Muitos estudos nas áreas de ecologia, comportamento e conservação animal dependem da identificação individual dos exemplares da espécie analisada. No caso de pássaros, os seres humanos não são capazes de discerni-los pela plumagem, de forma que esta identificação geralmente é feita com tags presas nas suas patas. Contudo, a aplicação das tags costuma exigir que os animais sejam capturados, o que torna tanto a coleta de dados quanto sua análise laboriosa, e limita a abrangência dos estudos que podem ser realizados.
Esta semana, um trabalho publicado por pesquisadores associados à Universidade Paul‐Valery Montpelier (França), ao Centro de Pesquisa em Biodiversidade e Recursos Genéticos (Portugal) e ao Instituto de Comportamento Animal Max Plank (Alemanha) apresentou um método que utiliza redes neurais convolucionais para fazer a identificação individuais de pássaros, a partir de fotografias. O estudo se baseou em três espécies pequenas, analisadas tanto em ambiente de cativeiro quanto selvagem. As fotografias, cerca de 1000 por indivíduo, foram obtidas por um protocolo automatizado desenvolvido pelos autores. As imagens foram tratadas para adicionar ruídos e modificações de forma a aumentar a capacidade de generalização do modelo. A arquitetura utilizada foi a VGG19, uma rede pré-treinada na classificação de mais de 14 milhões de imagens em 20 mil classes. Para considerar o caso de o modelo ter que identificar pássaros que não estavam presentes no dataset de treinamento, os autores calcularam a chamada entropia de Shannon nas distribuições produzidas pelo algoritmo, de forma a determinar um limite de confiança para os resultados de identificação.
Para as três espécies consideradas, o modelo atingiu precisão de aproximadamente 90% na identificação individual. O desempenho melhorou após a aplicação de ruídos às imagens, mostrando que também neste contexto, o conceito auxilia na generalização das capacidades preditivas do modelo. A entropia calculada foi maior para a análise de indivíduos inéditos, o que serve como indicativo de que a rede não está calibrada para sua identificação, permitindo, por exemplo, que eles sejam tratados de forma discriminada nos estudos subjacentes.
Um dos limites do estudo é na generalização através do tempo, já que os animais costumam mudar os padrões de plumagem. Os autores sugerem neste caso que dados coletados em períodos mais extensos poderiam ser benéficos, já que o modelo aprenderia a reconhecer características invariáveis dos indivíduos. A construção de datasets públicos ainda não disponíveis pode facilitar o desenvolvimento de estudos mais extensos. A esperança dos autores é que os resultados alcançados neste trabalho sirvam de motivação para que outros pesquisadores iniciem projetos similares que devem beneficiar consideravelmente os estudos que dependem do acompanhamento individual das aves.
