Algoritmos de procesamiento de audio para la identificación de aves en el bosque protector Murocomba.
| dc.contributor.advisor | Intriago Rodríguez, Diego Fernando | |
| dc.contributor.author | Macías Quiroz, Justin Iván | |
| dc.date.accessioned | 2026-03-11T18:05:48Z | |
| dc.date.available | 2026-03-11T18:05:48Z | |
| dc.date.issued | 2025 | |
| dc.description | This research presents the development of an automated system for the identification of avian species through audio processing and machine learning algorithms, applied in the Murocomba Protected Forest, located in the province of Los Ríos, Ecuador. This ecosystem, characterized by its high biodiversity, is exposed to threats such as illegal logging and the advance of human activities, largely due to the absence of structured monitoring systems to support effective conservation strategies. The project proposes a solution based on the combination of Convolutional Neural Networks (CNN) and Audio Fingerprinting, techniques that allow classifying avian vocalizations from signals captured by strategically distributed acoustic sensors. The methodology included data collection, audio preprocessing, acoustic feature extraction and model validation with specialized databases such as Xeno-Canto. The results obtained demonstrate high accuracy in species identification, even in scenarios with considerable ambient noise, which demonstrates the robustness of the system in adverse conditions. In addition, a structured acoustic database was generated, enriched with key metadata, which can be reused in future biodiversity research. This non-invasive and replicable approach is a very useful technological tool for conservation institutions, allowing continuous, efficient and near-real-time monitoring of avian fauna, especially in areas that are difficult to access. The proposal reinforces the integration between science, technology and environment in the field of modern ecological management. | |
| dc.description.abstract | Esta investigación presenta el desarrollo de un sistema automatizado para la identificación de especies aviares mediante algoritmos de procesamiento de audio y aprendizaje automático, aplicado en el Bosque Protector Murocomba, ubicado en la provincia de Los Ríos, Ecuador. Este ecosistema, caracterizado por su elevada biodiversidad, se encuentra expuesto a amenazas como la tala ilegal y el avance de actividades humanas, en gran parte debido a la ausencia de sistemas de monitoreo estructurado que respalden estrategias de conservación efectivas. El proyecto propone una solución basada en la combinación de Redes Neuronales Convolucionales (CNN) y Huellas Acústicas (Audio Fingerprinting), técnicas que permiten clasificar vocalizaciones aviares a partir de señales captadas por sensores acústicos estratégicamente distribuidos. La metodología comprendió fases de recolección de datos, preprocesamiento de audio, extracción de características acústicas y validación del modelo con bases de datos especializadas como Xeno-Canto. Los resultados obtenidos demuestran una alta precisión en la identificación de especies, incluso en escenarios con ruido ambiental considerable, lo que evidencia la robustez del sistema ante condiciones adversas. Además, se generó una base de datos acústica estructurada, enriquecida con metadatos clave, que podrá ser reutilizada en investigaciones futuras sobre biodiversidad. Este enfoque no invasivo y replicable constituye una herramienta tecnológica de gran utilidad para instituciones dedicadas a la conservación, al permitir el monitoreo continuo, eficiente y en tiempo casi real de la fauna aviar, especialmente en zonas de difícil acceso. La propuesta refuerza la integración entre ciencia, tecnología y medioambiente en el ámbito de la gestión ecológica moderna. | |
| dc.format.extent | 128 | |
| dc.identifier.citation | Macías Quiroz, Justin Iván (2025). Algoritmos de procesamiento de audio para la identificación de aves en el bosque protector Murocomba. Quevedo. UTEQ. 128 Paginas | |
| dc.identifier.other | 460096 | |
| dc.identifier.uri | https://repositorio.uteq.edu.ec/handle/43000/9145 | |
| dc.language.iso | spa | |
| dc.publisher | Quevedo: UTEQ | |
| dc.rights | Attribution-NonCommercial-ShareAlike 3.0 United States | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/us/ | |
| dc.subject | Bioacústica | |
| dc.subject | Aprendizaje automático | |
| dc.subject | Monitoreo ambiental | |
| dc.subject | Procesamiento de señales | |
| dc.subject | Conservación basada en datos | |
| dc.title | Algoritmos de procesamiento de audio para la identificación de aves en el bosque protector Murocomba. | |
| dc.type | bachelorThesis |
