Como a visão computacional em zoológicos pode melhorar os cuidados com os animais

Os zoos, santuários e reservas desempenham um papel importante no apoio à conservação da vida selvagem e na manutenção do equilíbrio dos ecossistemas. No entanto, como estes espaços acolhem uma grande variedade de espécies, cada uma com necessidades únicas, gerir as operações diárias pode ser um desafio. É por isso que os cuidadores de animais estão a adotar métodos novos e avançados para melhorar a forma como os animais são observados, tratados e apoiados.

Em particular, a inteligência artificial (AI) está a tornar-se uma ferramenta fiável no cuidado dos animais e na gestão de zoos. Consequentemente, o mercado global de AI na saúde animal está a crescer rapidamente e deverá atingir 8,23 mil milhões de dólares até 2034.

Um ramo da AI que já está a causar impacto é a visão computacional. Os modelos de visão computacional, como o Ultralytics YOLO11, permitem que as máquinas vejam e interpretem imagens de forma muito semelhante aos seres humanos. No que diz respeito ao cuidado dos animais, a Vision AI pode ser utilizada para detetar animais individuais, monitorizar os seus movimentos e até identificar sinais de doença que poderiam passar despercebidos.

Fig. 1. Utilização do Ultralytics YOLO11 para detetar elefantes.

Neste artigo, exploramos como a visão computacional está a ser utilizada em zoos e na medicina veterinária para monitorizar a saúde, acompanhar o comportamento e apoiar o bem-estar dos animais. Vamos começar!

O papel da visão computacional nos zoos e na medicina veterinária#

Imagina um cuidador de zoo a vigiar um animal doente e a observar cuidadosamente o seu comportamento ao longo do dia para detetar quaisquer alterações. Agora, imagina um sistema de câmaras a fazer esse trabalho continuamente — a monitorizar o animal 24 horas por dia e a avisar a equipa assim que algo parece estar errado. A visão computacional torna isto possível.

As câmaras integradas com visão computacional podem ajudar a monitorizar animais em tempo real, facilitando a deteção precoce de sinais de stress, lesões ou doenças. Modelos como o Ultralytics YOLO11, que suportam várias tarefas de visão computacional, podem detetar animais, acompanhar os seus movimentos e ajudar em tarefas de rotina, como a monitorização do comportamento.

Fig. 2. O Ultralytics YOLO11 pode ser utilizado para detetar e acompanhar animais no zoo.

Da mesma forma, na medicina veterinária, a visão computacional pode ajudar os veterinários em tarefas complexas, como diagnosticar problemas oculares em espécies com anatomias muito diferentes. Por exemplo, estas ferramentas podem detetar com precisão problemas como cataratas ou glaucoma, melhorando tanto a rapidez como a consistência do diagnóstico.

À medida que cresce a necessidade de cuidados eficazes para os animais, os zoos e as clínicas estão a adotar soluções de visão computacional para gerir as operações diárias com maior eficiência. Desde a deteção precoce de doenças até à automatização de verificações de rotina, modelos como o Ultralytics YOLO11 ajudam os cuidadores a prestar cuidados mais consistentes e responsivos, especialmente quando os recursos são limitados.

Aplicações da visão computacional nos zoos#

Agora que vimos como a visão computacional apoia o cuidado dos animais em zoos e clínicas, vamos analisar mais de perto alguns estudos de caso globais que mostram como está a ser utilizada em iniciativas reais de conservação da vida selvagem e monitorização da saúde animal.

Reconhecimento facial de animais: monitorização de pandas ameaçados#

O panda-gigante, anteriormente ameaçado de extinção e agora considerado vulnerável, continua a ser um dos principais focos dos esforços de conservação. No entanto, acompanhar pandas individuais, a sua saúde, comportamento e reprodução pode ser difícil, uma vez que têm características faciais semelhantes. Até mesmo especialistas treinados podem ter dificuldade em distinguir um panda de outro.

