跟著海里的船只，不停地在船頭兩邊跳躍、引路、著實惹人喜愛的海洋動物——“領航鯨”，它們不僅在動物界中智商數一數二，更擁有能給人帶來幸運的傳說。

然而，幾個月前，浙江臺州海域，智商超群、惹人喜愛的“領航鯨”集體擱淺，多方對12只“領航鯨”全力救援，仍有3頭領航鯨消失生命體征，不禁讓人唏噓。

海洋噪聲 引發海洋動物生存危機的殺手

全球70%的面積都被水覆蓋，“領航鯨”們本應該自由自在地徜徉在藍色星球，又是什么造成他們的生存危機，引發集體擱淺？

有報告指出，不斷加劇的“海洋噪聲”正極大影響著海豚、鯨的生活，成為奪取它們生命的真兇。

海洋動物必須依賴聲音進行交配、覓食、以及躲避天敵。而海洋噪聲輕則影響海洋生物的行為行動，重則導致它們聽力喪失甚至死亡。因各種原因如聲吶等噪聲、磁場及受傷的干擾時，都會導致頭鯨錯誤判斷海岸線與方向，向沙灘最淺處游去，造成集體“自殺”的場景。

水下聲學監測 對計算需求龐大

水聲環境日益復雜，更好地保護海洋哺乳動物迫在眉睫。對海洋哺乳動物進行水下聲學監測則是最有效的方式之一。而持續的水下聲學監測會產生海量數據，依賴人工無法進行快速的數據分析，從而需要實時、有效地對海洋哺乳動物聲信號進行檢測和識別，需要強大的算力支撐。

另一方面，人工智能領域取得了快速發展，通過將人工智能方法應用于海洋聲學，建立一個基于人工智能的海洋哺乳動物聲信號實時檢測識別系統，可以有效提高對龐大數據的處理效率，從而實現對海洋哺乳動物的實時監測。

曙光助力聲學信號分析 準確率達到99.6%

近日，基于曙光提供的計算資源的支撐，某海洋研究所團隊對已獲取的海洋哺乳動物聲學觀測資料進行分析并獲得了進一步研究結果。

該團隊基于海洋哺乳動物調頻特性信號的輪廓特征提取算法，提出了一種基于人工輔助的時頻輪廓特征提取方法，在降低人工參與的同時，實現對海洋哺乳動物調頻特性信號特征參數的完整提取。

基于一定人工輔助，該方法可以自動獲取時頻輪廓，提取信號的聲學特征參數（時長、頻率、拐點、諧波數等），并自動劃分信號類型。

并且通過實測數據的結果顯示，該提取方法能夠有效地獲取不同物種的各類型調頻特性聲信號的特征參數，在拐點數和信號類型方面的準確率達到99.6%。目前，該算法已應用于多個物種聲學信號的分析研究中。

另外，此團隊也提出了一種基于圖像處理的海洋哺乳動物回聲定位信號檢測識別算法。算法使用Frangi濾波首先對分幀后的時頻圖像進行降噪處理，隨后使用Hough變換進行直線檢測，最后訓練出一個隨機森林分類器，進一步甄別出回聲定位信號。并且，使用開源數據庫與實測共4種動物的聲數據對算法進行了實驗。結果表明，與傳統能量算法對比，該算法在所使用的數據中檢測準確率不低于80%，同時也保持了較高的召回率。

在未來，該團隊將會基于曙光提供的計算資源進行進一步的擴充樣本，構建的檢測識別模型能夠識別不少于5種海洋哺乳動物，識別準確率不低于90%。

既然海洋生物不能“說話”，那么就讓人類為它發聲。

責任編輯：haq