Article also available in English
Lintujen ääniä tunnistavat sovellukset vaikuttavat vakuuttavilta, mutta kuinka luotettavia niiden tulokset todella ovat? Tässä raportissa verrattiin neljää bioakustista tunnistusmallia suomalaisessa maaseutuympäristössä: Muuttolintujen kevät v4:ää, BirdNET 2.4:ää, BirdNET 3.0:aa ja Google DeepMindin Perch 2.0:aa.
Vertailu paljasti huomattavia lajikohtaisia eroja. Suomen oloihin koulutettu Muuttolintujen kevät v4 tuotti johdonmukaisimman kokonaisuuden ja tunnisti esimerkiksi variksen, kanadanhanhen ja pääskyset muita malleja paremmin. Uusi BirdNET 3.0 osoittautui lupaavaksi globaaliksi malliksi, kun taas Perch 2.0 erottui kyvyllään tunnistaa lintujen lisäksi muita eläimiä ja ympäristöääniä.
Tulokset osoittivat myös automaattisen tunnistamisen sudenkuopat. Vakuuttava varmuusprosentti tai usean mallin yhtenevä tulos ei aina merkinnyt oikeaa havaintoa: esimerkiksi kaikki tarkistetut sarvipöllö- ja huuhkajahavainnot olivat tässä kesäaineistossa virheellisiä. Toisaalta yksittäinenkin havainto voi muuttoaikana olla todellinen ohilentävä lintu.
Raportti kertoo, mitä mallit tunnistivat oikein, missä ne epäonnistuivat ja kuinka bioakustisia tuloksia kannattaa käytännössä suodattaa ja varmentaa. Mukana ovat mallikohtaiset vahvuudet, lajiryhmävertailut, tarkat aineistotaulukot sekä suositeltu työnkulku automaattiseen luonnonseurantaan.
LATAA JA LUE RAPORTTI
