 |
| Banco de dados de espécies como o tamanduá-bandeira permitiu treinar para a realidade do país modelo utilizado em outros países (imagem: montagem de Gabriel Souto Ferrante sobre foto de Miguel Rangel Jr/Creative Commons) |
Pesquisadores treinam modelo de visão computacional para identificar, em tempo real, os mamíferos da fauna brasileira que são mais atropelados nas estradas do país. Grupo busca parceria com concessionárias para testar aplicação em situações reais
Da mesma forma que um motorista
pode hoje ser avisado de um engarrafamento ou um carro parado no acostamento,
em algum tempo notificações poderão pular na tela do smartphone ou do
computador de bordo do carro avisando, em tempo real, que um tamanduá, um
lobo-guará ou mesmo uma anta estão atravessando a pista. Tudo isso sem que
nenhum humano precise necessariamente ver esses animais antes nem acionar
comandos para fazer os alertas.
Para que algo assim se
tornasse realidade, um passo importante era a construção de um modelo de
visão computacional que detectasse, automaticamente, animais da fauna
brasileira. O sistema foi criado por pesquisadores apoiados pela FAPESP e descrito na revista Scientific
Reports.
“Essas espécies foram
escolhidas conforme métricas do Centro Brasileiro de Estudos em Ecologia de
Estradas [CBEE, da Universidade Federal de Lavras]. Segundo as estimativas do
centro, cerca de 475 milhões de animais são atropelados por ano nas estradas do
país. Criamos, então, um banco de dados de espécies brasileiras e treinamos os
modelos de visão computacional para detectá-las”, explica Gabriel Souto
Ferrante, que realizou o trabalho como parte do mestrado no Instituto de
Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC-USP),
em São Carlos.
Segundo Rodolfo Ipolito Meneguette, professor do
ICMC-USP que orientou o mestrado de Ferrante e também assina o estudo, grupos
de outros países já trabalham há algum tempo na detecção da fauna silvestre com
o uso de inteligência artificial. Porém, os modelos criados no exterior não dão
conta da nossa fauna.
Além disso, poucos deles se
preocupam com a identificação de animais nas estradas, uma aplicação que exige
detecção rápida, num ambiente muitas vezes com condições de visibilidade pouco
favoráveis.
“No choque com um animal de
grande porte, o risco também é muito grande para o condutor, que muitas vezes
não tem tempo de resposta rápido o suficiente para evitar a colisão. Nesse
sentido, um sistema que use as próprias câmeras da rodovia, embarcado num
computador portátil, tem um aspecto inovador”, conta o pesquisador.
O trabalho integra os projetos
“Serviços para um sistema de transporte inteligente”
e “Gerenciamento de recursos dinâmicos para aplicativos de
sistema de transporte inteligente”, ambos apoiados pela FAPESP.
Detecção
instantânea
Para desenvolver a aplicação no
contexto das espécies brasileiras, os pesquisadores primeiro reuniram um banco de dados de mamíferos da fauna
brasileira ameaçada com mais chances de serem atropelados.
Foram reunidas 1.823 fotos, livres
de direitos autorais, baixadas da internet. Quando necessário, as imagens foram
editadas para retirar “ruídos”, que poderiam atrapalhar a identificação das
espécies, ou para fornecer uma diversidade de ângulos que ajudasse na
identificação.
Os pesquisadores testaram,
então, diferentes versões da arquitetura YOLO (You Only Look Once, ou
“você olha apenas uma vez”, numa tradução livre). O modelo de visão
computacional tem sido bastante utilizado no reconhecimento de objetos,
inclusive de animais silvestres.
Entre as vantagens está a detecção em apenas um estágio, a mais indicada para a
identificação em tempo real.
Outro fator que pesou para a
escolha foi a possibilidade de utilização do sistema nos chamados dispositivos
de borda, computadores portáteis com poder de processamento para tarefas
relativamente exigentes em capacidade computacional.
Vídeos de animais feitos pelos
pesquisadores no Parque Ecológico de São Carlos foram utilizados para testar a
eficiência do sistema. Futuras atualizações do banco de dados devem incluir
imagens de animais capturadas em armadilhas fotográficas e mesmo em câmeras de
rodovias.
Curiosamente, versões mais
antigas do YOLO tiveram melhor performance na detecção dos animais. “Em imagens
feitas durante o dia, em que o animal aparece claramente, os modelos detectaram
corretamente a espécie em 80% dos casos”, conta Ferrante.
No entanto, problemas comuns da
visão computacional, como detecção em ambientes noturnos, com chuva e com o
animal parcialmente escondido, ainda persistem e devem ser alvo de trabalhos
futuros.
Além de incluir novas imagens
no banco de dados, parcerias com concessionárias de rodovias e prefeituras
podem possibilitar que o sistema seja testado em situações reais e mesmo
integrado a tecnologias já existentes.
Em 2020, o grupo liderado por
Meneguette desenvolveu uma aplicação que
avisa os motoristas das condições de trânsito, a partir de informações
coletadas pelos próprios celulares na cidade de Catanduva, no Estado de São
Paulo.
A diferença de aplicativos como
o Waze e Google Maps é que as informações podem ser inseridas pela autoridade
de trânsito municipal, por exemplo, como foi feito na cidade paulista.
“Uma possibilidade seria
acoplar nosso sistema de detecção de animais a essa aplicação que já temos,
aumentando a segurança para os motoristas e os animais”, exemplifica
Meneguette.
O estudo Evaluating
YOLO architectures for detecting road killed endangered Brazilian animals pode
ser lido gratuitamente em: www.nature.com/articles/s41598-024-52054-y.
Agência FAPESP
https://agencia.fapesp.br/sistema-utiliza-inteligencia-artificial-para-detectar-animais-selvagens-na-pista-e-evitar-acidentes/51095
Nenhum comentário:
Postar um comentário