Foram utilizados métodos tradicionais, como a análise de pegadas ou a realização de testes de DNA, mas estes métodos são geralmente dispendiosos, invasivos e nem sempre fiáveis.

Para resolver este problema, investigadores da Chengdu Research Base of Giant Panda Breeding, na China, criaram um sistema de reconhecimento facial utilizando visão computacional. O sistema utiliza Vision AI para identificar pandas individuais, analisando as características subtis e únicas dos seus rostos.

Esta tecnologia de reconhecimento facial permite aos investigadores acompanhar continuamente os pandas, observando os seus movimentos, hábitos alimentares e estado de saúde sem causar danos ou perturbações. Proporciona uma forma simples de recolher informações precisas e em tempo real sobre os pandas, tornando o processo de monitorização muito mais eficaz e fiável.

Fig. 3. Exemplos de dados anotados utilizados para treinar modelos de deteção e identificação de pandas.

A AI na monitorização da saúde animal mantém os pandas-vermelhos livres de stress#

Os pandas-vermelhos são animais tímidos e solitários que enfrentam sérias ameaças à sua sobrevivência. Nos últimos 18 anos, aproximadamente três gerações, a sua população global diminuiu mais de 50%, principalmente devido à perda de habitat e à captura ilegal. Vivem em zonas de Myanmar, Nepal, Índia e China, especialmente nos Himalaias e no oeste de Sichuan, onde restam entre 6 000 e 7 000 pandas-vermelhos.

Mesmo em ambientes protegidos, como os zoos, ainda podem estar em risco. Os problemas de saúde dos pandas-vermelhos manifestam-se frequentemente através de pequenas alterações no comportamento, como movimentarem-se menos, interagirem menos ou não dormirem bem. No entanto, estes sinais podem ser tão subtis que é fácil não os detetar.

Para ajudar a proteger estes animais ameaçados, os investigadores estão a desenvolver novas formas de cuidar deles. Por exemplo, os dados recolhidos por câmaras ativadas por movimento no Bifengxia Wildlife World, na China, foram utilizados para treinar um modelo de visão computacional baseado em YOLOv8, concebido para monitorizar o comportamento dos pandas-vermelhos.

Este modelo pode ajudar os cuidadores a detetar sinais de alerta precoces de stress ou doença, como imobilidade invulgar ou redução da atividade, sem perturbar os animais. É uma abordagem não invasiva que permite a monitorização contínua, mantendo os pandas-vermelhos confortáveis e livres de stress.

Fig. 4. Monitorização do comportamento dos pandas-vermelhos através de visão computacional.

Acompanhamento de animais com visão computacional: monitorização de golfinhos#

Observar o comportamento de animais na água, como os golfinhos-roazes, pode ser complicado. Nadam rapidamente, mergulham profundamente e deslocam-se frequentemente em grupos, o que dificulta o acompanhamento das suas rotinas ou a deteção de pequenas alterações. Mas compreender como descansam, interagem e utilizam o seu espaço é essencial para os manter saudáveis. Isto é especialmente importante em zoos e aquários, onde o ambiente precisa de ser cuidadosamente gerido.

No Brookfield Zoo, nos EUA, os investigadores conceberam um sistema que utiliza visão computacional para acompanhar o movimento dos golfinhos ao longo de todo o recinto. Instalaram câmaras de alta resolução em redor do recinto para gravar os movimentos dos golfinhos durante o dia. Estas gravações são depois analisadas para compreender padrões de comportamento, como nadar, descansar, interagir ou explorar.

Especificamente, o acompanhamento de objetos é utilizado para seguir o movimento de cada golfinho ao longo do tempo. Esta técnica de visão computacional permite ao sistema identificar golfinhos individuais e monitorizar as suas atividades, mesmo quando nadam próximos uns dos outros ou mergulham debaixo de água. Ao acompanhar estes padrões, os cuidadores podem obter informações sobre a forma como os golfinhos utilizam o espaço, interagem entre si e respondem a alterações ambientais.

