Учёные Сбера и Института проблем экологии и эволюции имени А. Н. Северцова Российской академии наук разработали автоматический метод распознавания волчьего воя.
Роль волка в регуляции экологических процессов трудно переоценить. Этот хищник широко распространён по всей территории России и оказывает заметное влияние на экономику страны. Волк также является модельным видом для изучения механизмов формирования социальной организации и экологической адаптации благодаря особенностям своего поведения. Однако до сих пор не существует объективных и достоверных методов оценки численности популяции волка. Одной из характерных поведенческих черт этого вида является акустика: волчий вой позволяет сплотить стаю и сигнализировать соседним группам о своём присутствии. Анализ звукозаписей семейных хоров волка позволяет определить число особей, а также половозрастной состав стаи. Данный метод эффективен при использовании сетей автоматических звуковых регистраторов (так называемых «звуковых ловушек») в местах обитания волка. Однако ручная обработка получаемого таким образом потока данных остаётся трудоёмкой, времязатратной и малоэффективной. Обучение нейросетей детекции и выделению акустических сигналов волка среди фоновых шумов позволит значительно повысить эффективность обнаружения воя, а автоматическое определение количества особей, их пола и возрастной группы даст учёным объективный инструмент для оценки численности и структуры популяции.
Коллектив российских учёных из Института проблем экологии и эволюции имени А. Н. Северцова РАН, Сбера и Института истории естествознания и техники им. С. И. Вавилова РАН разработал метод автоматического распознавания волчьего воя с помощью искусственного интеллекта. Для обучения модели были использованы современные и архивные записи воев волков, накопленные коллективом за последние 40 лет.
Основная идея проекта — применение передовой нейросетевой архитектуры Audio Spectrogram Transformer (AST) для создания интеллектуального детектора. Двухэтапный алгоритм с высокой надёжностью определяет наличие любых звуков животных в записи, а затем выделяет среди них именно волчий вой. Это позволило решить проблему дисбаланса данных, когда записей воя в общем массиве звуков относительно мало. Исходя из результатов внутренних расчётов, первая модель детектирует звуки любых животных в аудиопотоке с точностью 98,3% и полнотой 99,3%. Вторая модель, которая отличает волчий вой от других животных, демонстрирует точность 89,6% и полноту 93,4%. Все модели, их веса и исходный код демонстрационного приложения находятся в открытом доступе на платформе GitHub: https://github.com/ds-hub-sochi/wolf_sounds_demo.
Результаты опубликованы в престижном международном журнале Q1 «Scientific Reports» издательства Nature в статье «Автоматическое обнаружение волчьего воя с помощью нейросетевых трансформеров для аудиоспектрограмм» (Automated Detection of Wolf Howls using Audio Spectrogram Transformers): https://www.nature.com/articles/s41598−025−11 413-z.
Практическое применение этой технологии позволит реализовать объективный мониторинг популяции волка в масштабе всей страны. Зоологи получат мощный инструмент для изучения поведения, социальной и пространственной структуры популяций волков. Данный подход также открывает путь для создания аналогичных систем мониторинга других видов.
Роль волка в регуляции экологических процессов трудно переоценить. Этот хищник широко распространён по всей территории России и оказывает заметное влияние на экономику страны. Волк также является модельным видом для изучения механизмов формирования социальной организации и экологической адаптации благодаря особенностям своего поведения. Однако до сих пор не существует объективных и достоверных методов оценки численности популяции волка. Одной из характерных поведенческих черт этого вида является акустика: волчий вой позволяет сплотить стаю и сигнализировать соседним группам о своём присутствии. Анализ звукозаписей семейных хоров волка позволяет определить число особей, а также половозрастной состав стаи. Данный метод эффективен при использовании сетей автоматических звуковых регистраторов (так называемых «звуковых ловушек») в местах обитания волка. Однако ручная обработка получаемого таким образом потока данных остаётся трудоёмкой, времязатратной и малоэффективной. Обучение нейросетей детекции и выделению акустических сигналов волка среди фоновых шумов позволит значительно повысить эффективность обнаружения воя, а автоматическое определение количества особей, их пола и возрастной группы даст учёным объективный инструмент для оценки численности и структуры популяции.
Коллектив российских учёных из Института проблем экологии и эволюции имени А. Н. Северцова РАН, Сбера и Института истории естествознания и техники им. С. И. Вавилова РАН разработал метод автоматического распознавания волчьего воя с помощью искусственного интеллекта. Для обучения модели были использованы современные и архивные записи воев волков, накопленные коллективом за последние 40 лет.
Основная идея проекта — применение передовой нейросетевой архитектуры Audio Spectrogram Transformer (AST) для создания интеллектуального детектора. Двухэтапный алгоритм с высокой надёжностью определяет наличие любых звуков животных в записи, а затем выделяет среди них именно волчий вой. Это позволило решить проблему дисбаланса данных, когда записей воя в общем массиве звуков относительно мало. Исходя из результатов внутренних расчётов, первая модель детектирует звуки любых животных в аудиопотоке с точностью 98,3% и полнотой 99,3%. Вторая модель, которая отличает волчий вой от других животных, демонстрирует точность 89,6% и полноту 93,4%. Все модели, их веса и исходный код демонстрационного приложения находятся в открытом доступе на платформе GitHub: https://github.com/ds-hub-sochi/wolf_sounds_demo.
Результаты опубликованы в престижном международном журнале Q1 «Scientific Reports» издательства Nature в статье «Автоматическое обнаружение волчьего воя с помощью нейросетевых трансформеров для аудиоспектрограмм» (Automated Detection of Wolf Howls using Audio Spectrogram Transformers): https://www.nature.com/articles/s41598−025−11 413-z.
Практическое применение этой технологии позволит реализовать объективный мониторинг популяции волка в масштабе всей страны. Зоологи получат мощный инструмент для изучения поведения, социальной и пространственной структуры популяций волков. Данный подход также открывает путь для создания аналогичных систем мониторинга других видов.
Источник: ИПЭЭ РАН (25.11.2025)
Автор фото: Хосе Антонио Эрнандес-Бланко
