Dot.lib

Estudar o comportamento de animais marinhos nunca foi uma tarefa simples. Diferente dos organismos terrestres, as tartarugas marinhas, os tubarões e os mamíferos oceânicos vivem em um ambiente que dificulta a observação direta e contínua.

A incorporação de câmeras portáteis acopladas diretamente aos animais, conhecidas como câmeras animal-borne, representou um salto qualitativo enorme. Pela primeira vez, tornou-se possível observar o mundo pela perspectiva do próprio animal. No entanto, um novo problema surgiu com as horas intermináveis de vídeo acumuladas, impossíveis de serem revisadas manualmente em larga escala.

Um novo estudo publicado no Journal of Experimental Biology, de nossa parceira The Company of Biologists, propõe uma resposta para esse desafio: treinar modelos de Inteligência Artificial (IA) para realizar o trabalho pesado na classificação de comportamentos.

As Tartarugas-Verdes das Bahamas como Estudo de Caso

A equipe de pesquisadores, liderada por Nathan J. Robinson do Institut de Ciències del Mar (CSIC), juntamente com colaboradores da Universidade de Illinois e da Universidade de Valência, escolheu um comportamento específico: a respiração das tartarugas-verdes (Chelonia mydas) nas Bahamas.

• Por que a respiração? Esse dado é fundamental para compreender a fisiologia do mergulho, o uso do habitat e os níveis de estresse dos animais. Até o momento, essa métrica só podia ser estimada assumindo que a tartaruga respirava ao subir acima de certa profundidade (geralmente 2 metros), o que apresenta grandes limitações em habitats rasos.
  
  
• A coleta de dados: Tartarugas juvenis foram equipadas com câmeras (TurtleCams) na ilha de Eleuthera. As câmeras gravavam a 30 quadros por segundo em resolução HD, gerando entre 3 e 4 horas de vídeo por implantação.
  
  
• A análise: Das gravações bem-sucedidas, 18 vídeos foram selecionados, resultando em um total de 324.000 quadros que foram rotulados manualmente para identificar os momentos exatos de respiração ou apneia.

Três Modelos, Uma Disputa

Para classificar os quadros automaticamente, a equipe avaliou três modelos de aprendizado de máquina:

1. Resnet-50 (3 épocas)
2. Resnet-50 (10 épocas)
3. Vision Transformer (ViT) (3 épocas)

As redes neurais convolucionais (como a Resnet-50) assumem que os pixels próximos uns dos outros estão mais relacionados, tornando-as eficazes para identificar objetos localizados. O Vision Transformer (ViT), por outro lado, divide cada imagem em subseções e avalia como elas se relacionam entre si, permitindo uma compreensão global mais profunda.

O modelo ViT superou as variações do Resnet-50, alcançando uma precisão média de 97,2% e uma taxa de recuperação (Recall) superior a 99,9%. Isso significa que o modelo ViT identificou corretamente quase todos os quadros de respiração.

O Que a Inteligência Artificial Enxerga

Uma das características mais valiosas do modelo ViT é a sua capacidade de gerar "mapas de atenção", revelando visualmente quais partes da imagem a ferramenta utiliza para tomar a sua decisão. Esses mapas demonstraram que o modelo focou precisamente na cabeça da tartaruga emergindo acima da superfície.

As principais falhas do modelo resultaram em falsos positivos gerados por duas situações:

• Quando a tartaruga permanecia na superfície realizando múltiplas respirações consecutivas sem mergulhar.
• Quando a cabeça do animal emergia para respirar, mas a câmera permanecia submersa.

Um Avanço Real para a Conservação

Embora a tartaruga-verde seja classificada como uma espécie de "menor preocupação" globalmente, ela continua ameaçada em várias regiões e é estritamente protegida pela CITES. O modelo ViT, mesmo que ainda não calcule as taxas de respiração de forma 100% automatizada sem falsos positivos, já é capaz de reduzir drasticamente o número de quadros que os pesquisadores precisam revisar manualmente.

Para acessar a metodologia detalhada sobre esta inovação no bio-registro, leia o artigo completo no Journal of Experimental Biology.

Sobre a The Company of Biologists

A The Company of Biologists é uma prestigiada instituição sem fins lucrativos, reconhecida globalmente pela excelência e pelo rigor acadêmico de suas publicações. Com um papel central no avanço das ciências biológicas, a organização destaca-se por reinvestir seus recursos no apoio à comunidade científica, consolidando-se como uma autoridade essencial para a disseminação de pesquisas de alto impacto e inovação na área. 

Se você deseja conhecer melhor o portfólio da The Company of Biologists para a sua instituição, entre em contato pelo info@dotlib.com ou preencha nosso formulário. Aproveite e acompanhe nosso blog, siga nossas redes sociais e se inscreva na Dotlib TV, nosso canal oficial no YouTube.