Como a visão computacional em zoológicos pode melhorar o cuidado com os animais

Os jardins zoológicos, os santuários e as reservas desempenham um papel importante na 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 específicas, gerir as operações diárias pode ser um desafio. Por isso, os cuidadores de animais estão a recorrer a novos métodos para melhorar a forma como os animais são observados, tratados e apoiados.

Em particular, a inteligência artificial (AI) está se tornando uma ferramenta confiável para o cuidado animal e a gestão de zoológicos. Como resultado, o mercado global de IA na saúde animal está crescendo rapidamente e deve atingir US$ 8,23 bilhões até 2034.

Um ramo da IA que já está causando impacto é a visão computacional. Modelos de visão computacional como o Ultralytics YOLO11 permitem que as máquinas vejam e interpretem imagens de forma semelhante aos humanos. No cuidado animal, a IA de visão pode ser usada para detectar animais individualmente, monitorar seus movimentos e até identificar sinais de doenças que poderiam passar despercebidos.

Fig 1. Uso do Ultralytics YOLO11 para detectar elefantes.

Neste artigo, exploramos como a visão computacional está a ser utilizada em jardins zoológicos e nos cuidados veterinários para monitorizar a saúde, acompanhar o comportamento e promover o bem-estar animal.

O papel da visão computacional em zoológicos e na medicina veterinária#

Imagine um tratador de zoológico cuidando de um animal doente e observando atentamente o comportamento dele ao longo do dia para identificar qualquer mudança. Agora, imagine um sistema de câmeras fazendo isso continuamente — monitorando o animal sem parar e notificando a equipe assim que algo parecer estranho. A visão computacional torna isso 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 suporta 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 usado para detectar e acompanhar animais no zoológico.

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

Com o aumento da necessidade de cuidados eficazes com os animais, zoológicos e clínicas estão adotando soluções de visão computacional para gerenciar as operações diárias com mais eficiência. Da detecção precoce de doenças à automatização de verificações rotineiras, modelos como o Ultralytics YOLO11 ajudam os cuidadores a oferecer cuidados mais consistentes e ágeis, especialmente quando os recursos são limitados.

Aplicações da visão computacional em zoológicos#

Agora que vimos como a visão computacional ajuda no cuidado animal em zoológicos e clínicas, vamos examinar alguns estudos de caso globais que mostram como ela está sendo usada em iniciativas reais de conservação da vida selvagem e monitoramento da saúde animal.

Reconhecimento facial de animais: monitoramento de pandas ameaçados de extinção com IA#

O panda-gigante, antes ameaçado de extinção e agora considerado vulnerável, continua sendo um dos principais focos dos esforços de conservação. Mas acompanhar cada panda, sua saúde, seu comportamento e sua reprodução pode ser difícil, pois eles têm características faciais semelhantes. Até especialistas treinados podem ter dificuldade para distinguir um panda de outro.

Métodos tradicionais, como verificar pegadas ou fazer testes de DNA, já foram usados, mas em geral são caros, invasivos e nem sempre confiáveis.

Para resolver esse problema, pesquisadores do Centro de Pesquisa e Reprodução do Panda-Gigante de Chengdu, na China, criaram um sistema de reconhecimento facial usando visão computacional. O sistema usa IA de visão para identificar pandas individualmente, analisando características sutis e únicas de seus rostos.

Essa tecnologia de reconhecimento facial permite que os pesquisadores acompanhem continuamente os pandas e observem seus movimentos, hábitos alimentares e saúde sem causar danos ou incômodo. Ela oferece uma maneira simples de coletar informações precisas e em tempo real sobre os pandas, tornando o processo de monitoramento muito mais eficaz e confiável.

Fig 3. Exemplos de dados anotados usados para treinar modelos de detecção e identificação de pandas.

Monitoramento da saúde animal com IA mantém pandas-vermelhos sem estresse#

Os pandas-vermelhos são animais tímidos e solitários que enfrentam sérias ameaças à sobrevivência. Nos últimos 18 anos, cerca de três gerações, sua população global caiu mais de 50%, principalmente devido à perda de habitat e à captura ilegal. Eles vivem em regiões de Mianmar, Nepal, Índia e China, especialmente no Himalaia e no oeste de Sichuan, onde restam cerca de 6.000 a 7.000 pandas-vermelhos.

Mesmo em ambientes protegidos, como zoológicos, eles ainda podem correr riscos. Problemas de saúde nos pandas-vermelhos costumam se manifestar por pequenas mudanças de comportamento, como se movimentar menos, interagir menos ou dormir mal. No entanto, esses sinais podem ser tão sutis que passam facilmente despercebidos.

Para ajudar a proteger esses animais ameaçados de extinção, pesquisadores estão desenvolvendo novas formas de cuidar deles. Por exemplo, dados coletados por câmeras com sensor de movimento no Bifengxia Wildlife World, na China, foram usados para treinar um modelo de visão computacional baseado no YOLOv8, desenvolvido para monitorar o comportamento dos pandas-vermelhos.

Esse modelo pode ajudar os cuidadores a identificar sinais precoces de estresse ou doença, como imobilidade incomum ou redução da atividade, sem perturbar os animais. É uma abordagem não invasiva que permite o monitoramento ininterrupto, mantendo os pandas-vermelhos confortáveis e sem estresse.

Fig 4. Monitoramento do comportamento de pandas-vermelhos usando visão computacional.

