Visits: 25
– Cientistas da EPFL, do Royal Netherlands Institute for Sea Research e da Wageningen University & Research desenvolveram um novo modelo de aprendizado profundo para contar o número de focas em fotos aéreas que é consideravelmente mais rápido do que manualmente. Com este novo método, tempo e recursos valiosos podem ser economizados, os quais podem ser usados para estudar mais e proteger as espécies ameaçadas de extinção.
Cortesia EPFL por Sandrine Perroud: Ecologistas têm monitorado populações de focas por décadas, construindo vastas bibliotecas de fotos aéreas no processo. Contar o número de focas nessas fotos requer horas de trabalho meticuloso para identificar manualmente os animais em cada imagem. Portanto, os levantamentos ecológicos são questão chave nesta atividade, e precisam ser implementados.
Hoje, uma equipe multidisciplinar de pesquisadores, incluindo Jeroen Hoekendijk, um aluno de PhD na Wageningen University & Research (WUR) e empregado pelo Instituto Real Holandês para Pesquisa Marinha (NIOZ), e Devis Tuia, um professor associado e chefe do Departamento Ambiental O Laboratório de Ciência Computacional e Observação da Terra da EPFL Valais, propôs uma abordagem mais eficiente para contar objetos em levantamentos ecológicos. Em seu estudo, publicado na Scientific Reports, eles usam um modelo de aprendizado profundo para contar o número de selos em fotos arquivadas. O método deles pode executar 100 imagens em menos de um minuto – contra uma hora para um especialista humano.
Sem necessidade de rotulagem
“Em ecologia, os modelos de aprendizagem profunda mais comumente empregados são primeiro treinados para detectar objetos individuais, após o que os objetos detectados são contados. Esse tipo de modelo requer anotações extensas de objetos individuais durante o treinamento ”, diz Hoekendijk.
No entanto, o método aplicado pela equipe de pesquisa elimina a necessidade de etiquetar os selos individuais com antecedência, acelerando drasticamente o procedimento, já que apenas o número total de animais na foto é necessário. Além do mais, seu método pode ser usado para contar quaisquer itens ou animais individuais e, assim, potencialmente ajudar a processar não apenas as novas fotos, mas também aquelas que não puderam ser analisadas por falta de tempo. Isso representa décadas de fotos que podem fornecer informações importantes sobre como o tamanho da população evoluiu ao longo do tempo.
Do macroscópico ao microscópico
A forma como os selos aparecem nas fotos aéreas pode variar significativamente de um lote para o outro, dependendo da altitude e do ângulo em que a foto foi tirada. A equipe de pesquisa, portanto, avaliou a robustez para tal variação. Além disso, para demonstrar o potencial de seu modelo de aprendizado profundo, os cientistas testaram sua abordagem em um conjunto de dados fundamentalmente diferente, em uma escala muito menor: imagens de anéis de crescimento microscópicos em espinhas de peixe chamados otólitos.
Esses otólitos, ou pedras auditivas, são estruturas duras de carbonato de cálcio localizadas diretamente atrás do cérebro de um peixe. Os cientistas treinaram seu modelo para contar os anéis de crescimento diários visíveis nas imagens, que são usados para estimar a idade dos peixes.
Esses anéis de crescimento são conhecidos por serem extremamente desafiadores para fazer anotações individualmente. A equipe de pesquisa descobriu que seu modelo tinha aproximadamente a mesma margem de erro que os métodos manuais, mas podia trabalhar 100 imagens em menos de um minuto, ao passo que um especialista levaria três horas.
Próxima Etapa
O próximo passo será aplicar abordagens semelhantes às imagens de satélite de regiões árticas inacessíveis, onde vivem várias populações de focas que estão na Lista Vermelha de Espécies Ameaçadas compilada pela União Internacional para Conservação da Natureza. “Pretendemos usar essa abordagem para estudar espécies ameaçadas de extinção nesta parte remota do mundo, onde as temperaturas estão subindo duas vezes mais rápido do que em outras partes do planeta”, diz Tuia. “Saber onde os animais se concentram é essencial para proteger essas espécies freqüentemente ameaçadas de extinção.” Levantamentos ecológicos.
Referências: Jeroen PA Hoekendijk, Benjamin Kellenberger, Geert Aarts, Sophie Brasseur, Suzanne SH Poiesz e Devis Tuia “Contando usando regressão de aprendizagem profunda dá valor para pesquisas ecológicas, “Scientific Reports, 1 December 2021. DOI: 10.1038 / s41598-021-02387-9
Artigo relacionado: New data factory to support marine innovation
Climate change the risk that leads the earth to the edge of chaos
Faça um comentário