Ljudlandskapsanalysis med AI-metoder
- Diarienummer
- FID20-0028
- Projektledare
- Mogren, Olof
- Start- och slutdatum
- 220101-271231
- Beviljat belopp
- 2 500 000 kr
- Förvaltande organisation
- RISE Research Institutes of Sweden AB, Borås
- Forskningsområde
- Beräkningvetenskap och tillämpad matematik
Summary
I detta doktorandprojekt kommer vi att angripa ljudlandskapsanalys och utveckla tekniker inom ljudklassificering och källseparering, genom att studera de två problemen tillsammans och kombinera styrkor från lösningar av båda. Resultaten från projektet kommer att möjliggöra stora framsteg inom biologi, medicin, smarta städer och industriella tillämpningar. Metoder som kan skilja på olika typer av ljud kan ge oss insikter om relationer mellan dem och ge svaret på frågor som: hur påverkas levande organismer av människans framfart? Eller hur påverkas de av förändringar i miljön (som extremt väder pga klimatförändringar)? Detta projekt kommer att analysera stora datamängder från ljudinspelningsenheter, som används inom studier av relationer mellan olika ljudtyper. En sådan datamängd består av inspelningar från regnskogen på Madagaskar, där man har problem som begränsad datanotering och höga nivåer av geofoniskt brus. Tillämpningarna i projektet inkluderar också medicin, där våra resultat leda till smarta kroppssensorer för vibrationer och ljud i kroppen. I industriella miljöer kan de teknikerna användas för att övervaka produktionslinjer och göra miljön säkrare. Ett forskningsprojekt pågår redan i samarbete med Lunds universitet för att undersöka ljudbaserad detektering av brandhändelser.
Populärvetenskaplig beskrivning
I detta projekt kommer vi jobba med tekniker från AI och maskininlärning för att förbättra tekniker för källseparering och ljudklassificering. Dessa är centrala inom fältet ljudlandskapsanalys som studerar relationen mellan olika kategorier av ljud, såsom ljud från djur, ljud från miljön, och ljud som kommer från människa och samhälle. Stora framsteg har gjorts inom automatiserad behandling av ljud, mycket tack vare landvinningar inom maskininlärning och djupa neuronnät. Detta i kombination med tillgång till större datakällor har varit möjliggörande för en fantastisk utveckling. Maskinell ljudanalys har möjliggjort smarta hem genom röststyrning och mobila enheter. Vi föreställer oss liknande transformationer inom biologi, medicin, smarta städer och inom industrin. Klimatförändringar har gjort traditionella metoder för spårning och övervakning av ekologiska system svårare. Kamerafällor och passiva ljudupptagningsenheter har på en del ställen satts upp för att samla in information om djurlivet, och detta skapar stora mängder data som man idag till stor del går igenom manuellt. I detta projekt kommer vi att utveckla tekniker för att underlätta detta arbete, vilket kommer leda till ett effektivare arbetssätt för viltvård och forskning på ekosystemet. Vi kommer kunna svara på frågor som hur ljud från mänsklig utveckling, exempelvis buller från motorvägar och flygplatser, påverkar ekosystem genom att följa akustiskt aktiva arter som fungerar som markörer för balansen i systemet. Inom medicin har manuell ljudanalys länge varit del av läkarkårens verktygslåda. Man lyssnar på lungor och hjärta och ställer diagnoser baserat på detta. De smarta ljudanalysmetoder som kommer att utvecklas i detta projekt kommer kunna leda till effektivare arbete inom sjukvården samt nya medicinska analyser som kan utföras baserat på ljud. Inom tillverkningsindustri används en mängd olika sensorer, och smarta analysmetoder möjliggör optimerade serviceintervall och undvikande av dyra produktionsstopp. Automatiserad ljudanalys kan ge ytterligare verktyg som leder till ännu större effektiviseringar, samt leda till ökad säkerhet för människor i den industriella miljön.