Editorial Pertanian & Lingkungan
Open AccessOA2023
Analisis dan Klasifikasi Peristiwa Akustik pada Data Lingkungan yang Dikumpulkan dalam Proyek Sains Warga
Penelitian ini menganalisis data akustik dari proyek sains warga Sons al Balcó, membandingkan kampanye 2020 dan 2021, serta melatih convolutional neural network untuk mendeteksi dan mengklasifikasikan peristiwa suara, dengan capaian macro -score di atas 50% untuk sumber kebisingan yang paling umum.
Daniel Bonet-Solà; E. Vidaña-Vila; R. Alsina-Pagès· International Journal of Environmental Research and Public Health· 2023· DOI 10.3390/ijerph20043683
Masalah inti
Proyek Sons al Balcó memanfaatkan sains warga untuk mempelajari lanskap suara di Catalonia, terutama selama dan setelah pembatasan COVID-19. Proyek ini bertujuan mengumpulkan data akustik melalui kontribusi warga dan mengembangkan alat untuk deteksi peristiwa suara otomatis guna menilai kualitas lanskap suara. Makalah ini berfokus pada analisis data dari dua kampanye pengumpulan (2020 dan 2021) dan penerapan convolutional neural network (CNN) untuk mengklasifikasikan peristiwa akustik, bahkan ketika peristiwa tersebut terjadi secara bersamaan. Motivasi penelitian ini berasal dari kebutuhan untuk memproses data berskala besar yang dikumpulkan warga secara efisien dan memahami dampak pandemi terhadap kebisingan lingkungan.
Inovasi
Proyek ini menjalankan dua kampanye: pada 2020 terkumpul 365 video, dan pada 2021 diperoleh 237 video. Sampel akustik dianalisis dan dibandingkan. Untuk deteksi peristiwa otomatis, sebuah convolutional neural network dilatih untuk mengklasifikasikan peristiwa suara dari rekaman audio. Jaringan tersebut dirancang untuk menangani lanskap suara polifonik tempat beberapa peristiwa dapat terjadi secara bersamaan. Kinerja dievaluasi menggunakan event-based macro -score, dengan fokus pada sumber kebisingan yang paling umum. Metodologi mencakup prapemrosesan data, perancangan arsitektur jaringan, pelatihan, dan evaluasi. CNN kemungkinan menggunakan representasi spektrogram audio sebagai input, dengan lapisan konvolusional untuk ekstraksi fitur dan lapisan fully connected untuk klasifikasi.
Pendahuluan
Proyek Sons al Balcó memanfaatkan sains warga untuk mempelajari lanskap suara di Catalonia, terutama selama dan setelah pembatasan COVID-19. Proyek ini bertujuan mengumpulkan data akustik melalui kontribusi warga dan mengembangkan alat untuk deteksi peristiwa suara otomatis guna menilai kualitas lanskap suara. Makalah ini berfokus pada analisis data dari dua kampanye pengumpulan (2020 dan 2021) dan penerapan convolutional neural network (CNN) untuk mengklasifikasikan peristiwa akustik, bahkan ketika peristiwa tersebut terjadi secara bersamaan. Motivasi penelitian ini berasal dari kebutuhan untuk memproses data berskala besar yang dikumpulkan warga secara efisien dan memahami dampak pandemi terhadap kebisingan lingkungan.
Mengapa penting
Penelitian ini menunjukkan kelayakan penggunaan data sains warga dan machine learning untuk analisis lanskap suara. Kinerja CNN, meskipun moderat, menyoroti tantangan deteksi peristiwa akustik polifonik. Pengaruh prevalensi dan FBR menunjukkan bahwa ketidakseimbangan kelas dan signal-to-noise ratio merupakan faktor kritis. Penulis membahas batasan pendekatan saat ini dan potensi perbaikan, seperti augmentasi data, arsitektur lanjutan, atau transfer learning. Temuan ini juga memberikan wawasan tentang lanskap suara di Catalonia selama pandemi, dengan implikasi potensial bagi pemantauan polusi kebisingan dan perencanaan kota. Penelitian selanjutnya dapat melibatkan perluasan dataset dan penyempurnaan model untuk kategori yang lebih luas.
Siapa yang sebaiknya membaca
Pembaca Research Digest dan praktisi rumpun ini.
Membuka konten member…