Imagine ser alertado em tempo real sobre a presença de um tamanduá, lobo-guará ou anta atravessando a estrada, da mesma maneira que somos notificados sobre engarrafamentos ou veículos parados no acostamento. Isso pode se tornar realidade graças a um sistema de inteligência artificial (IA) que detecta automaticamente animais da fauna brasileira, desenvolvido por pesquisadores apoiados pela FAPESP e descrito na revista Scientific Reports.
O sistema foi criado para identificar espécies escolhidas com base em métricas do Centro Brasileiro de Estudos em Ecologia de Estradas (CBEE, da Universidade Federal de Lavras). De acordo com o CBEE, estima-se que cerca de 475 milhões de animais sejam atropelados anualmente nas estradas brasileiras. Para combater isso, os pesquisadores criaram um banco de dados de espécies brasileiras e treinaram modelos de visão computacional para detectá-las.
Embora grupos de outros países já estejam utilizando IA para detectar a fauna silvestre, os modelos criados no exterior não são eficazes para a nossa fauna. Além disso, poucos desses modelos focam na identificação de animais nas estradas, uma aplicação que exige detecção rápida em condições de visibilidade muitas vezes desfavoráveis.
Para desenvolver a aplicação no contexto das espécies brasileiras, os pesquisadores reuniram um banco de dados de mamíferos da fauna brasileira ameaçada com maior probabilidade de serem atropelados. Foram coletadas 1.823 fotos, livres de direitos autorais, da internet. As imagens foram editadas para remover “ruídos” que poderiam interferir na identificação das espécies.
Os pesquisadores testaram diferentes versões da arquitetura YOLO (You Only Look Once), um modelo de visão computacional amplamente utilizado no reconhecimento de objetos, inclusive de animais silvestres. Uma das vantagens é a detecção em apenas um estágio, ideal para a identificação em tempo real.
Vídeos de animais feitos pelos pesquisadores no Parque Ecológico de São Carlos foram utilizados para testar a eficiência do sistema. Versões mais antigas do YOLO tiveram melhor desempenho na detecção dos animais. 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.
O sistema pode ser testado em situações reais e até integrado a tecnologias já existentes através de parcerias com concessionárias de rodovias e prefeituras. 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.
Uma possibilidade seria acoplar o sistema de detecção de animais a essa aplicação já existente, aumentando a segurança para os motoristas e os animais. O estudo “Evaluating YOLO architectures for detecting road killed endangered Brazilian animals” pode ser lido gratuitamente no site da revista Scientific Reports.