O monitoramento de animais selvagens é frequentemente usado por biólogos para cole-
tar informações a cerca dos animais e seus habitats. Neste contexto, os sons produzidos
pelos animais oferecem uma impressão biométrica que pode ser usada para classificar os
animais em uma dada região. Assim, Redes de Sensores Sem Fio (RSSFs) representam
uma importante alternativa para a classificação automática de animais, baseando-se
nos sons por eles produzidos. Neste trabalho, apresentamos uma solução, que usa
aprendizagem de máquina e processamento de sinais, para classificar animais selva-
gens com base em suas vocalizações. Como prova-de-conceito, aplicamos a solução
para classificar anuros. O motivo é que anuros já são utilizados por biólogos como
indicador precoce de estresse ecológico, oferecendo informação a cerca de ecossistemas
terrestre e aquático. Além disso, a solução deve considerar as limitações de RSSFs,
buscando reduzir a carga de comunicação para prolongar o tempo de vida da rede.
Portanto, representamos os sinais acústicos por conjuntos de características. Esta re-
presentação nos permite identificar padrões específicos que descrevem cada uma das
espécies monitoradas, reduzindo, assim, o volume de informação a ser trafegado na
rede. A identificação destas características, ou combinações delas, é um ponto chave
para aprimorar a relação custo-benefício da solução. Em nossa análise, primeiramente
comparamos os conjuntos de características temporais e espectrais, usando a entropia
como critério para geração das combinações. A seguir, reduzimos o conjunto de ca-
racterísticas, usando algoritmos genéticos. O framework proposto contém três passos:
(i) pré-processamento, para preparar os sinais e extrair unidades chamadas sílabas; (ii)
extração de características; e (iii) classificação, usando k-NN ou SVM. Os experimentos
consistem de quatro estudos de casos, avaliando o efeito da quantização e o número de
bits usados para representar o sinal quantizado. Isto nos permite concluir que, para
os cenários avaliados, o conjunto de coeficientes Mel é o mais adequado para classificar
vocalizações de anuros.
|
