Correo Electrónico
DNINFOA - SIA
Bibliotecas
Convocatorias
Identidad U.N.
Publicado
Military artificial intelligence applied to sustainable development projects: sound environmental scenarios
Inteligencia artificial militar aplicada a proyectos de desarrollo sostenible: escenarios ambientales sonoros
DOI:
https://doi.org/10.15446/dyna.v90n228.108639Palabras clave:
artificial intelligence; intelligence; surveillance; and recognition; project management; environmental sounds; MASINT (en)inteligencia artificial; inteligencia; vigilancia y reconocimiento; gestión de proyectos; sonidos ambientales; MASINT (es)
Descargas
Artificial intelligence (AI) used in intelligence, surveillance, and reconnaissance (ISR) has a high application interest in project management. This article presents a result of military research on ISR applicable to monitoring and recognition of audio signals for environmental protection and critical infrastructure. Two databases with environmental sounds were built from open access platforms for training, validation, and testing. The identification characteristics for IA are extracted from the preprocessing of the sounds, obtaining the Mel Frequency Cepstral Coefficients (MFCC). As a result, model performance for more realistic soundstages shows higher accuracy compared to training categories in identifying signal frequency and duration settings. It is concluded that the model is applicable to various environmental scenarios as a low-cost alternative technology to be applied in sustainable project management.
La inteligencia artificial (IA) utilizada en inteligencia, vigilancia y reconocimiento (IVR) tiene un alto interés de aplicación en gestión de proyectos. Este artículo presenta un resultado de investigación militar en IVR aplicable a monitorización y reconocimiento de señales de audio para protección medioambiental y de infraestructura crítica. Se construyeron dos bases de datos con sonidos ambientales extraídos de plataformas de acceso abierto, para entrenar, validar y probar. Las características de identificación para IA se extraen del preprocesamiento de los sonidos, obteniendo los coeficientes Cepstrales en las frecuencias de Mel (MFCC). Como resultado, el rendimiento del modelo para escenarios sonoros más realistas muestra mayor precisión en comparación con las categorías de entrenamiento para identificar la configuración de frecuencia y duración de la señal. Se concluye que el modelo es aplicable a diversos escenarios ambientales como una tecnología alternativa de bajo costo para ser aplicada en gestión de proyectos sustentables.
Referencias
Corzo-Ussa, G.D., Álvarez-Aros, E.L. and Chavarro, F., Industry 4.0 and its applications in the military: strategic opportunity for Latin America. Revista Científica General José María Córdova, 20(39), pp. 717-736, 2022. DOI: https://doi.org/10.21830/19006586.882
Shi, X., Yang, C., Xie, W., Liang, C., Shi, Z. and Chen, J., Anti-drone system with multiple surveillance technologies: architecture, implementation and challenges. IEEE Communications Magazine, 56(4), pp. 68-74, 2018. DOI: https://doi.org/10.1109/MCOM.2018.1700430
Dias de Oliveira, J., Biondi, D., Nunho dos Reis, A.R. and Viezzer, J., Landscape visual quality influence on noise pollution propagation in urban green areas. DYNA, 88(219), pp. 131-138, 2021. DOI: https://doi.org/10.15446/dyna.v88n219.94724
Pochanin, G. et al., Application of the Industry 4.0 paradigm to the design of a UWB radiolocation system for humanitarian demining. In: 2018 9th International Conference on Ultrawideband and Ultrashort Impulse Signals (UWBUSIS), Odessa, UA., 2018. DOI: https://doi.org/10.1109/UWBUSIS.2018.8520226
Teran, M., Aranda, J., Marin, J., Uchamocha, E. and Corzo-Ussa, G.D., A methodology for signals intelligence using non-conventional techniques and software-defined radio. IEEE Colombian Conference on Communications and Computing (COLCOM 2021), 2022. DOI: https://doi.org/10.1109/colcom52710.2021.9486297
Sedunov, A., Salloum, H., Sutin, A., Sedunov N. and Tsyuryupa S., UAV passive acoustic detection. IEEE International Symposium on Technologies for Homeland Security (HST), 2018. DOI: https://doi.org/10.1109/THS.2018.8574129
Piczak, K.J., GitHub - karolpiczak/ESC-50: ESC-50: Dataset for Environmental Sound Classification [Online], 2021. [date of reference January 22nd of 2022]. Available at: https://github.com/karolpiczak/ESC-50
Ahmad, S.F and Singh, D.K., Automatic detection of tree cutting in forests using acoustic properties. Journal of King Saud University - Computer and Information Sciences, 34(3), pp. 757-763, 2022. DOI: https://doi.org/10.1016/j.jksuci.2019.01.016
Nicolae, G., Gaiţǎ, A., Rǎdoi, A. and Burileanu, C., A Method for chainsaw sound detection based on Haar-like features, in: 41st International Conference on Telecommunications and Signal Processing (TSP), 2018. DOI: https://doi.org/10.1109/TSP.2018.8441379
Richelson, J.T., MASINT: the new kid in town. International Journal or Intelligence and Counterintelligence, 14(2), pp. 149-192, 2001. DOI: https://doi.org/10.1080/088506001300063136
Lum, Z., The measure of MASINT. Journal of Electronic Defense, 21(8), pp. 43-48, 1998.
