Estudo da USP avaliou desempenho de sistemas de visão computacional para detectar animais em rodovias, usando modelo empregado com dados de treinamento e sem altos custos.
Um estudo realizado pelo Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (USP) investigou a eficácia de algoritmos de IA na detecção de animais nativos nas estradas brasileiras. A proposta é que, em breve, esses sistemas possam ser empregados para garantir a segurança dos condutores e prevenir colisões com a fauna local.
A inteligência artificial tem se mostrado uma aliada poderosa em diversas áreas, incluindo a preservação ambiental. A utilização de algoritmos inteligentes para identificar animais em ambientes rodoviários é apenas um exemplo do potencial transformador dessa tecnologia, que promete revolucionar a forma como lidamos com os desafios do cotidiano.
Desafios na Implementação de IA em Dispositivos de Computação de Borda
Estes modelos de visão computacional testados podem ser integrados a dispositivos de computação de borda – descentralizada – em estradas para realizar a classificação e detecção de animais, enviando sinais através de um aplicativo móvel para indicar a passagem de um animal em uma determinada área, conforme explicou o pesquisador do instituto Gabriel Souto Ferrante.
O modelo utilizado identificaria os animais através de câmeras e transmitiria uma informação simples e direta. ‘É importante destacar que esta pesquisa foca na criação dos modelos de IA [inteligência artificial] para detecção, ainda não tendo sido realizada a aplicação completa com aplicativos móveis, sendo um objetivo futuro’, acrescentou Ferrante.
Importância dos Dados para Treinamento de Sistemas de IA
Os pesquisadores, ao estudarem espécies brasileiras em risco de extinção, ressaltam que o sucesso da utilização desses modelos está diretamente ligado à disponibilidade de dados para treinamento. O estudo foi publicado na revista Scientific Reports.
‘Foi criado um conjunto de dados novos [bancos de dados com amostras para treinamento de algoritmos de inteligência artificial] gratuito e aberto, com a intenção de combinar várias espécies de médio e grande porte para fornecer informações aos modelos Yolo [sistema de detecção de objetos] durante o treinamento’, afirmou o pesquisador.
Desempenho de Sistemas de IA para Detecção de Espécies em Extinção
Concluiu-se que a arquitetura em suas múltiplas versões permitem a detecção e classificação adequada das espécies trabalhadas, especialmente em situações com boa visibilidade, ou seja, sem nenhum obstáculo que impeça a identificação do animal na estrada. É relevante notar que o estudo foi conduzido apenas em ambientes matinais, acrescentou o pesquisador.
O pesquisador ainda aponta que ‘ainda existem desafios técnicos relacionados aos algoritmos desses modelos quando o ambiente apresenta obstáculos, como vegetação densa, neblina, chuva, imagens de baixa qualidade ou ambientes noturnos’.
Barreiras Técnicas e Custos na Implementação de Sistemas de IA
Além das questões relacionadas à visão computacional, Ferrante destaca problemas vinculados à complexidade computacional necessária, como a presença de equipamentos de processamento na borda, próximo às câmeras, para garantir uma execução adequada e em tempo real. Contudo, esses equipamentos possuem custos elevados.
‘A falta de parcerias e investimentos em equipamentos mais rápidos capazes de suportar outras arquiteturas de detecção’, ele acrescentou. Dados da Agência de Transporte de São Paulo (Artesp) revelam que as rodovias concedidas no estado tiveram mais de 6,3 mil atropelamentos de animais silvestres em 2023.
Fonte: © TNH1
Comentários sobre este artigo