Algoritmi di Computational Audio Processing per il riconoscimento automatico di eventi bioacustici

L’identificazione e la localizzazione automatica di eventi bioacustici rappresentano un campo di ricerca sempre più rilevante, con applicazioni che spaziano dal monitoraggio della biodiversità alla tutela di specie in via di estinzione. In questa tesi, viene proposto l’utilizzo di algoritmi di Computational Audio Processing basati su Convolutional Neural Network (CNN) per affrontare le sfide connesse al riconoscimento e alla localizzazione di eventi acustici naturali. Lo studio si focalizza su diverse fasi: dalla preparazione dei dati attraverso annotazioni e tecniche avanzate di preprocessing, all’addestramento di modelli CNN ottimizzati mediante strategie come il bilanciamento dei dati e il data augmentation, fino alla valutazione delle prestazioni tramite metriche specifiche come Precision e Recall. Inoltre, viene approfondita l’applicazione di tecniche di localizzazione acustica basate sull’analisi dei ritardi temporali di arrivo (TDOA), utilizzando una rete di ricevitori sincronizzati. I risultati sperimentali evidenziano l’efficacia delle CNN nell’identificazione di eventi bioacustici e mostrano le potenzialità delle tecniche di localizzazione per stimare la posizione delle sorgenti sonore, aprendo la strada a sviluppi futuri in ambito ecologico e tecnologico.