AURORA : Monitoreo bioacústico inteligente con clasificación de sonidos en tiempo real.

Abstract

El monitoreo acústico pasivo es una herramienta fundamental para el estudio de la biodiversidad, especialmente en entornos remotos y de difícil acceso. Las campañas de grabación prolongada permiten registrar vocalizaciones de fauna silvestre de forma no intrusiva, pero enfrentan desafíos como el volumen excesivo de datos irrelevantes y la necesidad de un costoso posprocesamiento manual. En este contexto surge el proyecto AURORA, que plantea el diseño de un grabador para monitoreo bioacústico inteligente, capaz de mejorar la eficiencia en la adquisición de datos mediante la clasificación de sonidos en tiempo real. En el marco de este proyecto se diseñó el hardware y firmware del grabador, obteniendo un prototipo funcional completo. El dispositivo implementa un esquema de grabación selectiva que se activa únicamente cuando se detectan eventos sonoros de interés, utilizando un modelo de aprendizaje automático embebido que permite realizar inferencia sobre los audios directamente en el microcontrolador. Por otra parte, el hardware fue concebido como una única PCB que integra el sistema de adquisición de audio y el circuito de alimentación y carga solar. Dentro de las funcionalidades del grabador se incluye la conectividad por Bluetooth Low Energy (BLE), permitiendo monitorear su funcionamiento sin necesidad de intervenir en la instalación. Con un consumo promedio que varía entre 2.33 y 4.58 mA, dependiendo del modo de funcionamiento, el dispositivo puede ser alimentado mediante un pequeño panel solar y una batería recargable, siendo capaz de mantener su autonomía energética en despliegues a largo plazo. El funcionamiento del prototipo diseñado fue validado mediante pruebas de campo en una colonia de pingüinos Gentoo en las Islas Malvinas (Falkland Islands). Para la clasificación de vocalizaciones de pingüinos se entrenó una red neuronal convolucional con arquitectura ResNet, alcanzando un F1-score de 0.96 en un conjunto de test de audios reales. El modelo fue adaptado mediante técnicas de cuantización y compresión para ejecutarse en tiempo real en la plataforma de hardware, con pérdidas despreciables en su desempeño. Los resultados obtenidos a partir de las pruebas de campo indican que el sistema propuesto registra aproximadamente seis veces más vocalizaciones de pingüinos que un grabador comercial funcionando según un cronograma de grabación de 5 minutos por hora, generando una cantidad de archivos cinco veces menor. En síntesis, el prototipo de AURORA representa una solución eficiente, autónoma y de bajo costo, con potencial de adaptación a diversas especies y entornos de aplicación. Finalmente, los archivos de diseño de hardware, firmware y machine learning se encuentran públicos en el grupo de GitLab del proyecto. https://gitlab.fing.edu.uy/aurora/