京都大学研究生院理学研究科的木村枫（研究生）和曾田贞滋名誉教授的研究团队发表研究成果称，确立了使用AI自动识别青蛙叫声，并用于繁殖活动的监测方法。这种AI使用“卷积神经网络（CNN）”深层学习青蛙叫声，能够以超过90%的高精度辨别出现于调查地的5种青蛙。通过在调查地几乎每天对青蛙进行计数，证实了叫声活跃度指标越高，出现的青蛙个体数就越多。该成果有望在野外调查中用于青蛙的声音监测。相关成果已刊登在美国国际学术杂志《Ichthyology & Herpetology》11月17日号上。
图1 鼓起喉咙鸣叫的日本树蛙（撮影：木村枫、供图：京都大学）
图2 使用深度学习分析5种青蛙的繁殖活动。颜色越深表示叫声越活跃（供图：京都大学）
进入繁殖期后，聚集在水坑处并开始大声鸣叫的蛙类比起用眼睛看，用耳朵听会更容易找到配偶，因此在栖息调查中，研究人员使用录音机进行声音监测的方法被广泛应用。但另一方面，大量数据的分析成为一大课题。为此研究人员想到使用AI，但目前还不清楚AI能否在充满各种声音的复杂野外录音中准确区分青蛙的叫声。
对此，研究团队使用一种名为CNN的模型，验证了是否可以识别调查地出现的5种青蛙的叫声。
研究人员在山里的小水池和水田的2个地点安装了记录仪，记录青蛙在繁殖期的叫声，并从录制的音频中提取了约2,700个简短的音频片段，标记了青蛙的种类，然后将其作为培训数据让AI进行了学习。
结果表明，根据蛙的种类，能够以90～100%的准确度和75～98%的灵敏度识别出叫声。
据研究人员推测，黑斑侧褶蛙的灵敏度之所以较低（75%），是因为叫声被个体数量较多的日本树蛙淹没，很难检测出来。
利用AI对录音数据进行分析后发现，根据物种不同，繁殖模式也完全不同，如日本蟾蜍仅在早春时节进行为期数天的集体繁殖，而日本树蛙和粗皮蛙则在夏季夜晚进行长达数月的繁殖。
此外，根据青蛙个体数量较多的日子里，叫声会持续整夜的经验规律，研究人员依据叫声被检测到的时间长短定义了叫声的活跃指标，并将其与雄性个体数和雌雄对数进行了比较。结果表明，对于大多数物种来说，叫声越活跃的日子，雄性个体数和成对的数量就越多。同时还发现，成对数量和叫声之间的相关性较弱。
使用该方法，只需安装记录仪，便可以在以前无法实现的大范围内详细观察繁殖活动。
木村先生表示：“再尝试使用AI后，我们惊讶地发现，AI比预想得能更准确地识别青蛙物种。青蛙的数量在全国范围内正在减少，也有许多物种被指定为濒危物种。我希望以本研究为基础，使用AI对青蛙得栖息状况监测进行大范围调查”。
原文：《科学新闻》
翻译：JST客观日本编辑部
【论文信息】
杂志：Ichthyology & Herpetology
论文：Evaluation of Deep Learning-Based Monitoring of Frog Reproductive Phenology
DOI：doi.org/10.1643/h2023018
