Análise de rastros de animais na neve com visão computacional

Para ver uma apresentação visual dos conceitos abordados neste artigo, assista ao vídeo abaixo.

A neve, tal como outras superfícies naturais, pode registar a atividade da vida selvagem. Por exemplo, as pegadas deixadas na neve podem revelar que animais passaram por ali, como se deslocaram e o que estavam a fazer.

Durante décadas, caminhantes, caçadores e investigadores estudaram estas pegadas para aprender mais sobre o comportamento dos animais selvagens. Mas o processo nem sempre é fiável. A neve pode mudar, o vento pode apagar detalhes e as pegadas sobrepostas podem dificultar a identificação. Até observadores experientes podem não reparar em padrões importantes.

Fig. 1. Pegadas de leopardo preservadas na neve fresca. (Fonte)

Os avanços tecnológicos estão agora a facilitar a interpretação destes indícios. Em particular, a visão computacional, um ramo da IA que permite às máquinas analisar dados visuais com precisão e rapidez, pode ser utilizada para detetar e compreender pegadas de animais. Por exemplo, modelos como o Ultralytics YOLO11 podem ser treinados para detetar formas e padrões em imagens de pegadas de animais.

Neste artigo, vamos explorar como as pegadas de animais são preservadas na neve, o que revelam sobre a vida selvagem e como a visão computacional está a tornar o rastreamento mais eficiente.

A importância das pegadas de animais na neve#

As pegadas de animais são marcas deixadas quando os animais se deslocam por superfícies como neve, terra ou lama. Quando as condições da neve são favoráveis, estas pegadas preservam frequentemente detalhes mais nítidos, como marcas de garras, almofadas plantares e as diferenças entre as patas dianteiras e traseiras, que são mais difíceis de detetar na terra ou na relva.

Fig. 2. Pegadas de animais em diferentes superfícies. (Fonte)

Para além de identificar espécies, o espaçamento, a disposição e as variações subtis das pegadas podem revelar muito aos investigadores sobre o movimento, o comportamento e as interações com o ambiente, fornecendo informações valiosas sobre a atividade animal a investigadores, caminhantes e entusiastas da vida selvagem.

Eis algumas das principais características que os investigadores procuram ao analisar pegadas:

• Patas dianteiras e traseiras: As diferenças de tamanho e forma entre as patas dianteiras e traseiras refletem a forma como um animal distribui o peso e se desloca pelo ambiente.
• Pegadas de patas ou de animais: O contorno geral e o tamanho de uma pegada ajudam a identificar a espécie que a deixou.
• Marcas de garras: As pegadas de canídeos, como as de coiotes, raposas e cães, mostram geralmente marcas de garras, enquanto as pegadas de felinos, incluindo linces-pardos, gatos domésticos e pumas, normalmente não as apresentam, a menos que o animal esteja a correr ou a deslocar-se sobre terreno escorregadio.
• Padrão das pegadas: A disposição das pegadas pode revelar o comportamento animal: coiotes e raposas deixam frequentemente rastos em linha reta, enquanto os cães domésticos tendem a vaguear em ziguezague.
• Largura do rasto e linhas de arrasto: A distância entre as pegadas da esquerda e da direita (largura do rasto) varia consoante a espécie e o tipo de locomoção. As alterações nessa distância podem indicar a velocidade ou a cautela do animal, enquanto as linhas deixadas por caudas, ventres ou presas fornecem pistas adicionais sobre a atividade.

Identificar pegadas de animais na neve#

Cada pegada na neve conta uma parte da história de um animal. O tamanho e a forma de cada marca, as diferenças entre as patas dianteiras e traseiras e a presença ou ausência de marcas de garras podem revelar a espécie, o tipo de locomoção e a distribuição do peso. Por exemplo, as raposas e os coiotes deixam frequentemente marcas de garras visíveis, ao contrário dos linces-pardos e dos pumas, que normalmente não as deixam.

As pegadas raramente aparecem isoladas. Indícios como excrementos, tufos de pelo, rastos de caudas ou entradas de tocas nas proximidades acrescentam muitas vezes contexto importante. Como as condições da neve e os rastos sobrepostos podem apagar detalhes, os rastreadores combinam vários indícios para formar uma imagem mais clara. A disposição das pegadas na neve é especialmente útil, pois revela não só para onde o animal foi, mas também como se deslocava e se comportava.

Eis alguns padrões comuns de pegadas de animais encontrados na neve:

• Saltadores: Os coelhos e as lebres-americanas impulsionam-se com as patas traseiras fortes, deixando as marcas maiores das patas traseiras à frente das marcas menores das patas dianteiras. Em neve profunda, as lebres-americanas deixam rastos especialmente longos.
• Saltadores aos pares: As doninhas, as martas, os visons e os ratos-almiscarados saltam para a frente com as patas dianteiras e traseiras juntas, formando um padrão repetitivo de dois pares.
• Marchadores: Os guaxinins, as doninhas-fedorentas, os castores, os porcos-espinhos e os ursos-negros deslocam-se lentamente, deixando rastos largos com marcas de garras visíveis.
• Passada perfeita: As raposas e os coiotes colocam as patas traseiras quase no mesmo sítio onde pousaram as dianteiras, formando linhas retas. Os coiotes tendem a deslocar-se em linha reta, enquanto os cães domésticos vagueiam em ziguezague.

