IA de fauna foca no solo; novo modelo observa árvores

TropiCam-AI é um modelo de IA para detectar e identificar espécies arbóreas na América tropical, preenchendo lacunas de reconhecimento em árvores.
O objetivo é acelerar a coleta e a análise de imagens de câmeras-armadilhas em canaviais, para ecólogos monitorarem mamíferos e aves que vivem no dossel.
Os dados de treinamento vieram de expedição no Brasil, com imagens de Peru, Costa Rica e Guiana Francesa, além de acervos de iNaturalist. As imagens passaram por anotação manual para treinar o algoritmo.
A ferramenta consegue reconhecer 84 táxons, incluindo 63 espécies, com precisão na casa de 95% para a maioria dos táxons.
Quando a IA não pode identificar com confiança, ela aponta o possível gênero, evitando previsões erradas e ganhando tempo para análises posteriores.

O TropiCam-AI é um modelo de inteligência artificial desenvolvido para detectar e identificar espécies arbóreas em florestas tropicais das Américas. A ferramenta foca especificamente em mamíferos e aves que vivem na canopy, onde a identificação tem sido difícil com métodos anteriores de armadilha fotográfica.

O objetivo é acelerar a análise de dados de armadilhas e transformar imagens e vídeos em informações úteis para ecologia e conservação. O estudo destaca a carência de IA voltada para espécies que habitam o dossel, em contraste com modelos já treinados para animais terrestres.

Desenvolvido por Andrea Zampetti, pesquisador da Sapienza University of Rome, o TropiCam-AI conta com colaboração do TROPECOLNET, do Museo Nacional de Ciencias Naturales de Madrid. A pesquisa concentra-se em florestas tropicais da região neotropical.

TropiCam-AI: como funciona

A maior parte do treinamento do modelo foi feita com imagens coletadas por Zampetti durante três meses no Brasil, além de imagens de Peru, Costa Rica e Guiana Francesa. Dados públicos de plataformas de ciência cidadã também foram usados.

Os pesquisadores realizaram anotação manual das imagens para ensinar o algoritmo a reconhecer as espécies. Com isso, o modelo pode indicar quais espécies aparecem nas fotos e, se necessária, sugerir um nível taxonômico mais baixo quando não é possível identificar com precisão.

O modelo já consegue reconhecer 84 táxons, entre 63 espécies, com precisão média de 95% na maioria dos táxons. Em muitos casos, o sistema acerta mais de 90% de precisão e recall.

Os autores destacam que o TropiCam-AI pode informar quando a identificação não é confiável, retornando, em vez disso, uma sugestão em nível de gênero. A equipe planeja ampliar o conjunto de dados para melhorar ainda mais o desempenho.

A continuidade do projeto envolve ampliar a amostra de imagens, ampliar parcerias de colaboração e refinar o modelo para diferentes aplicações de conservação, sem alterar a natureza objetiva dos resultados.

A pesquisa ressalta a importância de entender arbóreos na ecologia de dispersão de sementes e de espécies que dependem do canopy. Estudos anteriores indicam que primatas, pequenos mamíferos e aves podem consumir grande parte das espécies vegetais em florestas tropicais, reforçando a necessidade de monitoramento.

Fontes do estudo indicam que o TropiCam-AI representa um avanço na análise de dados de campo, ao oferecer processamento automático de grandes volumes de imagens e vídeos de armadilhas. A equipe espera ampliar o acesso a ferramentas de IA para ecólogos e conservacionistas.