Sistema foi criado por pesquisadores apoiados pela FAPESP e descrito na revista Scientific Reports
Da mesma forma que um motorista pode ser avisado atualmente sobre um engarrafamento ou um carro parado no acostamento, em breve notificações poderão aparecer na tela do smartphone ou do computador de bordo do carro, alertando em tempo real sobre a presença de um tamanduá, um lobo-guará ou até mesmo uma anta atravessando a pista. 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 (Fundação de Amparo à Pesquisa do Estado de São Paulo) e descrito na revista Scientific Reports.
Com o método, nenhum humano precisa necessariamente avistar esses animais antes ou acionar comandos para fazer os alertas. As espécies estudadas 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.
Para desenvolver a aplicação no contexto das espécies brasileiras, os pesquisadores começaram reunindo um banco de dados de mamíferos da fauna brasileira ameaçada, com maior probabilidade de serem atropelados. Foram coletadas 1.823 fotos, sem direitos autorais, baixadas da internet. Quando necessário, as imagens foram editadas para remover ruídos que pudessem prejudicar a identificação das espécies, ou para fornecer uma variedade de ângulos que facilitasse a identificação.
Os pesquisadores testaram diferentes versões da arquitetura YOLO (You Only Look Once, ou “você olha apenas uma vez”, em tradução livre), um modelo de visão computacional amplamente utilizado no reconhecimento de objetos, incluindo animais silvestres. Uma das vantagens é a detecção em apenas um estágio, ideal para a identificação em tempo real. Além disso, a possibilidade de uso do sistema em dispositivos de borda, como computadores portáteis, foi um fator determinante na escolha.
Vídeos de animais feitos pelos pesquisadores no Parque Ecológico de São Carlos foram usados para testar a eficiência do sistema. Atualizações futuras do banco de dados devem incluir imagens de animais capturadas em armadilhas fotográficas e até mesmo em câmeras de rodovias.
Curiosamente, versões mais antigas do YOLO tiveram melhor desempenho na detecção dos animais. Em imagens diurnas, onde o animal aparece claramente, os modelos detectaram corretamente a espécie em 80% dos casos. No entanto, problemas comuns de visão computacional, como detecção em ambientes noturnos, com chuva ou com o animal parcialmente escondido, ainda persistem e devem ser abordados em futuros trabalhos.
Além de adicionar novas imagens ao banco de dados, parcerias com concessionárias de rodovias e prefeituras podem permitir que o sistema seja testado em situações reais e integrado a tecnologias existentes. Em 2020, o grupo liderado por Meneguette desenvolveu uma aplicação que informa os motoristas sobre as condições de trânsito com base em informações coletadas pelos celulares na cidade de Catanduva, São Paulo.
A diferença em relação a aplicativos como Waze e Google Maps é que as informações podem ser inseridas pela autoridade de trânsito municipal, como aconteceu na cidade paulista.
Leia também: UFG capta R$ 60 mi em recursos privados para pesquisas com IA