A pesquisa da USP avaliou desempenho de sistemas de detecção de objetos para identificar animais em rodovias. Objetivo: preservar espécies em extinção usando visão computacional.
Estudo realizado pela Universidade de São Paulo (USP) investigou a eficácia da utilização de Inteligência Artificial para identificar espécies da fauna brasileira nas rodovias do país. A proposta é que, a longo prazo, essa tecnologia seja empregada para prevenir possíveis acidentes e proteger a vida selvagem.
Além disso, a pesquisa também analisou diferentes modelos de I.A. e algoritmos de inteligência artificial para aprimorar a precisão na detecção dos animais. A implementação bem-sucedida dessas ferramentas poderá revolucionar a segurança viária e a conservação da biodiversidade, representando um avanço significativo no uso da Inteligência Artificial para fins ambientais.
Inteligência Artificial na Detecção de Espécies em Extinção
‘
‘Estes modelos de visão computacional testados podem ser acoplados a dispositivos de computação de borda – descentralizada – em pistas para realizar a classificação e detecção do animal e assim repassar via aplicativo móvel algum sinal que indique que algum animal passou em determinado trecho’, explicou o pesquisador do instituto Gabriel Souto Ferrante.
Artigos Relacionados
O modelo empregado detectaria o animal por câmeras e realizaria a comunicação de uma informação simples e objetiva. ‘Vale ressaltar que essa pesquisa se concentra na criação dos modelos de I.A. [inteligência artificial] para a detecção, e não houve aplicação completa com aplicativos móveis ainda, sendo um desejo futuro’, acrescentou Ferrante.
A aplicação de algoritmos de inteligência artificial, como os modelos Yolo, tem sido essencial para a detecção de espécies em extinção. Os pesquisadores, que se concentraram em espécies brasileiras em extinção, ressaltam que o sucesso de sua utilização tem relação com a disponibilidade de dados para treinamento do sistema. O estudo foi publicado na revista Scientific Reports.
‘No caso, foi criado um dataset novo [bases de dados com amostras para treinamentos de algoritmos de inteligência artificial] gratuito e aberto, que buscamos realizar a junção de várias espécies de médio e grande porte visando fornecer dados para os modelos Yolo serem treinados’, disse.
‘Foi concluído que a arquitetura em suas diversas versões permitem a detecção e classificação adequada de tais espécies trabalhadas, especialmente em cenários de visibilidade favoráveis, ou seja, com nenhum artefato que obstrua a identificação do animal na pista. Vale ressaltar, que trabalhamos somente com cenários matutinos’, acrescenta o pesquisador.
De acordo com o pesquisador, ‘ainda existem barreiras técnicas relacionadas aos algoritmos desses modelos quando o ambiente possui algum desafio, como oclusão de ambiente – alta vegetação, neblina, chuva -, imagens de baixa qualidade, cenários noturnos.
Todos esses problemas impactam negativamente o entendimento das características – cores, bordas, texturas dos bichos – para serem interpretados pela máquina’.
Além dos problemas relacionados à visão computacional, Ferrante aponta que há problemas relacionados à complexidade computacional exigida, como a necessidade de equipamentos de processamento na borda, ao lado da câmera, que forneçam a execução adequada e em tempo real. No entanto, são equipamentos de alto custo.
‘Falta de parcerias e investimentos em equipamentos de maior velocidade que possam suportar outras arquiteturas de detecção’, acrescentou. Dados da Agência de Transporte do Estado de São Paulo (Artesp) mostram que as rodovias concedidas do estado registraram mais de 6,3 mil atropelamentos de animais silvestres no ano de 2023.
Segundo a agência, a região central do estado concentra o maior número de casos, em cidades como Araraquara, Bauru e São Carlos, com animais selvagens, como tamanduás, capivaras, quatis, entre outros.
‘
Fonte: © TNH1
Comentários sobre este artigo