Red neuronal densa para la clasificación de llamadas de dos especies de ranas cristal

Abstract

En este documento se presenta la aplicación de aprendizaje automático (AA) para la clasificación de llama-das de las especies de rana cristal, Hyalinobatrachium fleischmanni (Hf) y Espadarana prosoblepon (Ep) a partir de grabaciones de audio. Para esto se ha utilizado un dataset de datos acústicos obtenidos por medio de la manipulación de frecuencias (+4 semitonos para Hf y -4 semitonos para Ep) y la incorporación de ruidos ambientales (white noise/pink noise). El modelo de AA se ha entrenado con llamadas de ranas originales y modificadas con el objetivo de poder distinguir las llamadas ante variaciones en las señales acústicas. La evaluación del modelo se ha realizado mediante el uso de las métricas F1-score, precisión y recall. Los re-sultados obtenidos muestran la capacidad del modelo para clasificar con precisión (98 %) las llamadas de ranas.

This document presents the application of machine learning (ML) for the classification of calls from glass frog species, Hyalinobatrachium fleischmanni (Hf) and Espadarana prosoblepon (Ep) based on audio re-cordings. For this, a dataset of acoustic data obtained through frequency manipulation (+4 semitones for Hf and -4 semitones for Ep) and the incorporation of environmental noise (white noise/pink noise) was used. The ML model was trained with original and modified frog calls in order to distinguish the calls under varia-tions in the acoustic signals. Model evaluation was carried out using F1-score, precision, and recall metrics. The results show the model's ability to classify frog calls with high accuracy (98%).