Londoño, L.A., y Osorio-Isaza, V., Variables de la inteligencia de medidas de huellas distintivas – MASINT. Editorial Planeta Colombiana S.A., 2021.
Chang, X., Yang, C., Wu, J., Shi, X., and Shi, Z.A., Surveillance system for drone localization and tracking using acoustic arrays. In: IEEE 10th Sensor Array and Multichannel Signal Processing Workshop (SAM), 2018. DOI: https://doi.org/10.1109/SAM.2018.8448409
Güvenç, İ., Koohifar, F., Singh, S., Sichitiu, M.L., and Matolak, D., Detection, tracking, and interdiction for amateur drones. IEEE Communications Magazine, 56(4), pp. 75-81, 2018. DOI: https://doi.org/10.1109/MCOM.2018.1700455
Mondragón, F.J., Pérez-Meana, H.M., Calderón, G. and Jiménez, J., Clasificación de sonidos ambientales usando la transformada wavelet continua y redes neuronales convolucionales. Información tecnológica, 32(2), pp. 61-78, 2021. DOI: https://doi.org/10.4067/s0718-07642021000200061
Castro, L.R. y Castro, S.M., Wavelets y sus Aplicaciones. [online], 1er Congreso Argentino de Ciencias de la Computación, 2004. Available at: http://sedici.unlp.edu.ar/handle/10915/129809
Moreaux, M., Environmental sound classification 50 | Kaggle, [Online]. 2018. [date of reference January 22nd of 2022]. Available at: https://www.kaggle.com/datasets/mmoreaux/environmental-sound-classification-50
Mahalakshmi, P., A review on voice activity detection and mel-frequency cepstral coefficients for speaker recognition (Trend analysis). Asian Journal of Pharmaceutical and Clinical Research, 9(9), pp. 360-363, 2016. DOI: https://doi.org/10.22159/ajpcr.2016.v9s3.14352
Li Q. et al., MSP-MFCC: Energy-Efficient MFCC Feature extraction method with mixed-signal processing architecture for wearable speech recognition applications. IEEE Access, 8, pp. 48720-48730, 2020. DOI: https://doi.org/10.1109/ACCESS.2020.2979799
Dobariya, N., 85% validation accuracy-Tensorflow | Kaggle [online]. 2020. [date of reference January 22nd of 2022]. Available at: https://www.kaggle.com/code/doofensmirtz/85-validation-accuracy-tensorflow/comments
Magagula, H.B., Military integrated environmental management programme of the South African National Defence Force. South African Geographical Journal, 102(2), pp. 1-20, 2019. DOI: https://doi.org/10.1080/03736245.2019.1661873
Samaras, C., Nuttall, W.J., and Bazilian, M., Energy and the military: convergence of security, economic, and environmental decision-making. Energy Strategy Reviews, 26(1), pp. 1-11, 2019. DOI: https://doi.org/10.1016/j.esr.2019.100409
Ghiurcau, M.V., Rusu, C., and Bilcu, R.C., Wildlife intruder detection using sounds captured by acoustic sensors. IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings (ICASSP), 2010. DOI: https://doi.org/10.1109/ICASSP.2010.5495924
Sophiya, E., and Jothilakshmi, S., Large scale data-based audio scene classification. International Journal of Speech Technology, 21(4), pp. 825-836, 2018. DOI: https://doi.org/10.1007/s10772-018-9552-3
Cómo citar
IEEE
ACM
ACS
APA
ABNT
Chicago
Harvard
MLA
Turabian
Vancouver
Descargar cita
CrossRef Cited-by
1. Sándor Gazdag, Tom Möller, Anita Keszler, András L. Majdik. (2025). Detection and Tracking of MAVs Using a Rosette Scanning Pattern LiDAR. IEEE Access, 13, p.141651. https://doi.org/10.1109/ACCESS.2025.3596857.
Dimensions
PlumX
Visitas a la página del resumen del artículo
Descargas
Licencia
Derechos de autor 2023 DYNA
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
El autor o autores de un artículo aceptado para publicación en cualquiera de las revistas editadas por la facultad de Minas cederán la totalidad de los derechos patrimoniales a la Universidad Nacional de Colombia de manera gratuita, dentro de los cuáles se incluyen: el derecho a editar, publicar, reproducir y distribuir tanto en medios impresos como digitales, además de incluir en artículo en índices internacionales y/o bases de datos, de igual manera, se faculta a la editorial para utilizar las imágenes, tablas y/o cualquier material gráfico presentado en el artículo para el diseño de carátulas o posters de la misma revista.
