Pesquisadores treinam modelo de visão computacional para identificar, em tempo real, os mamíferos da fauna brasileira que são mais atropelados nas estradas do país.
Por André Julião | Agência FAPESP
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.
Legenda da imagem do destaque: 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)
