Lintujen äänitunnistus

Tunnistusmalli

Lintutunnistukset tuotetaan tekoälymallilla, joka on kehitetty Jyväskylän yliopiston akatemiaprofessori Otso Ovaskaisen johtamassa tutkimusryhmässä väitöskirjatutkija Patrik Lauhan ja useiden muiden tutkijoiden yhteistyönä. Tunnistusmallin pohjana toimii BirdNET-Analyzer-konvoluutioneuroverkko [1], jonka päälle on rakennettu ja hienosäädetty suomalaisiin lajeihin keskittyvä luokitin [2]. Tekoälymallin opettamiseen on käytetty Suomessa passiivisilla äänityslaitteilla kerättyjä maastoäänitteitä [3], äänikirjasto xeno-canto:n äänitteitä suomalaisista lintulajeista [4], Harry Lehdon keräämiä lintuäänityksiä, sekä Muuttolintujen Kevät -sovelluksen käyttäjien tekemiä äänitteitä. Sama tunnistusmalli on käytössä Muuttolintujen Kevät -sovelluksessa. Malli tuntee 263 suomalaista lintulajia.

Ohjeita mallin käyttäjälle

Äänityksen laatu vaikuttaa automaattisen lajintunnistuksen toimivuuteen. Esimerkiksi tuuli tai liikenteen taustamelu peittävät lintujen ääntelyitä ja saattavat heikentää tunnistustuloksia huomattavasti. Parhaita tunnistustuloksia saa äänittämällä rauhallisessa paikassa ja suuntaamalla mikrofonin kohti laulavaa lintua. Äänityksen ollessa käynnissä tulee välttää äänten tuottamista itse esimerkiksi puhumalla tai kävelemällä.

Malli tuottaa todennäköisyysennusteita, jotka kuvaavat tunnistuksen varmuutta. Mitä korkeampi todennäköisyys on, sitä varmemmin tunnistus on oikein. Esimerkiksi 90% varmuudella tehdyistä ennusteista keskimäärin yhdeksän kymmenestä on oikein. Yksittäiset tunnistukset voivat kuitenkin aina sisältää virheitä.

Viitteet:

[1] Kahl, S., Wood, C. M., Eibl, M., & Klinck, H. (2021). BirdNET: A deep learning solution for avian diversity monitoring. Ecological Informatics, 61, 101236.

[2] Lauha, P., Somervuo, P., Lehikoinen, P., Geres, L., Richter, T., Seibold, S., & Ovaskainen, O. (2022). Domain‐specific neural networks improve automated bird sound recognition already with small amount of local data. Methods in Ecology and Evolution, 13(12), 2799-2810.

[3] Lehikoinen, P., Rannisto, M., Camargo, U., Aintila, A., Lauha, P., Piirainen, E., Somervuo, P. and Ovaskainen, O. (2023) A successful crowdsourcing approach for bird sound classification. Citizen Science: Theory and Practice, 8(1), 16.

[4] xeno-canto, xeno-canto foundation, https://www.xeno-canto.org