Os morcegos desempenham um papel importante na manutenção de ecossistemas, sendo responsáveis por tarefas como polinizar plantas, dispersar sementes e manter a população de insetos sob controle. Apesar desta relevância, muitas espécies se encontram sob risco em função de atividades humanas estressoras. Esses mesmos estresses podem afetar seu hábitat natural, fazendo com que os morcegos procurem refúgio em estruturas como pontes e galerias d’água. Ali, grupos numerosos encontram ambientes de clima estável com fácil acesso a água e locais para alimentação.
Esta situação faz com que, nos Estados Unidos, as empresas de transporte responsáveis por essas estruturas tenham que inspecionar as instalações para a presença de morcegos antes de realizar projetos de reparo ou reposição, de forma a fazer intervenções que causem menor distúrbio. Atualmente, esta inspeção é feita de forma manual, com um técnico responsável. Ainda assim, nem sempre a presença das populações é evidente, já que eles podem se concentrar em locais de menor acessibilidade. Mesmo alguns sinais de sua presença, como seus excrementos, podem ser confundidos com manchas de ferrugem, aquelas causadas pelo escoamento de água, e outras marcas de deterioração da estrutura.
Este problema motivou um trabalho de enorme caráter prático publicado por pesquisadores da Universidade da Virginia, nos Estados Unidos. Para facilitar a detecção da presença de morcegos, eles usaram fotos das manchas presentes nas instalações, que foram analisadas por várias redes neurais convolucionais pré-treinadas, para encontrar o modelo melhor capaz de identificar a característica desejada. Cerca de 3200 imagens foram tratadas no paradigma de transfer learning, onde uma rede treinada em outra tarefa visual mais genérica é ajustada para realizar a tarefa de interesse. O melhor modelo atingiu acurácia de 92% em um dataset independente.
O modelo vai agora entrar numa fase de testes na forma de um aplicativo web, hospedado pelo Departamento de Trânsito da Virgínia, onde usuários poderão submeter suas próprias fotos para análise. Assim se espera validar o sistema como uma ferramenta viável para a automação da inspeção, já que as fotografias poderiam ser captadas remotamente e analisadas pela inteligência artificial, possibilitando o planejamento mais eficiente das intervenções estruturais.
