Identificació de marques acústiques mitjançant intel·ligència artificial

Abstract

La contaminació acústica marina és una de les principals fonts de contaminació antropogènica que amenaça en gran manera a la biodiversitat oceànica, principalment en zones costaneres on l’activitat portuària fomenta el trànsit marítim tan comercial, com ara el cas de pesquers i bucs de càrrega, com d’esbarjo, en el cas de velers o vaixells de passeig de motor. Aquest treball té dos objectius principals, desenvolupar un mapa interactiu en el qual puguis observar la trajectòria realitzada per un vaixell i el soroll que aquest genera en el pas del temps i implementar models d’intel·ligència artificial per la identificació de marques acústiques diferenciaries de cada vaixell. Per assolir aquests dos objectius va ser necessari tenir a disposició dades de posicions i informació addicional de vaixells del sistema AIS i arxius d’àudio obtinguts de l’hidròfon implementat al laboratori submarí del grup d’investigació SARTI, l’OBSEA. Mitjançant el tractament de senyals i l’aplicació de diferents filtres, no només es van situar diferents posicions en el mapa, sinó també afegir la capacitat d’observar com varia el soroll que el vaixell observat genera i com va variant en el pas del temps. Per la classificació d’empremtes acústiques s’han intentat utilitzar el model Wav2Vec2.0 i el model ResNet18. En el cas del primer model no va donar resultats satisfactoris, aleshores es va optar per buscar la manera de treure el millor rendiment possible al model ResNet18 mitjançant l’anàlisi comparativa dels resultats obtinguts havent-li implementat els arxius d’àudio sencers (amb filtre) i aquests mateixos arxius, però dividits en parts, augmentat així la base de dades amb la que el model treballa. Els resultats han acabat mostrant la viabilitat d’aquest enfocament tant per la visualització del soroll generat pel trànsit marítim com també per la identificació d’empremtes acústiques, acabant amb l’afirmació en què són una eina útil pel monitoratge ambiental d’ecosistemes marins propers a costa.

La contaminación acústica marina es una de las principales fuentes de contaminación antropogénica que amenaza de gran manera a la biodiversidad oceánica, principalmente en zonas costeras, donde la actividad portuaria fomenta el tráfico marítimo tanto comercial, para casos como pesqueros o buques de carga, y de uso más lúdico, como el caso de veleros o barcos de paseo de motor. Este trabajo tienes dos objetivos principales, desarrollar un mapa interactivo en el que puedas observar la ruta realizada por una embarcación, a la vez que destaca la cantidad de sonido que este ha generado durante el transcurso de su ruta, e implementar modelos de inteligencia artificial para la identificación de marcas acústicas concretas para diferenciar cada barco. Para lograr ambos objetivos fue necesario tener a disposición datos de posiciones i información adicional del sistema AIS, además de archivos de audio gravados mediante un hidrófono implementado en el laboratorio submarino del grupo de investigación SARTI, el OBSEA. Mediante el tratamiento de las señales i la aplicación de diferentes filtros, no solo se lograron situar posiciones en un mapa, sino también agregar la capacidad de observar cómo varía el ruido que la embarcación observada genera i como varía con el paso del tiempo. Para la clasificación de marcas acústicas se intentaron utilizar los modelos Wav2Vec2.0 y ResNet18. En el caso del primer modelo no se obtuvieron resultados lo suficientemente relevantes para considerarlos en este proyecto, por lo que se optó por buscar la manera de sacarle el mejor rendimiento posible al modelo ResNet18, mediante el análisis comparativo de los resultados obtenidos tras haber implementado los archivos de audio enteros al modelo (con su filtro correspondiente) respecto a hacer lo mismo pero con archivos de audio divididos en partes, ampliando así considerablemente los datos con los que el modelo trabaje. Los resultados han acabado mostrando cuan viable es este enfoque, tanto para la visualización del ruido generado por el tránsito marítimo como también para la identificación de las huellas acústicas, acabando con la afirmación en qué son una herramienta útil para el monitoreo ambiental de ecosistemas marinos someros.

Marine noise pollution is one of the primary sources of anthropogenic pollution that significantly threatens ocean biodiversity, particularly in coastal areas where harbor activities encourage commercial maritime traffic, including fishing boats and cargo ships, as well as recreational activities such as sailboats or motorboats. This paper has two main objectives: to develop an interactive map that allows you to observe the trajectory made by a ship and the noise it generates over time, and to implement artificial intelligence models for the identification of acoustic signatures that differentiate each boat. To achieve these two objectives, it was necessary to have an available position and additional information from AIS system ships and audio files obtained from the hydrophone implemented in the underwater laboratory of the SART’s research group, OBSEA. Through the treatment of signals and the application of different filters, not only were different positions placed on the map, but also added the ability to observe how the noise that the observed ship generates varies and how it varies over time. For the classification of acoustic footprints, attempts have been made to use the Wav2Vec2.0 model and the ResNet18 model. In the case of the first model, it did not give satisfactory results, so it was decided to look for a way to get the best possible performance from the ResNet18 model by means of the comparative analysis of the results obtained by implementing the entire audio files (with filter) and these same files, but divided into parts, thus increasing the database with which the model works. The results have shown the feasibility of this approach both for the visualization of the noise generated by maritime traffic and also for the identification of acoustic footprints, ending with the claim that they are a useful tool for the environmental monitoring of marine ecosystems near shores.