- TropiCam‑AI é um modelo de IA criado para detectar e identificar espécies arbóreas, ou seja, que vivem nas árvores, em florestas tropicais da América, preenchendo lacunas na identificação em câmeras-armadilhas.
- O treinamento combinou dados coletados pelo pesquisador no Brasil durante três meses, imagens de outros locais como Peru, Costa Rica e Guiana Francesa e o conjunto de dados do site iNaturalist, com anotação manual das imagens para ensinar o algoritmo.
- O sistema já consegue reconhecer 84 tipos (taxons) de animais, incluindo 63 espécies.
- Quando não é possível identificar com precisão, o modelo indica o nível taxonômico superior (genus) em vez de forçar uma espécie incorreta.
- A precisão é de cerca de 95% na maioria dos taxons, e os pesquisadores pretendem ampliar a base de dados e ampliar parcerias para treinar ainda mais o modelo.
O TropiCam-AI é um modelo de IA voltado à detecção de espécies arbóreas em imagens de armadilhas fotográficas. Desenvolvido para alcançar cânones de ecologia neotropical, ele foca em animais que vivem na copa das árvores, especialmente nas florestas tropicais da América.
A ideia é preencher lacunas da identificação de mamíferos e aves arborícolas, históricamente subrepresentadas na IA de campo. O objetivo é acelerar a análise de dados e facilitar o processamento automático de milhões de imagens e vídeos.
O que houve e quem está envolvido
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 árvores.
Zampetti explica que a ferramenta permite aos ecólogos revisar rapidamente dados de armadilhas fotográficas e extrair informações úteis sem depender de reconhecimentos manuais demorados. O objetivo é ampliar a capacidade de monitoramento de espécies arbóreas.
Como foi treinado e onde os dados vieram
O treinamento contou com imagens coletadas pelo próprio pesquisador durante três meses no Brasil, além de registros de Peru, Costa Rica e Guiana Francesa. Também houve uso de dados do iNaturalist, plataforma de ciência cidadã, para ampliar a base de imagens.
Após a coleta, os pesquisadores fizeram a anotação manual das imagens, identificando as espécies presentes para treinar o algoritmo. Assim, o modelo aprende a reconhecer padrões visuais e características relevantes.
Desempenho e próximos passos
A TropiCam-AI atualmente reconhece 84 táxons, incluindo 63 espécies, com precisão geral de 95%. A maioria dos táxons (50 de 84) alcança precisão e recall superiores a 90%.
Os autores ressaltam que o sistema pode indicar quando não é possível identificar com segurança uma espécie, sugerindo um nível taxonômico mais alto, como um gênero. A equipe pretende ampliar ainda mais o conjunto de dados para refinar o modelo.
Implicações para conservação
Arborícolas desempenham papel crucial na dispersão de sementes, influenciando ecossistemas tropicais. A ferramenta pode acelerar a coleta de evidência para conservação, ajudando a monitorar espécies ameaçadas pela derrubada de florestas.
A researchers planejam ampliar parcerias para obter novos dados de campo e ajustar o modelo para diferentes aplicações. A expectativa é tornar o TropiCam-AI mais preciso e abrangente para várias regiões.
Entre na conversa da comunidade