Com possibilidade de inclusão em apps de navegação, projeto utiliza modelo de visão computacional que detecta instantaneamente fauna presente em banco de dados. Banco de dados de espécies como o tamanduá-bandeira permitiu treinar modelo para a realidade do país
Montagem de Gabriel Souto Ferrante sobre foto de Miguel Rangel Jr/Creative Commons
Segundo estimativas do Centro Brasileiro de Estudos em Ecologia de Estradas (CBEE), da Universidade Federal de Lavras (UFL), cerca de 475 milhões de animais são atropelados por ano nas estradas do país.
Pensando nisso, pesquisadores apoiados pela Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp) desenvolveram um modelo de visão computacional que detecta, automaticamente, animais da fauna brasileira.
A partir desse modelo, foi criado um sistema capaz de notificar o celular ou computador de bordo do motorista de que um tamanduá, um lobo-guará ou uma anta estão atravessando a pista. Isso ajudaria o condutor a prever o animal com antecedência e, assim, evitar acidentes.
“Criamos 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 USP (ICMC-USP), em São Carlos (SP).
Como foi desenvolvido
Para desenvolver a aplicação com espécies brasileiras, os pesquisadores reuniram mais de 1.800 fotos de mamíferos que tinham mais chances de serem atropelados. As fotografias foram retiradas da internet e não tinham direitos autorais.
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.
Exemplo de vídeo com detecção do lobo-guará
Evaluating YOLO architectures for detecting road killed endangered Brazilian animals
Feito isso, os pesquisadores testaram diferentes versões da arquitetura YOLO (You Only Look Once, ou “você olha apenas uma vez”, na tradução livre). O modelo de visão computacional tem como uma das vantagens a detecção em apenas um estágio, a mais indicada 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. Futuras atualizações do banco de dados devem incluir imagens de animais capturadas em armadilhas fotográficas e câmeras de rodovias.
Segundo Gabriel, 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.
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.
Árvore impede a captura completa da anta na imagem, além disso cor do animal e da planta são parecidas
Evaluating YOLO architectures for detecting road killed endangered Brazilian animals
Aplicação
Além de incluir novas imagens no banco de dados, os pesquisadores estudam fazer parcerias com concessionárias de rodovias e prefeituras para 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 (SP).
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.
VÍDEOS: Destaques Terra da Gente
Veja mais conteúdos sobre a natureza no Terra da Gente