Desafios na interpretação de pegadas de animais na neve#

Apesar dos vários indícios relacionados com as pegadas, rastrear animais na neve pode continuar a ser complexo. As condições da neve afetam o aspeto das marcas: a neve fresca preserva os detalhes, enquanto a neve dura, derretida ou recém-caída pode deformar ou cobrir as pegadas.

O estado do tempo também tem influência, pois o vento e a luz do sol podem apagar os contornos, e os rastos sobrepostos de vários animais podem causar confusão. Além disso, o comportamento animal torna a situação ainda menos previsível.

Algumas espécies, como as doninhas-fedorentas e os ursos-negros, hibernam no inverno, enquanto outras se deslocam de forma errática ou voltam a percorrer os próprios rastos. Entretanto, nas florestas, os rastos de veados, alces e wapitis cruzam-se frequentemente com os de animais mais pequenos ou predadores. Outros indícios, como excrementos, pelo ou rastos de caudas, ajudam a compreender o movimento e o comportamento.

Como a visão computacional pode ser utilizada para detetar pegadas de animais#

Para enfrentar os desafios da análise de pegadas de animais na neve, os investigadores começam a recorrer a tecnologias como a visão por computador. Por exemplo, estão a explorar modelos de visão por computador capazes de detetar e localizar pegadas individuais, separar rastos sobrepostos e até ser treinados com conjuntos de dados personalizados para reconhecer características específicas de cada espécie, como marcas de garras e padrões de marcha.

Mais especificamente, modelos como o Ultralytics YOLO11 suportam tarefas de visão computacional, como a deteção de objetos, que pode ser utilizada para identificar e localizar pegadas individuais, e a segmentação de instâncias, que permite separar rastos sobrepostos. Ao treinar um modelo como o YOLO11 com um conjunto de dados personalizado de pegadas de animais, os investigadores podem reconhecer mais facilmente padrões específicos de cada espécie, distinguir rastos sobrepostos e obter resultados mais consistentes do que com a observação manual.

Visão computacional e investigação sobre a análise de pegadas de animais#

Agora que vimos como a visão computacional pode rastrear pegadas de animais, vejamos como esta tecnologia está a ser aplicada na investigação no mundo real.

Da FIT aos conjuntos de dados abertos#

Durante anos, a maioria dos estudos sobre pegadas baseou-se na tecnologia de identificação de pegadas (FIT). A FIT funciona assinalando pontos específicos em cada pegada e utilizando essas medições para distinguir os animais. Embora seja eficaz, o processo é lento, exige especialistas com formação e não é prático quando se pretende analisar milhares de rastos na natureza.

Um estudo recente sobre tigres-do-amur no nordeste da China demonstrou que a FIT consegue até identificar indivíduos pelas pegadas na neve, proporcionando uma forma fiável e não invasiva de monitorizar predadores ameaçados de extinção.

Fig. 3. Pegadas de tigre na neve. (Fonte: sciencedirect.com)

No entanto, os investigadores também destacaram as limitações do método: exige muito trabalho e é difícil de expandir. Importa salientar que referiram que a visão computacional poderá automatizar este processo no futuro, reduzindo a necessidade de medições manuais e permitindo lidar com conjuntos de dados muito maiores.

Esta mudança já está a começar com projetos como o OpenAnimalTracks, um conjunto de dados público que contém milhares de pegadas identificadas de 18 espécies, em lama, areia e neve. Com recursos como este, os modelos de IA visual podem ser treinados para detetar e classificar pegadas automaticamente, tornando a monitorização da vida selvagem mais rápida e acessível.

Fig. 4. Visão geral do conjunto de dados OpenAnimalTracks (Fonte)

Ao desenvolver os fundamentos do FIT e combiná-los com conjuntos de dados abertos e visão por computador, a investigação em conservação está a avançar para sistemas escaláveis capazes de rastrear espécies e proteger ecossistemas sem perturbar os próprios animais.

Principais conclusões#

As pegadas na neve mostram como os animais se deslocam, se comportam e utilizam os seus habitats. Analisá-las manualmente exige paciência e experiência, mas a visão computacional torna o processo mais eficiente. A utilização de ferramentas como o Ultralytics YOLO11, em conjunto com o conhecimento humano, simplifica a monitorização da vida selvagem, apoia os esforços de conservação e fornece dados úteis para proteger as espécies.

Junte-se à nossa crescente comunidade! Explore nosso repositório no GitHub para saber mais sobre IA. Conheça a visão computacional na indústria e a IA na logística visitando nossas páginas de soluções. Para começar a desenvolver com visão computacional, confira nossas opções de licenciamento.