Estimativas do Centro Brasileiro de Estudos em Ecologia de Estradas (CBEE), da Universidade Federal de Lavras (UFL), apontam que cerca de 475 milhões de animais são atropelados por ano nas estradas do país. Em resposta a essa preocupação, pesquisadores apoiados pela Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp) desenvolveram um modelo de visão computacional capaz de detectar automaticamente animais da fauna brasileira.
O sistema foi criado a partir de um banco de dados com mais de 1.800 fotos de mamíferos que têm maior probabilidade de serem atropelados. As imagens foram utilizadas para treinar modelos de visão computacional que identificam espécies como tamanduás, lobos-guará e antas. O objetivo é alertar o motorista, por meio do celular ou computador de bordo, sobre a presença desses animais na pista, ajudando a evitar acidentes.
Gabriel Souto Ferrante, que realizou o trabalho como parte do mestrado no Instituto de Ciências Matemáticas e de Computação da USP (ICMC-USP), em São Carlos (SP), explicou o processo de desenvolvimento da aplicação. Foram testadas diferentes versões da arquitetura YOLO (You Only Look Once) para a detecção em tempo real, com destaque para a eficácia em imagens diurnas, onde a espécie foi corretamente identificada em 80% dos casos.
O sistema ainda enfrenta desafios em ambientes noturnos, com chuva e quando o animal está parcialmente escondido. Para superar essas limitações, os pesquisadores planejam incluir imagens de animais capturadas em armadilhas fotográficas e câmeras de rodovias no banco de dados.
A aplicação do sistema poderá ser integrada a tecnologias já existentes, como aplicativos de trânsito, aumentando a segurança para os motoristas e os animais. Parcerias com concessionárias de rodovias e prefeituras estão sendo estudadas para possibilitar testes em situações reais. Essa iniciativa representa um importante avanço na proteção da fauna brasileira e na redução dos impactos dos atropelamentos nas estradas do país.
