Les ornithologues amateurs chevronnés peuvent souvent identifier les espèces grâce à leurs cris. Imaginez faire la même chose pour le poisson.
Une nouvelle recherche de l’Université de Victoria montre que des espèces de poissons étroitement apparentées produisent des sons distinctifs qui peuvent être séparés par l’IA. Cela ouvre la porte à des programmes de surveillance qui s'appuient sur des signaux acoustiques plutôt que sur des observations visuelles.
L'étude, dirigée par la doctorante Darienne Lancaster, a été publiée dans le Journal of Fish Biology.
Les vocalisations des poissons sont connues depuis longtemps, mais les distinguer dans la nature était un défi. Comme l'explique Lancaster :"Nous ne savions pas quels sons appartenaient à quelle espèce, ni s'il était même possible de les différencier."
Grâce à la surveillance acoustique passive, l'équipe a collecté des enregistrements sous-marins tout en vérifiant simultanément les espèces avec des données visuelles.
Ils ont ensuite formé un modèle d'apprentissage automatique qui a correctement associé les sons aux espèces avec une précision de 88 %, identifiant huit espèces de poissons de la Colombie-Britannique.
L'ensemble de données a également révélé des informations comportementales, telles que les grognements rapides du sébaste épineux lorsqu'il est poursuivi, probablement une réponse défensive.
"C'est passionnant de voir combien d'espèces utilisent le son et les contextes dans lesquels elles le font", a déclaré Lancaster.
Au-delà de la science fondamentale, le modèle offre un moyen moins invasif d'étudier le comportement des poissons et de surveiller les populations.
Les travaux futurs élargiront la base de données pour inclure davantage d'espèces et exploreront les variations régionales au sein des espèces, soulignant ainsi la grande diversité de la vie marine.