Dois relatos sobre a comunica\u00e7\u00e3o de peixes chegam para ampliar o conhecimento cient\u00edfico. Pesquisadores identificaram os sons de oito esp\u00e9cies, ampliando o cat\u00e1logo do projeto Fish Sounds, que j\u00e1 soma mais de 1.300 grava\u00e7\u00f5es.<\/p>\n
A pesquisa envolveu uma equipe internacional, com participa\u00e7\u00e3o de Canad\u00e1, EUA e Brasil. O n\u00facleo canadense fica na costa de Col\u00fambia Brit\u00e2nica, onde a Universidade de Vit\u00f3ria coordenou as an\u00e1lises.<\/p>\n
O estudo utilizou monitoramento ac\u00fastico passivo aliado a machine learning para classificar sons de peixes de recife rochoso. A partir de grava\u00e7\u00f5es, o sistema associou sons a esp\u00e9cies com 88% de precis\u00e3o.<\/p>\n
A equipe captou mais de 1.000 sons e os ligou a oito esp\u00e9cies distintas, algumas sem registro pr\u00e9vio de vozes. A t\u00e9cnica combinou \u00e1udio, localiza\u00e7\u00e3o e identifica\u00e7\u00e3o visual para treinar o algoritmo.<\/p>\n
Entre os achados, ficou claro que peixes maiores tendem a emitir sons com frequ\u00eancias mais baixas que os menores. Al\u00e9m disso, determinados comportamentos, como evas\u00e3o de predadores, geraram sons caracter\u00edsticos.<\/p>\n
O m\u00e9todo reuniu dados de \u00e1udio, direcionalidade das fontes e v\u00eddeos para confirmar a esp\u00e9cie. O machine learning analisou 47 caracter\u00edsticas sonoras, incluindo frequ\u00eancia e dura\u00e7\u00e3o, para classificar cada som.<\/p>\n
O estudo foi publicado no Journal of Fish Biology. Os autores destacam o sucesso da integra\u00e7\u00e3o entre ac\u00fastica e IA para entender a comunica\u00e7\u00e3o de esp\u00e9cies marinhas.<\/p>\n
Os resultados ajudam a mapear o di\u00e1logo subaqu\u00e1tico e podem subsidiar pesquisas sobre comportamento, ecologia e conserva\u00e7\u00e3o de peixes de recife. Fontes: Universidade de Vit\u00f3ria, Fish Sounds, Journal of Fish Biology.<\/p>\n","protected":false},"excerpt":{"rendered":"