Deep learning aplicado a la identificación de cantos de anuncio de Boana riojana (Amphibia: anura)

Abstract

El monitoreo de poblaciones de anuros es un aspecto fundamental para la conservación de las especies. La identificación y el análisis de cantos de anuncio de anuros permiten obtener información valiosa para evaluar su estado y las amenazas que pueden enfrentar. Las técnicas clásicas de procesamiento de estos datos son tareas complejas, que consumen tiempo, tienen un costo asociado y se necesita del experto. El aprendizaje profundo, Deep Learning, ha ganado una importancia significativa en el procesamiento de datos complejos. Integrar estas técnicas en el análisis de audios de cantos de anuros, sin duda nos proporciona un nuevo enfoque en la identificación automatizada y extracción de patrones complejos de los cantos. En este sentido, se genera conocimiento útil y la realización de procesos iterativos más ágiles y eficientes. En este contexto y en el ámbito de la bioacústica, exploramos tres técnicas de DL para la clasificación automática del canto de anuros. Se construyeron tres clasificadores aplicando los algoritmos de las redes DNN, CNN y LSTM. Los resultados son prometedores, obteniendo una exactitud global superior al 88 % en todos los modelos.