Comparación de algoritmos para detección automática de vocalizaciones y llamados de especies de diferente grupo taxonómico

Abstract

RESUMEN : Este trabajo de investigación se enfocó en la selección y evaluación de cinco propuestas de algoritmos y softwares que permiten realizar identificación automática de especies mediante el análisis de grabaciones de audio, específicamente en el contexto de la biodiversidad del bosque húmedo colombiano. Se seleccionaron metodologías tanto supervisadas como no supervisada, y se realizaron diferentes pruebas utilizando grabaciones de campo que abarcan una diversidad de grupos taxonómicos, como aves, mamíferos y anfibios. Los resultados revelaron grandes diferencias en el desempeño de cada metodología, influenciadas tanto por el grupo taxonómico abordado como por las características individuales de las especies a identificar. Específicamente, Aureas y Raven Pro/Koogu, destacaron como herramientas altamente versátiles, capaces de ajustarse a las diversas especies contempladas en el análisis. Las conclusiones del estudio enfatizan la importancia de considerar las características específicas de las especies al elegir una metodología y resaltan la necesidad de mejorar la interfaz de usuario para hacer estas herramientas más accesibles a los expertos en biología. Los hallazgos de esta investigación proporcionan información valiosa para los expertos en biología que buscan seleccionar herramientas apropiadas para el monitoreo acústico y el reconocimiento automático de llamadas de especies en estudios de biodiversidad.