Preventing shipping traffic collisions through identification and classification of the North Atlantic right whale bioacoustic signatures

Erceg, Mirjana

4. term

Medialogy, Master

2022

2022-06-08

79

Hvaler er vigtige for havets økosystemer. Alligevel er bestanden af den nordatlantiske rethval (North Atlantic right whale, NARW) hurtigt faldende, med kun omkring 400 dyr tilbage, blandt andet på grund af skibskollisioner, kommerciel hvalfangst, bifangst, indfiltring, klimaforandringer og affald. Dette projekt undersøger, hvordan lydene fra NARW kan bruges til at undgå skibskollisioner ved at opdage nærliggende dyr og klassificere deres bioakustiske signaturer (kendetegnende mønstre i deres kald). Optagelserne omdannes til spektrogrammer (visuelle repræsentationer af lyd over tid), som analyseres med et konvolutionelt neuralt netværk (CNN). For at gøre datasættet mere robust blev der anvendt dataaugmentation (kunstig udvidelse af data) med tidsforvrængning, frekvensmaskering og tidsmaskering, og modellen blev trænet med transfer learning (videreudnyttelse af fortrænede modeller). Modellen opnåede en nøjagtighed på 88 % på det anvendte datasæt. Med yderligere forbedringer kan metoden potentielt give endnu bedre resultater.

Whales are vital to ocean ecosystems. Yet the North Atlantic right whale (NARW) population is declining rapidly, with only about 400 animals left, due to vessel collisions, commercial whaling, bycatch, entanglement, climate change, and marine debris. This project explores how NARW sounds can help prevent vessel strikes by detecting nearby whales and classifying their bioacoustic signatures (distinctive patterns in their calls). Recordings are converted into spectrograms (visual representations of sound over time) and analyzed with a convolutional neural network (CNN). To strengthen the dataset, we used data augmentation—time warping, frequency masking, and time masking—and trained the model with transfer learning. The model achieved 88% accuracy on the dataset used. With further improvements, it could yield even better results.

[This summary has been rewritten with the help of AI based on the project's original abstract]

north atlantic right whale ; bioacoustics ; sound recognition ; pretrained model ; neural network ; sound classification ; whale calls ; cetaceans ; transfer learning ; specaugment ; data augmentation ; ship collision ; vessel collision ; conservation ; biodiversity ; ecosystem

Download
View record in AAU Student Projects