Cookie Policy

This site uses cookies. When browsing the site, you are consenting its use. Learn more

I understood

Investigadores utilizam a inteligência artificial para criar primeiro método capaz de identificar individualmente as aves

Investigadores utilizam a inteligência artificial para criar primeiro método capaz de identificar individualmente as aves
Um artigo publicado na revista Methods in Ecology and Evolution por uma equipa internacional, que inclui os investigadores do CIBIO-InBIO (Centro de Investigação em Biodiversidade e Recursos Genéticos, InBIO Laboratório Associado da Universidade do Porto) André Ferreira (primeiro autor do estudo), Liliana Silva e Rita Covas, demonstra, pela primeira vez, que a inteligência artificial pode ser utilizada no treino de computadores para reconhecer individualmente as aves, permitindo ultrapassar assim uma das maiores limitações no estudo deste grupo de animais.

Os estudos a longo prazo das populações animais são fundamentais para responder a questões cruciais nas áreas da ecologia, biologia evolutiva e conservação, tais como a de como conservar as espécies face às alterações climáticas. Contudo, a monitorização de indivíduos ao longo da sua vida e através de gerações revela-se ser um grande desafio porque exige que os investigadores sejam capazes de distinguir entre os diferentes indivíduos de uma população. Em algumas espécies, como nos leopardos e nas girafas, o padrão existente na pelagem permite-nos reconhecer cada indivíduo. No entanto, na maioria das espécies torna-se necessário a utilização de identificadores visuais, como são exemplo as anilhas com diferentes cores e códigos, colocadas nas patas das aves. Apesar destes métodos estarem bem consolidados, muitas vezes a recolha e a análise de dados são muito demoradas, suscetíveis a erros e podem (apesar de sempre mitigado ao máximo) induzir algum stress nos animais.

Este estudo demonstra, pela primeira vez, que pode ser utilizada a Inteligência Artificial (IA) para treinar sistemas de aprendizagem de máquina de forma a reconhecer individualmente as aves. "Demonstramos que os computadores podem reconhecer individualmente dezenas de aves de forma consistente, mesmo quando nós próprios não conseguimos distinguir estes indivíduos. Ao fazê-lo, o nosso estudo apresenta um método que permite ultrapassar uma das maiores limitações no estudo das aves selvagens - a identificação individual de aves de uma forma fiável", refere André Ferreira, investigador do CIBIO-InBIO e do CEFE-CNRS em Montpellier (França) e autor principal do estudo.

O trabalho implicou a recolha e catalogação de milhares de imagens de três pequenas espécies de aves muito estudadas em ecologia comportamental que depois foram utilizadas para treinar e testar modelos de IA. Foram utilizadas duas populações selvagens da Tecelão-sociável (Philetairus socius) e do Chapim-real (Parus major) e uma população mantida em cativeiro do Tentilhão-zebra (Taeniopygia guttata). Após o processo de treino, os modelos permitiram o reconhecimento de novas imagens com uma precisão superior a 90% nas espécies selvagens e superior a 87% nos tentilhões-zebra mantidos em cativeiro.

Para o desenvolvimento deste método de IA, os investigadores recorreram à tecnologia Deep Learning, um tipo de aprendizagem que tenta imitar um cérebro humano e que funciona através de redes neuronais artificiais para classificar imagens, reconhecer a voz e detetar objetos. Na ecologia, este tipo de métodos nunca foi testado fora do laboratório em animais tão pequenos como as aves.

Este estudo apresenta um procedimento completo para utilização da IA na identificação individual de aves, envolvendo a recolha de fotografias catalogadas, o treino e o teste dos modelos de aprendizagem. No entanto, os modelos desenvolvidos só são capazes de reconhecer aves a partir de novas imagens, desde que as aves já tenham sido identificadas previamente. Isto significa que se novas aves se juntarem à população de estudo, o computador não será capaz de as identificar. Também é desconhecido se o desempenho dos modelos varia ao longo do tempo, considerando que a aparência das aves poderá mudar.

Os autores indicam que estas duas limitações podem ser ultrapassadas utilizando um conjunto de dados suficientemente grande obtido durante um longo período de tempo, uma tarefa que já está a ser levada a cabo pela equipa de investigação.

"O desenvolvimento de métodos de identificação automática e não invasiva de animais completamente não marcados e não manipulados pelos investigadores representa um grande avanço neste campo de investigação. Em última análise, há muito espaço para encontrar novas aplicações para este sistema e responder a perguntas que pareciam inalcançáveis no passado", refere André Ferreira.



Artigo original:

André C. Ferreira, Liliana R. Silva, Francesco Renna, Hanja B. Brandl, Julien P. Renoult, Damien R. Farine, Rita Covas, Claire Doutrelant (2020) Deep learning‐based methods for individual recognition in small birds. Doi: 10.1111/2041-210X.13436


Imagens:

Imagem 1 - Fotografia de um chapim real com uma caixa delimitadora e um código alfanumérico correspondente à identidade do individuo, ilustrando a identificação individual feita pelo computador. | Créditos de imagem: André Ferreira

Imagem 2 - Fotografia de dois tecelões sociais com caixas delimitadoras e códigos alfanumérico correspondentes à identidade dos indivíduos, ilustrando a identificação individual feita pelo computador | Créditos de imagem: André Ferreira e Annie Basson

Imagem 3 - Fotografia de um grupo de tecelões sociais com caixas delimitadoras e códigos alfanuméricos correspondentes à identidade dos indivíduos, ilustrando a identificação individual feita pelo computador | Créditos de imagem: Cecile Vansteenberghe

Imagem 4 - Fotografia de um grupo de tecelões sociais procurando por sementes. As caixas delimitadoras e os códigos alfanuméricos ilustram a identificação feita pelo computador | Créditos de imagem: André Ferreira

Imagem 5 - Fotografia de um grupo de Tentilhão-zebra. As caixas delimitadoras e os códigos alfanuméricos ilustram a identificação feita pelo computador | Créditos de imagem: André Ferreira e Hanja Brandl

2020-07-27
Share this: