البروتوكول هو تحديد عتبات درجات الثقة الخاصة بالأنواع والمواقع باستخدام الانحدار اللوجستي لتحسين دقة الكشف في مجموعات البيانات الصوتية الكبيرة التي تتم معالجتها باستخدام برامج التعرف الصوتي الآلي.
يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية
مقالة منهجية
تعزيز دقة اكتشاف نموذج التعرف على الصوت للطيور عبر الانحدار اللوجستي لمجموعات البيانات الصوتية الكبيرة: دراسة حالة لطائر روبن الأوروبي (Erithacus rubecula)
في هذه المقالة
ملخص
الملخص
أصبحت المراقبة الصوتية السلبية (PAM) أداة لا تقدر بثمن لأبحاث التنوع البيولوجي، حيث تمكن من جمع مجموعات بيانات ضخمة غير جراحية. ومع ذلك، لا يزال هناك تحد كبير في معالجة هذا الحجم الكبير من البيانات بكفاءة وموثوقية لاستخراج معلومات خاصة بأنواع مختلفة عبر مواقع مختلفة. تقدم هذه الورقة بروتوكولا مفصلا خطوة بخطوة لمعالجة هذا التحدي باستخدام وحدة كاشف التعلم الآلي ضمن برنامج تحليل الصوتيات الحيوية. تم تصميم المنهجية لتحديد والتحقق بدقة وثقة من أصوات الطيور من التسجيلات الصوتية الخام.
يفصل بروتوكولنا العملية من جمع البيانات الأولي باستخدام وحدات التسجيل المستقلة (ARUs) وصولا إلى الجيل النهائي من مجموعة بيانات مشروحة عالية الجودة. تشمل الخطوات الرئيسية إعداد وحدة كاشف التعلم الآلي لتوليد الاكتشافات الأولية، وإجراء تحقق يدوي لحساب جداول الدقة، وتحليل الانحدار اللوجستي لتحديد عتبة درجة ثقة خاصة بالنوع، وعند الاقتضاء، عتبة لدرجة الثقة الخاصة بالموقع. يتم استخدام هذا العتبة المستمدة إحصائيا بعد ذلك لتحسين مخرجات الكاشف، ويتم اختبارها على تكوينين متداخلين (0 ثانية و2 ثانية). نظهر أن تطبيق عتبات درجة الثقة المثلى المستمدة يحسن بشكل كبير دقة اكتشاف نماذج التعرف على صوت الطيور القائمة على التعلم الآلي عبر المواقع. بالنسبة للمواقع الثلاثة المستخدمة لتوضيح العملية (ليفربول بارك، كيرنغورمز، وغلاسكو سوبربان) زادت الدقة بنسبة 26.1٪، 17.7٪، و17٪ لتداخل 0 ثوان، وبنسبة 28.77٪، 16.87٪، و15٪ لتداخل 2 ثانية. نقترح أن المنهجية الناتجة أفضل من طرق العد اليدوي من حيث السرعة والموثوقية. باختصار، توفر هذه الورقة إطارا قابلا للتكرار يسهل الاستخدام الفعال والمتاح لأساليب التعلم الآلي في علم الصوتيات الحيوي، مما يمكن الباحثين من الاستفادة بثقة من مجموعات البيانات الصوتية الكبيرة للدراسات البيئية وتحليل المعلمات.
المقدمة
تقدم أصوات الحيوانات رؤى قيمة حول العالم الطبيعي وتعمل كأدوات بيولوجية قوية تتيح للباحثين دراسة جوانب مختلفة من حياة الحيوانات1. أصبح مجال الصوتيات الحيوية أكثر أهمية في مراقبة التنوع البيولوجي والحفاظ عليه، مما يساعد في تحديد الأنواع وتقييم اتجاهات السكان وصحة النظام البيئي 2,3,4. يساهم هذا المجال البحثي أيضا في فهمنا لسلوك الحيوانات، على سبيل المثال، في التواصل واستخدام الموائل5،6. مؤخرا، تم إثبات أنه نهج واعد لتقييم رفاهية الحيوان7
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
البروتوكول
بيان الأخلاقيات
يتبع هذا البروتوكول الإرشادات الأخلاقية لجامعة ليفربول جون مورز. شملت المنهجية المراقبة الصوتية السلبية فقط، ولم تشمل التعامل مع الحيوانات أو الإزعاج أو التلاعب التجريبي. لم تكن هناك حاجة لأي إجراءات خطرة لنشر وحدات ARU. تم نشر وحدات ARU وفقا لإرشادات البحث المؤسسي والعمل الميداني، وتم تركيب لافتات مناسبة في مواقع التسجيل لإعلام الجمهور بالمراقبة الصوتية. ومع ذلك، ينصح بشدة بمراجعة توقعات الطقس قبل القيام بالنشاط الميداني، وإجراء تقييم للمخاطر لكل موقع ميداني.
