Pesquisa do Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (USP) avaliou o desempenho de sistemas de detecção de objetos com a finalidade de identificar animais da fauna brasileira em rodovias. A ideia é que, no futuro, a tecnologia possa ser utilizada para alertar os motoristas e evitar acidentes nas estradas.
"Estes modelos de visão computacional testados podem ser acoplados a dispositivos de computação de borda - descentralizada - em pistas para realizar a classificação e detecção do animal e assim repassar via aplicativo móvel algum sinal que indique que algum animal passou em determinado trecho", explicou o pesquisador do instituto Gabriel Souto Ferrante.
O modelo empregado detectaria o animal por câmeras e realizaria a comunicação de uma informação simples e objetiva. "Vale ressaltar que essa pesquisa se concentra na criação dos modelos de I.A. [inteligência artificial] para a detecção, e não houve aplicação completa com aplicativos móveis ainda, sendo um desejo futuro", acrescentou Ferrante.
Os pesquisadores, que se concentraram em espécies brasileiras em extinção, ressaltam que o sucesso de sua utilização tem relação com a disponibilidade de dados para treinamento do sistema. O estudo foi publicado na revista Scientific Reports.
"No caso, foi criado um dataset novo [bases de dados com amostras para treinamentos de algoritmos de inteligência artificial] gratuito e aberto, que buscamos realizar a junção de várias espécies de médio e grande porte visando fornecer dados para os modelos Yolo [mecanismo de detecção de objetos] serem treinados", disse.
"Foi concluído que a arquitetura em suas diversas versões permitem a detecção e classificação adequada de tais espécies trabalhadas, especialmente em cenários de visibilidade favoráveis, ou seja, com nenhum artefato que obstrua a identificação do animal na pista. Vale ressaltar, que trabalhamos somente com cenários matutinos", acrescenta o pesquisador.
De acordo com o pesquisador, "ainda existem barreiras técnicas relacionadas aos algoritmos desses modelos quando o ambiente possui algum desafio, como oclusão de ambiente - alta vegetação, neblina, chuva -, imagens de baixa qualidade, cenários noturnos. Todos esses problemas impactam negativamente o entendimento das características - cores, bordas, texturas dos bichos - para serem interpretados pela máquina".
