Detección de ruido de origen humano en el Parc de l'Albufera mediante técnicas de aprendizaje máquina

Abstract

[ES] La monitorización medioambiental para el análisis de hábitats de especies ha requerido tradicionalmente de un alto grado de participación humana tanto en la adquisición de información como en la supervisión del procedimiento. Las nuevas técnicas de adquisición de audio e imágenes, así como su posterior procesado permiten plantear su uso en la monitorización medioambiental con dos propósitos fundamentales: por un lado, la automatización del proceso (reduciendo el número de horas dedicadas a esta tarea por los investigadores) y, por otro, la extracción de información útil en el ámbito de la biología gracias a los modelos de aprendizaje máquina (machine learning, ML) y especialmente a las novedosas técnicas de aprendizaje profundo (deep learning, DL). Este TFG tiene como objetivo el seleccionar la información relevante de las grabaciones realizadas en el Parc de l'Albufera durante un año completo en 10 localizaciones distintas con el objeto de monitorizar la fauna del parque. Las grabaciones están contaminadas con ruidos de origen humano como son: gritos, ruidos de motor, aviones, etc. Se utilizarán algoritmos ML y DL no supervisados para clasificar el ruido producidos por humanos con el fin de eliminarlo posteriormente de las grabaciones. De este modo, se dispondrá de grabaciones limpias de ruido para su posterior análisis y procesamiento.

[EN] Environmental monitoring for the analysis of species habitats has traditionally required a high degree of human participation both in the acquisition of information and in the supervision of the procedure. New audio and image acquisition techniques, as well as their subsequent processing, allow us to consider their use in environmental monitoring for two main purposes: on the one hand, the automation of the process (reducing the number of hours dedicated to this task by researchers) and, on the other hand, the extraction of useful information in the field of biology thanks to machine learning (ML) models and especially to the novel deep learning (DL) techniques. This TFG aims to select the relevant information from the recordings made in the Parc de l'Albufera during a full year in 10 different locations in order to monitor the fauna of the park. The recordings are contaminated with noises of human origin such as: screams, engine noises, airplanes, etc. Unsupervised ML and DL algorithms will be used to classify the noise produced by humans in order to remove it later from the recordings. In this way, clean noise recordings will be available for further analysis and processing.