Fig. 5. Câmaras duplas acompanham o movimento dos golfinhos no Brookfield Zoo.

Vantagens e desvantagens da visão computacional nos zoos#

Atualmente, a visão computacional está a ser utilizada em vários contextos de cuidado animal, desde zoos a clínicas veterinárias, para melhorar a monitorização, apoiar o diagnóstico e promover o bem-estar geral. Eis algumas das principais formas como está a ajudar a melhorar as práticas de cuidado animal:

• Análise da utilização do recinto: Os mapas de calor e o acompanhamento do comportamento mostram quais as zonas do recinto que os animais preferem ou evitam, ajudando os cuidadores a melhorar o design do habitat e o planeamento do enriquecimento ambiental.
• Redução da carga de trabalho: A automatização das tarefas de monitorização de rotina dá às equipas de cuidado animal mais tempo para se concentrarem no enriquecimento ambiental, no treino e nos cuidados médicos presenciais.
• Colaboração e diagnóstico à distância: Os vídeos e os dados comportamentais em tempo real podem ser partilhados com veterinários, especialistas em comportamento ou investigadores externos, permitindo cuidados colaborativos e diagnósticos mais rápidos.
• Monitorização noturna melhorada: Os sistemas de visão por infravermelhos e em condições de pouca luz permitem à equipa monitorizar os animais após o horário normal ou durante a atividade noturna — algo difícil de fazer manualmente sem perturbar os animais.

Embora a visão computacional ofereça muitas vantagens no cuidado dos animais, também existem alguns desafios a considerar. Eis algumas limitações e fatores importantes a ter em conta ao adotar esta tecnologia:

• Complexidade do comportamento específico de cada espécie: Algumas espécies apresentam comportamentos subtis, raros ou pouco estudados, difíceis de etiquetar e detetar com precisão sem dados de treino extensos e de alta qualidade.
• Custos iniciais elevados de configuração: O custo de câmaras de alta resolução, equipamento durável e resistente às condições meteorológicas, servidores e dispositivos de edge computing pode representar um investimento significativo, especialmente para zoos ou instalações de conservação mais pequenos.
• Cobertura limitada e zonas ocultas: Os animais entram frequentemente em tocas, escondem-se atrás de árvores ou rochas, ou utilizam espaços verticais — zonas que as câmaras fixas podem não captar sem configurações dispendiosas e extensas com vários ângulos.
• Informações em tempo real limitadas para comportamentos complexos: Embora comportamentos simples, como dormir ou movimentar-se, sejam mais fáceis de detetar, as interações sociais subtis ou os estados emocionais são mais difíceis de interpretar com precisão pelos modelos de AI.

Principais conclusões#

A visão computacional está a mudar gradualmente a forma como os animais são cuidados em zoos, clínicas veterinárias e reservas. A sua capacidade de monitorizar movimentos, detetar sinais precoces de doença e acompanhar animais individuais torna-a uma ferramenta fiável. Embora estes sistemas não possam substituir os cuidadores humanos, podem ajudá-los a desempenhar as suas funções com maior eficiência.

No futuro, é provável que vejamos utilizações mais avançadas da AI na monitorização da saúde animal. Por exemplo, a deteção de emoções poderia ajudar a acompanhar os níveis de stress ou conforto em tempo real, enquanto a estimativa de pose poderia detetar sinais precoces de lesões antes de se tornarem visíveis. Quando integrada com recintos inteligentes e sensores vestíveis, a visão computacional poderia tornar-se parte de um sistema conectado que oferece aos cuidadores informações mais detalhadas sobre o bem-estar de cada animal.

Junta-te à nossa comunidade em crescimento! Explora o nosso repositório no GitHub para aprofundares os teus conhecimentos sobre AI. Queres começar os teus próprios projetos de visão computacional? Consulta as nossas opções de licenciamento. Descobre mais sobre AI na saúde e visão computacional na agricultura nas nossas páginas de soluções!