KI-gestützte Bioakustik erkennt Geschlecht und Alter europäischer Hummer

Ein neues Forschungsprojekt zeigt, dass künstliche Intelligenz (KI) die Geschlechts- und Altersbestimmung von Homarus gammarus – dem europäischen Hummer – anhand seiner akustischen Signale zuverlässig durchführen kann. Durch die Analyse von „Buzzing“ und Schalenvibrationen, die die Tiere in Unterwasserbehältern erzeugen, konnten die Forscher mit einer Genauigkeit von über 97 % zwischen Jungtieren und Erwachsenen unterscheiden.

Die Studie nutzte eine Kombination aus Deep‑Learning‑Modellen (1D‑CNN, 1D‑DCNN) und klassischen Machine‑Learning‑Algorithmen (SVM, k‑NN, Naive Bayes, Random Forest, XGBoost, MLP). Für die Geschlechtsklassifikation erreichten alle Modelle – mit Ausnahme von Naive Bayes – Leistungen von mehr als 93 %. Die Merkmale wurden aus Mel‑Frequency‑Cepstral‑Coefficients (MFCCs) extrahiert, die sich als besonders aussagekräftig erwiesen.

Die Daten wurden in Johnshaven, Schottland, mit Hydrophone‑Aufnahmen in Betonbecken gesammelt. Die Ergebnisse deuten darauf hin, dass passive akustische Überwachung (PAM) ein vielversprechendes, nicht invasives Werkzeug für die Überwachung und das Management von Hummerpopulationen in der Fischerei und Aquakultur darstellt. Durch die Möglichkeit, die Modelle auf Edge‑Computing‑Geräten einzusetzen, könnten Echtzeit‑Entscheidungen im Unterwasserumfeld getroffen werden.