Diseño de un clasificador para la identificación de los sonidos emitidos por aves mediante técnicas de aprendizaje no supervisado y aprendizaje profundo

Abstract

Durante estos últimos años el hombre ha ido evolucionando y expandiendo más su territorio, ocupando gran parte de los espacios naturales donde existen variedades de especies silvestres, destruyendo así su habitad. Estas especies han disminuido su número al ser utilizadas por el hombre para su subsistencia, llevando algunas a su extinción. Para evitar este suceso se han creado centros de apoyo para proteger la fauna silvestre del mundo, ya que cada especie contribuye a mantener el equilibrio en la biodiversidad del planeta; entre estas especies se encuentran las aves, por lo que es importante mantenerlas en continuo monitoreo. Una de las formas para preservar las especies de aves en peligro de extinción es clasificarlas para identificar las necesidades de cada una. El proceso de observación de las aves puede tomar de días a semanas o hasta meses para identificar los distintos tipos que puedan encontrarse en una determinada región. Con este proyecto se busca facilitar la clasificación de las aves, automatizando el proceso por medio de inteligencia artificial aplicando modelos de aprendizaje no supervisado y aprendizaje profundo, desarrollando así un clasificador que permite identificar las diferentes especies de aves por medio de su canto. Este clasificador presentó resultados de su rendimiento mediante la exactitud y el error cuadrático medio, para la extracción de características por medio de autoencoders más el clasificador softmax llegó a obtener un porcentaje del 99.2% y un error del 0.0025954, y para el modelo utilizando redes recurrentes LSTM se llegó a obtener un porcentaje del 85.67% utilizando una mayor cantidad de audios.