Rastreamento de animais com visão computacional: monitoramento de golfinhos#

Observar o comportamento de animais na água, como os golfinhos-nariz-de-garrafa, pode ser complicado. Eles nadam rápido, mergulham fundo e muitas vezes se movimentam em grupos, o que dificulta o acompanhamento de suas rotinas ou a percepção de pequenas mudanças pelos cuidadores. Mas entender como descansam, interagem e usam o espaço é fundamental para mantê-los saudáveis. Isso é especialmente importante em zoológicos e aquários, onde o ambiente precisa ser cuidadosamente gerenciado.

No Brookfield Zoo, nos EUA, pesquisadores projetaram um sistema que usa visão computacional para acompanhar a movimentação dos golfinhos por todo o recinto. Eles instalaram câmeras de alta resolução ao redor do recinto para registrar os movimentos dos golfinhos ao longo do dia. Em seguida, essas gravações são analisadas para entender padrões de comportamento, como nadar, descansar, interagir ou explorar.

Especificamente, o rastreamento de objetos é usado para acompanhar o movimento de cada golfinho ao longo do tempo. Essa técnica de visão computacional permite que o sistema identifique cada golfinho e monitore suas atividades, mesmo quando eles nadam muito próximos ou mergulham. Ao acompanhar esses padrões, os cuidadores podem entender melhor como os golfinhos usam o espaço, interagem entre si e reagem às mudanças ambientais.

Fig 5. Duas câmeras acompanham o movimento dos golfinhos no Brookfield Zoo.

Prós e contras da visão computacional em zoológicos#

Atualmente, a visão computacional está sendo usada em diversos contextos de cuidado animal, de zoológicos a clínicas veterinárias, para melhorar o monitoramento, auxiliar no diagnóstico e promover o bem-estar geral. Veja algumas das principais formas como ela ajuda a aprimorar as práticas de cuidado animal:

• Análise do uso do recinto: Os mapas de calor e o acompanhamento do comportamento mostram quais áreas do recinto os animais preferem ou evitam, ajudando os tratadores a melhorar o projeto do habitat e o planejamento de atividades de enriquecimento ambiental.
• Redução da carga de trabalho: A automatização de tarefas rotineiras de monitoramento dá às equipes de cuidado animal mais tempo para se dedicarem a atividades práticas de enriquecimento ambiental, treinamento e cuidados médicos.
• Colaboração e diagnóstico remoto: Vídeos em tempo real e dados comportamentais podem ser compartilhados com veterinários, especialistas em comportamento ou pesquisadores que estejam em outros locais, viabilizando cuidados colaborativos e diagnósticos mais rápidos.
• Monitoramento noturno aprimorado: Sistemas de visão infravermelha e para ambientes com pouca luz permitem que a equipe monitore os animais fora do horário de funcionamento ou durante atividades noturnas — algo difícil de fazer manualmente sem perturbar os animais.

Embora a visão computacional ofereça muitos benefícios para o cuidado animal, também há desafios a considerar. Veja algumas limitações e fatores importantes que devem ser levados em conta ao adotar essa tecnologia:

• Complexidade do comportamento específico de cada espécie: Algumas espécies apresentam comportamentos sutis, raros ou pouco estudados, difíceis de rotular e detectar com precisão sem dados de treinamento abrangentes e de alta qualidade.
• Custos iniciais elevados de instalação: O custo de câmaras de alta resolução, equipamento duradouro e resistente às intempéries, servidores e dispositivos de borda pode representar um investimento significativo, sobretudo para jardins zoológicos ou instalações de conservação mais pequenos.
• Cobertura limitada e pontos cegos: Os animais costumam entrar em tocas, esconder-se atrás de árvores ou rochas ou ocupar espaços verticais — áreas que câmeras fixas podem não captar sem configurações com vários ângulos, que são extensas e caras.
• Informações limitadas em tempo real sobre comportamentos complexos: Embora comportamentos simples, como dormir ou se movimentar, sejam mais fáceis de detectar, interações sociais sutis ou estados emocionais são mais difíceis de interpretar com precisão pelos modelos de IA.

Principais conclusões#

A visão computacional está mudando gradualmente a forma como os animais são cuidados em zoológicos, clínicas veterinárias e reservas. Sua capacidade de monitorar movimentos, detectar sinais precoces de doenças e acompanhar cada animal faz dela uma ferramenta confiável. Embora esses sistemas não possam substituir os cuidadores humanos, podem ajudar os cuidadores humanos a realizar o trabalho com mais eficiência.

Daqui para a frente, é provável que vejamos usos mais avançados da IA no monitoramento da saúde animal. Por exemplo, a detecção de emoções pode ajudar a acompanhar em tempo real os níveis de estresse ou conforto, enquanto a estimativa de pose pode identificar sinais precoces de lesão antes que se tornem visíveis. Integrada a recintos inteligentes e sensores vestíveis, a visão computacional pode se tornar parte de um sistema conectado que oferece aos cuidadores informações mais detalhadas sobre o bem-estar de cada animal.

Junte-se à nossa crescente comunidade! Explore nosso repositório do GitHub para saber mais sobre IA. Pronto para começar seus próprios projetos de visão computacional? Confira nossas opções de licenciamento. Saiba mais sobre IA na área da saúde e visão computacional na agricultura em nossas páginas de soluções!