Doi: https://doi.org/10.13157/arla.72.2.2025.fo1
Autores: Cristian PÉREZ-GRANADOS
E-mail: cristian.perez@ctfc.cat
Publicado: Volumen 72.2, Julio 2025. Páginas 149-159.
Idioma: Inglés
Título Original: BirdNET confidence scores decrease with bird distance from the recorder: revisiting Pérez-Granados (2023)
Palabras Clave: aprendizaje automático, confianza del modelo, radio de detección, red neuronal convolucional y umbral
Resumen:
BirdNET es una herramienta de aprendizaje automático capaz de identificar 6.500 especies de aves en todo el mundo. BirdNET está disponible en diferentes plataformas, pero con versiones y algoritmos diferentes, lo que puede llevar a resultados confusos. En este Forum, volví a analizar las grabaciones de Pérez-Granados (2023) utilizando BirdNET-Analyzer, la plataforma de BirdNET enfocada en la investigación, en lugar de la plataforma de demostración (BirdNET-Api) utilizada en el estudio original. BirdNET-Analyzer superó a BirdNET-Api al detectar un 28% más de vocalizaciones y mantener altas probabilidades de detección a mayores distancias (75 metros frente a 50 metros). A diferencia del estudio original, hubo diferencias significativas en las probabilidades de detección entre modelos de grabadoras y entre las especies detectadas con más frecuencia. Los puntajes de confianza de BirdNET-Analyzer también variaron: decrecieron significativamente según aumentaba la distancia del ave al grabador, y varía entre las diferentes especies y los tipos de grabadoras empleadas, relaciones que no se observaron en el estudio original. Estos hallazgos pueden proporcionar información valiosa para futuros estudios pasivos de monitoreo acústico de aves utilizando BirdNET, al poner de manifiesto que existe un compromiso entre la precisión y el radio de detección, y podría ayudar en el modelado de radios de detección para mejorar la estimación de densidad de aves y la comparabilidad entre estudios. En general, la variabilidad en los puntajes de confianza entre distancias, grabadores, y especies, enfatiza la necesidad de realizar más investigaciones para optimizar los programas de monitoreo a gran escala que usan BirdNET, los cuales a menudo requieren identificar umbrales óptimos de valores de confianza para cada especie. Finalmente, este Forum destaca la importancia de utilizar BirdNET-Analyzer para fines de investigación a fin de evitar interpretaciones erróneas.
Material Suplementario:
Descargable 1
