Um observador humano numa aeronave em movimento perde aproximadamente 1 em cada 10 elefantes. O algoritmo nao se cansa.
Os levantamentos populacionais de vida selvagem sao a espinha dorsal da conservacao. Cada decisao de gestao, desde rotas de patrulha anti-caca furtiva ate orcamentos de protecao de habitat, depende de saber quantos animais existem. Durante decadas, o metodo padrao tem sido o mesmo: voar baixo sobre a paisagem e contar o que se ve. O problema e que os olhos humanos numa aeronave em movimento nao sao muito bons nesta tarefa.
O levantamento aereo tradicional e os seus limites
Um levantamento convencional de fauna funciona assim: observadores treinados debrucam-se de uma aeronave a baixa altitude (tipicamente 60 a 100 metros acima do solo) e contam animais dentro de uma faixa definida de cada lado. Registam especies, tamanhos de grupo e localizacoes em papel ou com um gravador de voz, frequentemente durante 6 a 8 horas seguidas.
Os problemas estao bem documentados. A fadiga do observador instala-se apos a primeira hora e a precisao diminui constantemente. Diferentes observadores a contar o mesmo transecto produzem regularmente contagens que diferem entre 10 e 30%. Os animais na sombra, atras de arbustos ou em bosques mosqueados sao frequentemente perdidos. O clima, a turbulencia e a altitude introduzem variabilidade adicional. E os voos em si sao caros e perigosos: o voo de levantamento a baixa altitude e uma das atividades de maior risco na conservacao.
Como a IA muda a contagem
Os levantamentos aereos assistidos por IA invertem o fluxo de trabalho. Em vez de depender de observadores humanos para detetar e contar animais em tempo real, a aeronave (ou drone) captura fotografias de alta resolucao de toda a area de estudo. Em terra, um modelo de detecao analisa cada imagem e marca cada animal encontrado.
O modelo de detecao, tipicamente uma rede neural convolucional como a RetinaNet, processa imagens num unico passo. Identifica animais pela forma, tamanho e contraste com o fundo, e depois coloca um marcador em cada detecao com uma pontuacao de confianca. Um revisor humano verifica as imagens sinalizadas e os casos limite, mas a maior parte da contagem e tratada automaticamente.
Investigacoes publicadas nos estudos de populacoes animais da Universidade de Wageningen descobriram que a RetinaNet detetou 95% dos elefantes, 91% das girafas e 90% das zebras em comparacao com a anotacao de especialistas humanos, enquanto identificou corretamente 2,8 a 4,0% adicionais de animais que os anotadores humanos falharam completamente. O modelo produziu apenas 1,6 a 5,0 falsos positivos por verdadeiro positivo.
Um estudo da Frontiers in Conservation Science descobriu que os metodos assistidos por IA podem reduzir o erro padrao das estimativas populacionais em 31 a 67% em comparacao com metodos manuais, com potencial para aumentos do esforco de amostragem de 160 a 1.050% a custo equivalente. Isto significa mais area levantada, com mais frequencia, pelo mesmo orcamento.
Quais especies funcionam melhor
Nem todas as especies sao igualmente faceis de contar com IA a partir do ar. Os melhores resultados vem de animais grandes, de cor distinta e que vivem em habitats abertos.
Elefantes, gado, zebras e gnus sao candidatos ideais. O seu tamanho torna-os faceis de detetar, e a savana aberta proporciona forte contraste.
Flamingos, pinguins e colonias de aves marinhas agrupam-se em grupos densos e visiveis em terreno aberto. A IA destaca-se na contagem de milhares de individuos numa unica imagem.
Focas, leoes-marinhos e morsas descansando na costa sao claramente visiveis de cima. As imagens termicas adicionam um segundo canal de detecao.
Criadores de gado e gestores de fauna utilizam tecnicas identicas para bovinos, cavalos e renas em pastagens abertas.
A vantagem da auditabilidade
Um dos beneficios mais subestimados dos levantamentos baseados em fotos e a permanencia. Uma contagem de observador tradicional e um numero numa prancheta. Nao pode ser verificada, contestada ou melhorada apos o voo.
Uma fotografia e uma prova permanente. Cada imagem capturada durante um levantamento com IA pode ser arquivada, reexaminada por diferentes revisores e reprocessada anos depois com algoritmos melhorados. Se um novo modelo for 5% mais preciso do que o do ano passado, pode reexecuta-lo nas imagens do ano anterior e obter uma melhor estimativa historica sem voar novamente.
Isto cria um conjunto de dados crescente que melhora com o tempo. Organizacoes de conservacao como a Wild Me construiram plataformas de codigo aberto (como o Scout) que permitem a investigadores de todo o mundo contribuir e re-analisar imagens aereas. A foto em si torna-se o registo cientifico, nao a contagem derivada dela.
Onde a contagem com IA ainda tem dificuldades
A contagem aerea com IA e poderosa mas nao universal. Varias condicoes continuam genuinamente dificeis.
- Vegetacao densa - Animais sob copa densa de arvores sao invisiveis para camaras padrao. Os elefantes de floresta e os primatas continuam dificeis de levantar a partir do ar.
- Especies noturnas - Criaturas ativas apenas a noite requerem imagens termicas ou infravermelhas, que tem menor resolucao espacial do que as camaras RGB diurnas.
- Animais aquaticos abaixo da superficie - Especies marinhas debaixo de agua, como golfinhos ou peixes, nao podem ser detetadas de forma fiavel a partir de fotografias aereas.
- Especies pequenas ou camufladas - Animais que se confundem com o ambiente, como lebres sobre erva seca, levam os modelos de detecao ao limite.
- Clima extremo - Cobertura de nuvens, chuva e ventos fortes degradam a qualidade das imagens e podem imobilizar completamente as operacoes com drones e aeronaves.
Como comecar com a contagem de fauna com IA
- Escolha a sua plataforma- Um drone de consumo (DJI Mavic ou similar) funciona para areas pequenas; aeronaves tripuladas ou drones de asa fixa cobrem reservas maiores.
- Planeie a sua grelha de voo- Use navegacao automatica por pontos de referencia para garantir altitude constante e cobertura total da area com sobreposicao de imagens.
- Capture no momento certo- A luz do inicio da manha ou do final da tarde reduz sombras fortes. Evite o meio-dia quando os animais procuram sombra.
- Processe com um modelo de detecao- Carregue as imagens para uma plataforma de contagem com IA. As opcoes de codigo aberto incluem o Scout da Wild Me para detecao especifica de fauna.
- Reveja as detecoes sinalizadas- Verifique manualmente os marcadores de baixa confianca e os casos limite. Esta abordagem hibrida maximiza a precisao.
- Archive tudo- Guarde as imagens originais juntamente com os dados de contagem. Algoritmos futuros extrairao ainda mais valor das fotos de hoje.
Conclusao
A conservacao da vida selvagem depende de dados populacionais precisos, e durante decadas a melhor ferramenta disponivel era um observador cansado numa aeronave barulhenta. A contagem aerea com IA nao substitui a experiencia humana na conservacao, mas remove o estrangulamento da contagem manual da equacao.
Da proxima vez que uma reserva precisar de uma estimativa populacional, a resposta mais precisa vira de uma camara, nao de uma prancheta. E ao contrario da prancheta, as fotos ainda serao uteis daqui a uma decada.