Identification of Birdcalls Included in Environmental Sounds, and Population Counting

研究年度2年目となる2022年度は、（1）ICレコーダーによる観測地点の増加、（2）識別対象種の増加、（3）ヤイロチョウの渡り観測への協力、（4）異常検知アルゴリズムを用いた誤識別の削減、（5）AIの学習時間の短縮、について取り組んだ。以前よりもICレコーダーの設置数を増加させ、標高の高い山での音源や海に近い地点での音源などを幅広く収集することができるようになり、教師データを作成しやすくなった。これに加え、バードリサーチなどから提供していただいた音源もあり、識別対象種は野鳥20種、昆虫9種、両生類5種、哺乳類1種、人工音2種と大幅に増加した。AIの精度は、2018年に収集した沖縄の環境音に対して、ヤンバルクイナの識別精度ROC-AUCが0.84と2021年度に比べて0.01ポイントの改善を見せ、PR-AUCについても0.39から0.41と0.02ポイント改善した。識別対象種が37種も増加しているが、識別精度を向上することができた。また、識別対象種を増やしたことで九州本土の音源に対してヤンバルクイナに誤認するようなケースは大きく減少した。ただし、2022年の沖縄の音源に対しては、例年にない大雨の影響で適合率が低下している。総合的にはウグイスやモズやヤイロチョウの識別精度も向上しており、研究目的の1つである多種の野鳥の識別に近づくことができた。（4）については、異常検知アルゴリズムを用いた誤識別の削減は可能であることがわかったものの再現率（感度）が大きく低下したため、継続した検討が必要である。（5）については、損失関数を工夫することでAIの学習時間を73時間から9時間まで短縮することができ、教師画像の作成を進めやすくなった。なお、野鳥の個体数をカウントする取り組みについては実験を継続中である。当初計画していた、GPSを用いた録音のミリ秒単位での時刻同期は実現できた。

研究年度2年目となる2022年度は、（1）ICレコーダーによる観測地点の増加、（2）識別対象種の増加、（3）ヤイロチョウの渡り観測への協力、（4）異常検知アルゴリズムを用いた誤識別の削減、（5）AIの学習時間の短縮、について取り組んだ。以前よりもICレコーダーの設置数を増加させ、標高の高い山での音源や海に近い地点での音源などを幅広く収集することができるようになり、教師データを作成しやすくなった。これに加え、バードリサーチなどから提供していただいた音源もあり、識別対象種は野鳥20種、昆虫9種、両生類5種、哺乳類1種、人工音2種と大幅に増加した。AIの精度は、2018年に収集した沖縄の環境音に対して、ヤンバルクイナの識別精度ROC-AUCが0.84と2021年度に比べて0.01ポイントの改善を見せ、PR-AUCについても0.39から0.41と0.02ポイント改善した。識別対象種が37種も増加しているが、識別精度を向上することができた。また、識別対象種を増やしたことで九州本土の音源に対してヤンバルクイナに誤認するようなケースは大きく減少した。ただし、2022年の沖縄の音源に対しては、例年にない大雨の影響で適合率が低下している。総合的にはウグイスやモズやヤイロチョウの識別精度も向上しており、研究目的の1つである多種の野鳥の識別に近づくことができた。（4）については、異常検知アルゴリズムを用いた誤識別の削減は可能であることがわかったものの再現率（感度）が大きく低下したため、継続した検討が必要である。（5）については、損失関数を工夫することでAIの学習時間を73時間から9時間まで短縮することができ、教師画像の作成を進めやすくなった。なお、野鳥の個体数をカウントする取り組みについては実験を継続中である。当初計画していた、GPSを用いた録音のミリ秒単位での時刻同期は実現できた。