Zur Analyse von Fledermausrufen wurden Audiodateien an verschiedenen Standorten gesammelt. Nun sollen diese Daten für Machine Learning bearbeitet werden. Dazu soll die Software «Label-Studio» durch die Funktion von visuellem Labeling von Audiospektrogrammen erweitert werden. Zur Umsetzung der Aufgabenstellung wurden Implementationsmöglichkeiten sowie die grundlegende Struktur analysiert und anschliessend ein Prototyp erstellt welcher anhand von geleiteten Walkth-roughs und System-Usability-Scales validiert und optimiert wurde.
Fledermaus, SPektrogramm, Machine-Learning, React, Web
"Das Ziel dieser Arbeit ist es, ein Spektrogramm Feature oder Plugin für die Label Studio open source Software zu entwickeln. Dieses soll insbesondere erlauben, den für Fledermäuse relevanten Frequenzbereich zu selektieren, sowie Audio und Spektrokgramm synchron und wenn notwendig verlangsamt abzuspielen."
«Im Rahmen des SNF-Projekts "Mitwelten - Medienökologische Infrastrukturen für Biodiversität" wur-den grosse Mengen an Audio-Daten gesammelt und mit Machine-Learning analysiert, um Vogelarten und Fledermäuse zu detektieren. Nun sollen einige dieser Aufnahmen von Hand mit Labels versehen werden, zur Validierung der automatischen Auswertung. Dazu soll die open source Software Label Studio verwendet werden. Diese bietet jedoch trotz entsprechendem, mehrjährigem Interesse noch keine Möglichkeit, Audio-Daten anhand ihres Spektrogramms zu beschriften.»
Zusammenfassend lässt sich sagen, dass der Prototyp eine solide Grundlage bietet, und durch gezielte Verbesserungen und Erweiterungen erheblich an Benutzerfreundlichkeit und Funktionalität gewinnen kann. Die Erkenntnisse aus den Benutzertests sind dabei von hohem Wert und werden die zukünftige Entwicklung massgeblich beeinflussen.
Cedric Spindler https://criticalmedialab.ch/people/cedric-spindler/
Thomas Amberg, thomas.amberg@fhnw.ch
