O TropiCam-AI \u00e9 um modelo de intelig\u00eancia artificial desenvolvido para detectar e identificar esp\u00e9cies arb\u00f3reas em florestas tropicais das Am\u00e9ricas. A ferramenta foca especificamente em mam\u00edferos e aves que vivem na canopy, onde a identifica\u00e7\u00e3o tem sido dif\u00edcil com m\u00e9todos anteriores de armadilha fotogr\u00e1fica.<\/p>\n
O objetivo \u00e9 acelerar a an\u00e1lise de dados de armadilhas e transformar imagens e v\u00eddeos em informa\u00e7\u00f5es \u00fateis para ecologia e conserva\u00e7\u00e3o. O estudo destaca a car\u00eancia de IA voltada para esp\u00e9cies que habitam o dossel, em contraste com modelos j\u00e1 treinados para animais terrestres.<\/p>\n
Desenvolvido por Andrea Zampetti, pesquisador da Sapienza University of Rome, o TropiCam-AI conta com colabora\u00e7\u00e3o do TROPECOLNET, do Museo Nacional de Ciencias Naturales de Madrid. A pesquisa concentra-se em florestas tropicais da regi\u00e3o neotropical.<\/p>\n
A maior parte do treinamento do modelo foi feita com imagens coletadas por Zampetti durante tr\u00eas meses no Brasil, al\u00e9m de imagens de Peru, Costa Rica e Guiana Francesa. Dados p\u00fablicos de plataformas de ci\u00eancia cidad\u00e3 tamb\u00e9m foram usados.<\/p>\n
Os pesquisadores realizaram anota\u00e7\u00e3o manual das imagens para ensinar o algoritmo a reconhecer as esp\u00e9cies. Com isso, o modelo pode indicar quais esp\u00e9cies aparecem nas fotos e, se necess\u00e1ria, sugerir um n\u00edvel taxon\u00f4mico mais baixo quando n\u00e3o \u00e9 poss\u00edvel identificar com precis\u00e3o.<\/p>\n
O modelo j\u00e1 consegue reconhecer 84 t\u00e1xons, entre 63 esp\u00e9cies, com precis\u00e3o m\u00e9dia de 95% na maioria dos t\u00e1xons. Em muitos casos, o sistema acerta mais de 90% de precis\u00e3o e recall.<\/p>\n
Os autores destacam que o TropiCam-AI pode informar quando a identifica\u00e7\u00e3o n\u00e3o \u00e9 confi\u00e1vel, retornando, em vez disso, uma sugest\u00e3o em n\u00edvel de g\u00eanero. A equipe planeja ampliar o conjunto de dados para melhorar ainda mais o desempenho.<\/p>\n
A continuidade do projeto envolve ampliar a amostra de imagens, ampliar parcerias de colabora\u00e7\u00e3o e refinar o modelo para diferentes aplica\u00e7\u00f5es de conserva\u00e7\u00e3o, sem alterar a natureza objetiva dos resultados.<\/p>\n
A pesquisa ressalta a import\u00e2ncia de entender arb\u00f3reos na ecologia de dispers\u00e3o de sementes e de esp\u00e9cies que dependem do canopy. Estudos anteriores indicam que primatas, pequenos mam\u00edferos e aves podem consumir grande parte das esp\u00e9cies vegetais em florestas tropicais, refor\u00e7ando a necessidade de monitoramento.<\/p>\n
Fontes do estudo indicam que o TropiCam-AI representa um avan\u00e7o na an\u00e1lise de dados de campo, ao oferecer processamento autom\u00e1tico de grandes volumes de imagens e v\u00eddeos de armadilhas. A equipe espera ampliar o acesso a ferramentas de IA para ec\u00f3logos e conservacionistas.<\/p>\n","protected":false},"excerpt":{"rendered":"