Pesquisador utiliza imagens térmicas para identificar animais do Pantanal

Um projeto desenvolvido por pesquisador da UFMS (Universidade Federal de Mato Grosso do Sul) está ajudando a identificar animais do Pantanal sul-mato-grossense. Desenvolvido com técnicas de inteligência artificial, o programa consegue mapear as espécies através de imagens térmicas.

A pesquisa foi desenvolvida por Mauro dos Santos de Arruda no Programa de Mestrado em Ciência da Computação da UFMS durante a dissertação “Identificação de Espécies de Animais do Pantanal usando Imagens Térmicas e Redes Neurais Convolucionais”.

Conforme o pesquisador, Mato Grosso do Sul enfrenta redução do número de várias espécies, principalmente por conta da expansão da agropecuária. Com o projeto, é possível detectar, através de armadilhas fotográficas, locais com maior passagem de animais e assim promover um levantamento da população de cada região, para traçar metas de proteção.

Para isso, uma nova metodologia que usa imagens térmicas para localizar o animal na cena foi criada e aprimorada com o uso das Redes Neurais Convolucionais – uma técnica que utiliza tecnologias de visão de máquina e softwares de inteligência artificial juntamente com uma câmera.

Pesquisa - As pesquisas de Mauro começaram ainda na graduação, no Câmpus de Ponta Porã (CPPP), durante um estágio feito na Companhia Energética do Estado de São Paulo.

“Inicialmente, a proposta era fazer levantamento da população animal nos locais de instalação de hidrelétricas. Era uma metodologia visual, onde os pesquisadores sobrevoavam a região e faziam a contagem. A Cesp queria automatizar isso, aí surgiu à ideia de usar a câmera térmica para identificar o animal na imagem e fazer a detecção, classificação desse animal e assim, o levantamento populacional”.

A partir disso, a pesquisa criou uma rede para classificação das espécies, dividida a oito classes: anta, arara-canindé, capivara, cateto, papagaio-verdadeiro, quati e tamanduá-bandeira, muitos desses animais em extinção. “O grande diferencial dessa abordagem é usar a parte térmica para a localização e a visual para reconhecer que classe é o animal”, diz Mauro.

Já no mestrado, Mauro desenvolveu um método automático para fazer o reconhecimento e levantamento de população de espécies de animais do Pantanal. Para isso, usou as Redes Neurais Convolucionais.

“O método utiliza o algoritmo de segmentação SLIC e a diferença de temperatura entre o corpo do animal e o seu ambiente para detectar as regiões de interesse”, afirma Mauro. Depois disso, o pesquisador treinou o sistema, alimentando a rede com as imagens, aplicando filtros, fazendo convolução, operações matemáticas e atualizando os pesos dessa rede.

“A partir do momento que se treina a rede com uma base de imagem grande, ela consegue detectar o animal de diferentes posições, de diferentes situações de iluminação”, afirma.

Na prática, o projeto ajudou a superar problemas simples na identificação em imagens visuais, como iluminação e a semelhanças entre a pelagem do animal e o seu ambiente. O trabalho ainda construiu uma base de 1.600 imagens térmicas e visuais de espécies do Pantanal ameaçadas de extinção. “Ao todo, foram 4.800 imagens para treinamento”.

Em fase experimental, o desempenho do projeto foi 5,5% superior às técnicas testadas anteriormente e em algumas classes chegaram a ser 10 a 12% maior. A precisão no geral chegou a 86%.

A imagem térmica tem a temperatura decifrada em pixel. Segundo o pesquisador, os mamíferos apresentam melhor identificação. As aves, pelas penas, ficam mais frias na imagem, que por serem térmicas são mais sensíveis ao calor. A pesquisa utilizou a Câmera Flir SC 640, obtida pela UFMS em parceria com a UCDB e Anhanguera-Uniderp.

Com informações UFMS (Universidade Federal de Mato Grosso do Sul)