“鱼类”识别：神经网络破译珊瑚礁声音用于物种识别

珊瑚礁是世界上最多样化的生态系统之一。尽管占世界海洋的不到1%，但四分之一的海洋物种在珊瑚礁上度过了部分生命。在一个地方有如此多的生命，研究人员很难清楚地了解哪些物种存在，数量是多少

在《美国声学学会杂志》上，伍兹霍尔海洋研究所的研究人员将声学监测与神经网络相结合，通过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追踪珊瑚礁的活动。通常，录音机会部署在水下，在那里它会花几个月的时间从礁石上录制音频。现有的信号处理工具可用于一次分析大量声学数据，但它们不能用于找到特定的声音——为此，科学家通常需要手工处理所有数据

作者赛斯·麦卡蒙说：“但对于那些这样做的人来说，说实话，这是一项糟糕的工作。”。“这是一项极其乏味的工作。令人痛苦。”同样重要的是，这种手动分析对于实际使用来说太慢了。随着世界上许多珊瑚礁受到气候变化和人类活动的威胁，能够快速识别和跟踪珊瑚礁种群的变化对于保护工作至关重要

McCammon说：“用人类来分析数据需要数年时间。”。“以这种方式分析数据在规模上没有用。”

作为替代方案，研究人员训练了一个神经网络来自动对大量声学数据进行排序，实时分析录音。他们的算法在破译珊瑚礁上的声学趋势方面可以与人类专家的准确性相媲美，但速度可以快25倍以上，并且可以改变海洋监测和研究的方式

麦卡蒙说：“现在我们不再需要有人参与，除了录音机，我们还能使用哪些其他类型的设备？”

“我的合著者Aran Mooney正在做的一些工作涉及将这种类型的神经网络集成到一个浮动系泊系统上，该系统可以实时更新鱼类的叫声。我们还在努力将我们的神经网络放在我们的自主水下航行器CUREE上，这样它就可以监听鱼类并绘制生物活动的热点。”

这项技术还有可能解决海洋声学研究中的一个长期问题：将每种独特的声音与鱼类相匹配

麦卡蒙说：“对于绝大多数物种来说，我们还没有到可以肯定地说叫声来自特定鱼类的地步。”。“至少在我看来，这是我们正在寻找的圣杯。通过能够实时进行鱼类叫声检测，我们可以开始构建能够自动听到叫声，然后看到附近有什么鱼的设备。”

最终，McCammon希望这个神经网络将为研究人员提供实时监测鱼类种群、识别有问题的物种和应对灾难的能力。在珊瑚礁需要一切帮助的时代，这项技术将帮助环保主义者更清楚地了解珊瑚礁的健康状况 More information: Rapid detection of fish calls within diverse coral reef soundscapes using a convolutional neural network, The Journal of the Acoustical Society of America (2025). DOI: 10.1121/10.0035829

Journal information: Journal of the Acoustical Society of America