البرمجيات، الترخيص والاستخدام
ملاحظة: يجب معالجة بيانات ARU باستخدام نموذج التعرف على صوت الط....
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
النتائج
لتوضيح فعالية البروتوكول المذكور، نقدم نتائج ممثلة من تحليل البيانات الصوتية لطائر الروبن الأوروبي (Erithacus rubecula) الذي تم جمعه في ثلاثة مواقع ببيئات مختلفة وتجمعات أنواع الطيور، بما في ذلك حديقة في ليفربول (ARU 1)، وموقع غابات متجدد طبيعيا داخل منتزه كيرنغورمز الوطني (ARU 2)، وموقع ضاحي في غلاسكو (ARU 3). تظهر هذه الأمثلة كيف يمكن لتطبيق عتبات درجات الثقة المشتقة إحصائيا أن يحسن دقة الكشف عبر بيئات صوتية متنوعة. في هذه الدراسة، تم تعريف النتيجة الناجحة على أنها دقة الكشف ≥.......
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
المناقشة
يوفر استخدام البروتوكول الموضح في هذه الورقة طريقة موثوقة ومبسطة لتوليد مجموعات بيانات محددة ومصنفة بدقة لأصوات الطيور، وقد ثبت فائدته عند التعامل مع مجموعات البيانات الصوتية الكبيرة. اخترنا اختبار البروتوكول على روبن الأوروبي بسبب تنوعه المعروف في البنية والتردد ضمن مجموعاته الموسيقية43. بمعنى أن الاكتشافات في البداية تبين معدلات عالية من الخطأ (الإيجابيات الكاذبة) (الجدول 1). كما قمنا بالتحقق من استخدام هذه الطرق من خلال اختبارات ما بعد البروتوك.......
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
الإفصاحات
المؤلفون لا يملكون أي مصلحة مالية متنافسة.
شكر وتقدير
نشكر جامعة جون مور في ليفربول على الإرشاد والموارد. نشكر أيضا مبادرة الحيوانات البرية (WAI) على الدعم التمويلي، وقد تم تمويل هذا البحث من خلال منح WAI (S-2023–00038).
....الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
المواد
| الاسم | الشركة | رقم فهرسي | التعليقات |
|---|---|---|---|
| وحدات التسجيل الذاتية v1.2.0 | الأجهزة الصوتية المفتوحة | لا يوجد | وحدة التسجيل الذاتية (ARU) |
| برنامج تحليل الصوتيات الحيوية الإصدار 1.6.5 | مختبر كورنيل لعلم الطيور | RRID:SCR_016190 | برامج تحليل الصوت |
| كابل نقل البيانات | مصنعون مختلفون | لا يوجد | يستخدم لنقل البيانات من الأجهزة |
| تطبيقات تكوين الجهاز | الأجهزة الصوتية المفتوحة | لا يوجد | تطبيقات لتكوين AudioMoths |
| وحدة كاشف التعلم الآلي v2.4 | مختبر كورنيل لعلم الطيور | لا يوجد | كاشف التعلم الآلي |
| بطاريات قلوية قابلة لإعادة الشحن | مصنعون مختلفون | لا يوجد | مصدر الطاقة لوحدات التسجيل |
| بطاقات الذاكرة القابلة للإزالة | مصنعون مختلفون | لا يوجد | تخزين البيانات للتسجيلات |
| برامج الحوسبة الإحصائية | فريق R كور | RRID:SCR_001905 | برامج الحوسبة الإحصائية |
المراجع
- Briefer, E. F. Vocal expression of emotions in mammals: Mechanisms of production and evidence. J Zool. 288 (1), 1-20 (2012).
- Changapur, M. W., Seema, S., Sowmya, B. J. Bioacoustics monitoring to improve conservation efforts for endangered species. 2023 7th International Conference on Computation System and Information Technology for Sustainable Solutions (CSITSS), , IEEE. (2023).
- Sebastián-González, E., Pang-Ching, J., Barbosa, J. M., Hart....
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
إعادة الطباعة والأذونات
