研究人员将声学监测与神经网络结合，以声音识别珊瑚礁上的鱼类活动。他们训练了该网络以自动筛选大量声学数据，实时分析音频录音。他们的算法在解读珊瑚礁的声学趋势方面可以达到人类专家的准确性，但其速度超过25倍，这可能会改变海洋监测和研究的方式。
珊瑚礁是世界上最具多样性的生态系统之一。尽管它们仅占世界海洋的不到1%，但四分之一的海洋物种在珊瑚礁上度过了一部分生命。由于如此多的生命集中在一个地方，研究人员可能很难清楚了解哪种物种存在以及数量。
在《JASA》上，代表美国声学学会由AIP出版的研究人员从伍兹霍尔海洋研究所结合声学监测与神经网络，以声音识别珊瑚礁上的鱼类活动。
多年来，研究人员一直使用被动声学监测来跟踪珊瑚礁活动。通常，声学记录仪会被部署在水下，几个月来记录来自珊瑚礁的音频。现有的信号处理工具可以用来同时分析大量声学数据，但它们无法用于寻找特定的声音——为了做到这一点，科学家通常需要手动查看所有数据。
“但对于那些在做这项工作的人来说，说实话，这是一项可怕的工作，”作者塞思·麦卡蒙说道。“这是一项极其乏味的工作。令人痛苦。”
同样重要的是，这种手动分析的速度对实际应用来说太慢。由于世界许多珊瑚礁受到气候变化和人类活动的威胁，能够快速识别和追踪珊瑚礁种群变化对保护工作至关重要。
“人工分析这些数据需要数年时间，”麦卡蒙说道。“以这种方式分析数据在规模上并不实用。”
作为替代，研究人员训练了一个神经网络以自动筛选大量声学数据，实时分析音频录音。他们的算法可以在解读珊瑚礁的声学趋势方面与人类专家的准确性相匹配，但其速度超过25倍，这可能会改变海洋监测和研究的方式。
“现在我们不再需要人类参与流程，还有什么其他设备——超越录音机——我们可以使用？”麦卡蒙说道。“我的合著者阿兰·穆尼正在进行的一些工作涉及将这种神经网络集成到一个漂浮的系留装置上，该装置实时广播鱼类鸣叫计数的更新。我们还在努力将我们的神经网络放到我们的自主水下车辆CUREE上，以便它可以监听鱼类并绘制生物活动的热点。”
该技术还具有解决海洋声学研究中的一个长期问题的潜力：将每个独特的声音与一条鱼匹配。
“对于绝大多数物种，我们还没有达到可以确定某个鸣叫来自特定鱼类的程度，”麦卡蒙说道。“在我看来，那是我们所追求的圣杯。通过能够实时进行鱼类鸣叫检测，我们可以开始构建能够自动听到鸣叫并查看附近鱼类的设备。”
最终，麦卡蒙希望这个神经网络能够使研究人员实时监测鱼类种群，识别处于困境的物种，并应对灾难。这项技术将帮助保护工作者更清楚地了解珊瑚礁的健康状况，在珊瑚礁需要一切帮助的时代。
