Gli uccelli svolgono un ruolo importante in un'ampia varietà di ecosistemi sia come predatori che come prede, nel controllo delle popolazioni di insetti, impollinazione e dispersione dei semi per molte piante, e nel rilasciare nutrienti a terra e in mare sotto forma di guano. Da un punto di vista scientifico è quindi fondamentale monitorare le popolazioni di uccelli. Ora, una ricerca pubblicata sull'International Journal of Computer Applications in Technology potrebbe aprire la strada a un sistema automatizzato di identificazione degli uccelli basato sui richiami e il canto degli uccelli.
Arti Bang e Priti Rege del College of Engineering, a Pune, India, spiegare che i canti e i richiami degli uccelli sono costituiti da sillabe e ogni canto e canto unico per una data specie consiste in un gruppo di sillabe che a loro volta sono costituiti da elementi. È possibile effettuare un'analisi spettrografica del suono, ma questo è laborioso e richiede esperti con un buon orecchio per i suoni che fanno gli uccelli. In definitiva, però, tale approccio sarà soggettivo quando si tratta di distinguere tra uccelli con richiami e canti dal suono molto simile.
Il team suggerisce che il riconoscimento automatico degli uccelli basato sulle registrazioni dei suoni emessi dagli uccelli è un problema di riconoscimento dei modelli. Come tale, hanno sviluppato un sistema automatizzato che aggira i problemi associati ai precedenti tentativi di automatizzare il processo e si basa sull'estrazione di sillabe con frame audio di 10 millisecondi. L'analisi si basa quindi su tecniche che sono state utilizzate per estrarre informazioni, come il tempo, firma in chiave, e genere da registrazioni di musica.
Il team ha testato l'algoritmo sviluppato dallo studio su campioni di canti e richiami di uccelli dal database internazionale completo e ben noto Xeno Canto. Hanno effettuato test preliminari del sistema con la classificazione di dieci specie di uccelli originari dell'India effettuata utilizzando il modello gaussiano della miscela (GMM) e le macchine vettoriali di supporto (SVM). Lo stesso approccio potrebbe essere ugualmente applicato a specie presenti in qualsiasi parte del mondo. La riduzione della ridondanza all'interno del sistema consente loro di ridurre gli effetti del rumore di fondo in qualsiasi registrazione audio e quindi di migliorare ulteriormente la precisione.
