O TropiCam-AI \u00e9 um modelo de IA voltado \u00e0 detec\u00e7\u00e3o de esp\u00e9cies arb\u00f3reas em imagens de armadilhas fotogr\u00e1ficas. Desenvolvido para alcan\u00e7ar c\u00e2nones de ecologia neotropical, ele foca em animais que vivem na copa das \u00e1rvores, especialmente nas florestas tropicais da Am\u00e9rica.<\/p>\n
A ideia \u00e9 preencher lacunas da identifica\u00e7\u00e3o de mam\u00edferos e aves arbor\u00edcolas, hist\u00f3ricamente subrepresentadas na IA de campo. O objetivo \u00e9 acelerar a an\u00e1lise de dados e facilitar o processamento autom\u00e1tico de milh\u00f5es de imagens e v\u00eddeos.<\/p>\n
A equipe liderada por Andrea Zampetti, doutorando em biologia animal na Sapienza, Rome, criou o TropiCam-AI em parceria com o projeto TROPECOLNET, do Museo Nacional de Ciencias Naturales de Madrid. O estudo descreve a ferramenta como voltada a levantamentos em copa de \u00e1rvores.<\/p>\n
Zampetti explica que a ferramenta permite aos ec\u00f3logos revisar rapidamente dados de armadilhas fotogr\u00e1ficas e extrair informa\u00e7\u00f5es \u00fateis sem depender de reconhecimentos manuais demorados. O objetivo \u00e9 ampliar a capacidade de monitoramento de esp\u00e9cies arb\u00f3reas.<\/p>\n
O treinamento contou com imagens coletadas pelo pr\u00f3prio pesquisador durante tr\u00eas meses no Brasil, al\u00e9m de registros de Peru, Costa Rica e Guiana Francesa. Tamb\u00e9m houve uso de dados do iNaturalist, plataforma de ci\u00eancia cidad\u00e3, para ampliar a base de imagens.<\/p>\n
Ap\u00f3s a coleta, os pesquisadores fizeram a anota\u00e7\u00e3o manual das imagens, identificando as esp\u00e9cies presentes para treinar o algoritmo. Assim, o modelo aprende a reconhecer padr\u00f5es visuais e caracter\u00edsticas relevantes.<\/p>\n
A TropiCam-AI atualmente reconhece 84 t\u00e1xons, incluindo 63 esp\u00e9cies, com precis\u00e3o geral de 95%. A maioria dos t\u00e1xons (50 de 84) alcan\u00e7a precis\u00e3o e recall superiores a 90%.<\/p>\n
Os autores ressaltam que o sistema pode indicar quando n\u00e3o \u00e9 poss\u00edvel identificar com seguran\u00e7a uma esp\u00e9cie, sugerindo um n\u00edvel taxon\u00f4mico mais alto, como um g\u00eanero. A equipe pretende ampliar ainda mais o conjunto de dados para refinar o modelo.<\/p>\n
Arbor\u00edcolas desempenham papel crucial na dispers\u00e3o de sementes, influenciando ecossistemas tropicais. A ferramenta pode acelerar a coleta de evid\u00eancia para conserva\u00e7\u00e3o, ajudando a monitorar esp\u00e9cies amea\u00e7adas pela derrubada de florestas.<\/p>\n
A researchers planejam ampliar parcerias para obter novos dados de campo e ajustar o modelo para diferentes aplica\u00e7\u00f5es. A expectativa \u00e9 tornar o TropiCam-AI mais preciso e abrangente para v\u00e1rias regi\u00f5es.<\/p>\n","protected":false},"excerpt":{"rendered":"