Modelo de identificação da Jaguar
Tech4Nature Mexico
Algoritmos de reconhecimento de imagem para detecção e identificação de onças-pintadas
O componente de reconhecimento de imagem, baseado em Redes Neurais Convolucionais (CNN) na estrutura do piloto Tech4Nature Mexico, desempenha um papel fundamental ao: i) Detectar automaticamente a presença de onças-pintadas em capturas de armadilhas fotográficas, acelerando assim o processamento de dados; e ii) Identificar automaticamente onças-pintadas individuais na região, o que aumenta a compreensão das populações locais. Essa abordagem é de importância vital para a conservação, pois aproveita os métodos avançados que permitem uma análise mais rápida e detalhada.
Dados coletados dos dispositivos e alianças estratégicas com a Huawei, a UPY e outras organizações especializadas em conservação para o compartilhamento de dados. Durante um ano letivo inteiro, um grupo de jovens estudantes de engenharia de dados da UPY se dedicou ao desenvolvimento dos modelos de reconhecimento de imagens. Dada a possibilidade de que os modelos pudessem ser tendenciosos no reconhecimento de onças-pintadas devido à falta de experiência dos alunos no monitoramento dessa espécie, o grupo recebeu treinamento e feedback de um biólogo especializado em conservação de felinos em Yucatán.
Enfrentamos um desafio considerável no desenvolvimento de modelos automáticos para a detecção e identificação de onças-pintadas em imagens. Essa tarefa é complicada não apenas pela escassez de dados disponíveis, mas também pela quantidade limitada de imagens capturadas por armadilhas fotográficas contendo a espécie de interesse, devido ao seu status crítico de conservação. Esses obstáculos foram notáveis nos estágios iniciais do projeto, o que nos levou a coletar imagens de animais de diversas fontes para expandir nosso conjunto de dados. No entanto, a complexidade aumenta nesse estágio devido a outros fatores.