科学家研发新的深度学习算法，可精确检测露脊鲸的“呼”声

北大西洋的露脊鲸是世界上最濒危的鲸鱼物种之一，在北美东海岸仅存约368头。数量不断减少、低的繁殖率，再加上频繁的人类活动，如航运和渔业，让它们的生存环境受到更多威胁。有效跟踪它们的数量、迁移路径和栖息地的使用情况，有利于降低可预防的伤害和减少死亡数量。

监测鲸鱼最常用的方法之一是被动声学技术。露脊鲸会发出各种低频声音，如呻吟声、脉冲声甚至是打嗝声。物种之间用于相互交流的一种典型发声方式被称为“上呼”（up-call），这是一种短促的鸣叫或一声短“呼”，持续约两秒钟。上呼是窄带发声，频率波动范围在50至440赫兹之间，这种声音似乎是作为一种信号将鲸鱼聚集在一起。

佛罗里达大西洋大学的研究人员使用人工智能（AI）和机器学习方法，开发了一种新的检测露脊鲸声音的方法，效果更准确。该技术利用多模态深度学习（MMDL）算法来评估声学记录，并对是否存在上呼声进行判断。

研究结果显示，MMDL检测器的表现优于传统的机器学习方法，并证明了MMDL算法在上呼声检测率、非上呼声检测率和假警报率方面，都有优势。研究人员认为，这种深度学习算法是传统机器学习方法的一个重大进步。研究人员还利用康奈尔大学的数据集验证了MMDL模型的有效性。

研究表示，新的MMDL系统提供了一个新的工具，可以有效地监测鲸鱼。同时也进一步说明鲸鱼和其他海洋物种正受到气候变化的影响，其迁移模式和栖息地的使用发生着转变。

题为“A multimodel deep learning algorithm to detect North Atlantic right whale up-calls”的相关研究论文发表在《美国声学学会》杂志上。

前瞻经济学人APP资讯组

论文原文：

https://asa.scitation.org/doi/10.1121/10.0005898