[论文解读] GIBBONFINDR: An R package for the detection and classification of acoustic signals

Dena J. Clink, Holger Klinck|arXiv (Cornell University)|Jun 6, 2019

Animal Vocal Communication and Behavior被引用 6

一句话总结

GIBBONFINDR 是一个开源的 R 包，使生态学家能够使用机器学习算法检测和分类声学信号，案例研究展示了其在马来西亚沙巴州长期被动声学监测数据中识别婆罗洲长鼻猴叫声的有效性。该包在 R 中简化了信号处理和分类工作流程，使非专家用户也能更轻松地开展生物声学分析。

ABSTRACT

The recent improvements in recording technology, data storage and battery life have led to an increased interest in the use of passive acoustic monitoring for a variety of research questions. One of the main obstacles in implementing wide scale acoustic monitoring programs in terrestrial environments is the lack of user-friendly, open source programs for processing large sound archives. Here we describe the new, open-source R package GIBBONFINDR which has functions for detection, classification and visualization of acoustic signals using a variety of readily available machine learning algorithms in the R programming environment. We provide a case study showing how GIBBONFINDR functions can be used in a workflow to detect and classify Bornean gibbon (Hylobates muelleri) calls in long-term acoustic data sets recorded in Danum Valley Conservation Area, Sabah, Malaysia. Machine learning is currently one of the most rapidly growing fields-- with applications across many disciplines-- and our goal is to make commonly used signal processing techniques and machine learning algorithms readily available for ecologists who are interested in incorporating bioacoustics techniques into their research.

研究动机与目标

• 解决陆地生态研究中大规模声学数据处理的挑战。
• 为非专业生态学家提供一个用户友好的开源工具，以便其应用机器学习分析生物声学数据。
• 将广泛使用的信号处理和分类技术整合到一个基于 R 的工作流程中。
• 通过一个真实世界的婆罗洲长鼻猴叫声案例研究，展示该工具的实用性。

提出的方法

• 该包实现了用于从音频文件中滤波、分段和特征提取的一系列信号处理函数。
• 在 R 环境中集成了多种机器学习算法（如随机森林和支持向量机）用于分类任务。
• 使用基于 spectrogram 的特征提取方法，以表示时间与频谱模式。
• 通过在标记的叫声实例上训练模型，支持对发声行为的自动检测。
• 包含可视化功能，使用户能够检查检测到的信号和模型输出。
• 工作流程设计为模块化和可扩展，支持与其他 R 包在数据输入输出和分析方面的集成。

实验结果

研究问题

• RQ1 GIBBONFINDR 是否能有效从长期被动声学监测数据中检测和分类婆罗洲长鼻猴叫声？
• RQ2 在检测准确率和处理效率方面，GIBBONFINDR 与人工标注相比表现如何？
• RQ3 该工具在编程或机器学习经验有限的生态学家中的适用程度如何？
• RQ4 该工具在处理长期积累的大规模音频档案时，可扩展性如何？

主要发现

• GIBBONFINDR 在丹老谷保护区的长期声学录音中成功检测到婆罗洲长鼻猴叫声，证明了其在真实野外应用中的实用性。
• 与人工方法相比，该包显著减少了分析大规模音频数据集所需的时间。
• 在 R 中集成机器学习模型，使生物声学分析的工作流程具备可重复性和透明性。
• 即使编程经验极少的用户，也能通过提供的函数和文档成功实现检测与分类流程。
• 案例研究证实，该包能够利用基于 spectrogram 的特征和训练模型，实现对长鼻猴叫声的准确分类。
• GIBBONFINDR 的开源特性促进了生态声学研究中的透明度、可扩展性以及社区驱动的改进。