Notícia

Inteligência artificial ajuda a acelerar pesquisas em Ecologia

Fonte

EPFL | Escola Politécnica Federal de Lausanne

Data

domingo, 5 dezembro 2021 12:35

Áreas

Ecologia. Inteligência Artificial.

Ecologistas têm monitorado populações de focas por décadas, construindo vastas bibliotecas de fotos aéreas durante os estudos. Contar o número de focas nessas fotos requer horas de trabalho meticuloso para identificar manualmente os animais em cada imagem.

Recentemente, uma equipe multidisciplinar de pesquisadores que inclui Jeroen Hoekendijk, estudante de doutorado na Universidade Wageningen, nos Países Baixos, e que trabalha no Instituto Real Holandês para Pesquisa Marinha (NIOZ), e também o Dr. Devis Tuia, professor e chefe do Laboratório de Ciência Computacional e Observação da Terra da Escola Politécnica Federal de Lausanne (EPFL), na Suíça, propôs uma abordagem mais eficiente para contar objetos em levantamentos ecológicos. No estudo, publicado na revista Scientific Reports, eles usaram um modelo de aprendizado profundo para contar o número de focas em fotos arquivadas. O método pode contabilizar 100 imagens em menos de um minuto – contra uma hora para um especialista humano.

Sem necessidade de rotulagem

“Em ecologia, os modelos de aprendizagem profunda mais comumente empregados são primeiro treinados para detectar objetos individuais, após o que os objetos detectados são contados. Esse tipo de modelo requer anotações extensas de objetos individuais durante o treinamento ”, disse Hoekendijk. No entanto, o método aplicado pela equipe de pesquisa elimina a necessidade de ‘etiquetar’ os animais com antecedência, acelerando drasticamente o procedimento, já que apenas o número total de animais na foto é necessário. Além do mais, seu método pode ser usado para contar quaisquer itens ou animais individuais e, assim, potencialmente ajudar a processar não apenas as novas fotos, mas também aquelas que não puderam ser analisadas por falta de tempo. Isso representa décadas de fotos que podem fornecer informações importantes sobre como o tamanho da população evoluiu ao longo do tempo.

Do macroscópico ao microscópico

A forma como as focas aparecem nas fotos aéreas pode variar significativamente de um lote para o outro, dependendo da altitude e do ângulo em que a foto foi tirada. A equipe de pesquisa, portanto, avaliou a robustez para tal variação. Além disso, para demonstrar o potencial de seu modelo de aprendizado profundo, os cientistas testaram sua abordagem em um conjunto de dados fundamentalmente diferente, em uma escala muito menor: imagens de anéis microscópicos em espinhas de peixe, chamados otólitos. Esses otólitos, ou ‘pedras auditivas’, são estruturas duras de carbonato de cálcio localizadas diretamente atrás do cérebro de um peixe. Os cientistas treinaram seu modelo para contar o crescimento diário dos anéis visíveis nas imagens, que são usados ​​para estimar a idade dos peixes. A equipe de pesquisa descobriu que seu modelo tinha aproximadamente a mesma margem de erro que os métodos manuais, mas podia trabalhar 100 imagens em menos de um minuto, ao passo que um especialista levaria três horas.

Próximo passo

O próximo passo será aplicar abordagens semelhantes às imagens de satélite de regiões árticas inacessíveis, onde vivem várias populações de focas que estão na Lista Vermelha de Espécies Ameaçadas compilada pela União Internacional para Conservação da Natureza (IUCN). “Pretendemos usar essa abordagem para estudar espécies ameaçadas de extinção nesta parte remota do mundo, onde as temperaturas estão subindo duas vezes mais rápido do que em outras partes do planeta. Saber onde os animais se concentram é essencial para proteger essas espécies frequentemente ameaçadas de extinção”, concluiu o professor Devis Tuia.

Acesse o artigo científico completo (em inglês).

Acesse a notícia completa na página da EPFL (em inglês).

Fonte: Sandrine Perroud, EPFL. Imagem: Exemplo de imagem aérea utilizada pelo modelo, que acelera o levantamento de focas. Fonte: NIOZ.