Ferramenta de IA com SAM detecta cantos de baleias em dados sísmicos com mais de 96% de precisão

Uma ferramenta de IA criada para reconhecer objectos em imagens consegue agora identificar cantos de baleias escondidos em dados sísmicos com mais de 96 por cento de precisão.

O mais curioso é que o sistema não foi treinado com sons de baleia. O truque está em que um canto, quando convertido num espectrograma, passa a ser um padrão visual - e este tipo de IA é particularmente forte a detectar padrões em imagens.

O estudo foi liderado por Zhuo Xiao, da Universidade de Guangxi Minzu, em conjunto com outros investigadores.

A equipa aplicou um modelo de IA de base chamado SAM - Segment Anything Model - a registos sísmicos recolhidos numa única estação na Ilha de Xieyang, no Golfo de Beibu, no Mar do Sul da China.

O foco foram os vocalizos das baleias-de-Bryde, uma espécie de baleia-de-barbas que se alimenta nas águas pouco profundas dessa região.

Transformar som num problema visual

A ideia central do método é directa: ao gravar um som e convertê-lo num espectrograma - uma representação visual que mostra como as frequências variam ao longo do tempo - obtém-se uma imagem.

Nessas imagens, os cantos das baleias formam padrões nítidos e repetitivos, surgindo com frequências e intervalos consistentes.

Foi precisamente essa regularidade que tornou o SAM adequado para a tarefa.

“Isso transforma a detecção de cantos numa tarefa de segmentação de imagem, em que o SAM se destaca”, disse Xiao. “A repetição dos cantos e a faixa de frequências fixa oferecem pressupostos de domínio simples.”

Desta forma, a IA recebeu um problema visual que já sabia resolver, mas aplicado a dados que nunca tinha visto.

O facto de as imagens representarem vocalizações de baleias, em vez de objectos do quotidiano, acabou por ter pouca relevância.

Resultados superiores à revisão humana

Os resultados foram mais fortes do que a equipa antecipava. O sistema identificou correctamente cantos de baleia em mais de 96 por cento dos casos e, nalgumas situações, assinalou eventos de vocalização que tinham passado despercebidos quando os mesmos dados foram revistos manualmente.

A equipa analisou gravações de duas datas de 2021 - 26 de Janeiro e 11 de Julho - escolhidas para captarem comportamentos sazonais distintos.

No Golfo de Beibu, as baleias-de-Bryde não vocalizam da mesma forma ao longo de todo o ano, e isso ficou reflectido no registo. No inverno, o intervalo entre os pulsos acústicos dentro de cada canto era mais curto; no verão, era mais longo.

Os investigadores sugerem que isto aponta para uma diferença comportamental: uma coordenação vocal mais intensa entre indivíduos no inverno, quando poderão estar a interagir mais de perto, em comparação com padrões de vocalização mais solitários no verão.

A monitorização acústica passiva baseia-se em “ouvir” com sismómetros e hidrofones, em vez de seguir fisicamente os animais.

É uma das poucas ferramentas disponíveis para detectar este tipo de mudanças subtis de comportamento sem perturbar as baleias.

Para lá das baleias-de-Bryde

Os revisores do estudo levantaram uma questão pertinente: o método generaliza bem ou funciona apenas para a espécie e o local específicos em que foi testado?

Xiao e colegas validaram o modelo com gravações de baleias-comuns na Irlanda e de baleias-azuis no Canadá. O desempenho manteve-se.

“Ficámos agradavelmente surpreendidos com o desempenho forte. Penso que isto reflecte o poder dos modelos de base pré-treinados em conjuntos massivos e genéricos de imagens”, disse Xiao.

“Eles generalizam de forma notável para novos domínios sem grandes alterações no fluxo de trabalho.”

Se uma abordagem só resultar para uma espécie de baleia num único oceano, a utilidade fica limitada. Se funcionar entre espécies e geografias com ajustes mínimos, passa a ser uma ferramenta prática para o sector.

Os desafios que ainda persistem

Apesar da taxa de detecção ser impressionante, os próprios autores são claros quanto às limitações actuais.

Ainda existem falsos positivos e cantos que não são detectados. O ruído ambiental de fundo continua a ser um obstáculo.

A equipa procurou mitigar isso com um fluxo de trabalho de redução de ruído em várias etapas, mas é um problema recorrente na monitorização acústica passiva, independentemente do método de detecção adoptado.

Há também um desafio mais amplo: o campo não dispõe de uma biblioteca abrangente de espectrogramas de cantos de baleias. Mesmo uma ferramenta tão potente continua a ter material de referência limitado.

“Claro que ainda há falsos positivos e cantos não detectados”, disse Xiao.

“No futuro, planeamos incorporar dados de detecção multimodal, como acústica mais sísmica e outras medições oceanográficas, e afinar um modelo de base especificamente adaptado a cantos de cetáceos, melhorando ainda mais o desempenho.”

O método não vai eliminar por completo a revisão humana. Ainda assim, já está a encontrar ocorrências que a análise manual não detectou.