Conservacionistas estão preocupados com o declínio nas populações de pássaros que habitam regiões cultiváveis na Europa. Uma das causas para esta queda é que algumas destas espécies fazem ninhos no chão, e estes ninhos acabam acidentalmente destruídos no período de plantio pelos processos mecanizados de aragem e semeadura. Mesmo que os agricultores tomem cuidado, localizar os ninhos não é uma tarefa trivial.
Aproveitando que o uso de drones para monitoramento operacional nestas áreas já é uma realidade cada vez mais presente, e que em regiões de alta latitude a temperatura dos ninhos é maior do que aquela do ambiente, pesquisadores da Universidade de Helsinque, na Finlândia, equiparam o equipamento com câmeras termais, e analisaram as imagens usando inteligência artificial, para localizar ninhos presentes no campo. A arquitetura do modelo utilizado foi de uma rede neural convolucional. Após a anotação manual de um dataset de treinamento composto por quase 5500 imagens, o sistema atingiu 89% de precisão na identificação dos ninhos. Os autores identificaram os principais fatores responsáveis por falsos positivos: altas temperaturas locais ou baixa presença de nuvens, ocasião em que fica mais difícil identificar os animais pelo calor corporal, e o fato de o solo já ter sido arado, o que também confundia o algoritmo na identificação dos ninhos. Falsos negativos ocorreram principalmente em função da altura com que o drone sobrevoou a região, sendo mais frequentes quando o drone estava mais alto.
Apesar das limitações deste estudo piloto, os autores consideram que o algoritmo atingiu um bom desempenho, que de fato foi superior a qualquer outro método automatizado de detecção de ninhos de aves no campo já reportado. O método pode permitir a geolocalização em tempo real dos ninhos, tendo potencial para se tornar parte integrante do monitoramento de campos dedicados para atividades de agricultura. A área da agricultura de precisão busca usar tecnologia para otimizar o rendimento das plantações minimizando o impacto ambiental, e uma ferramenta baseada neste trabalho vai de encontro a este conceito. O fortalecimento da abordagem depende agora de sua implementação em outros ambientes e com outras espécies, mas a pesquisa realizada agora prova o valor de usar esta tecnologia na preservação ambiental.
O trabalho foi publicado esta semana, e o código implementado está disponível para consulta no GitHub.
