Como a visão computacional em zoológicos pode melhorar o cuidado animal

Zoológicos, santuários e reservas desempenham um papel importante no apoio à conservação da vida selvagem e na manutenção do equilíbrio dos ecossistemas. No entanto, como esses espaços abrigam uma grande variedade de espécies, cada uma com necessidades únicas, gerenciar as operações diárias pode ser um desafio. É por isso que os cuidadores de animais estão recorrendo a novos métodos de ponta para melhorar a maneira como os animais são observados, tratados e assistidos.

Em particular, a inteligência artificial (IA) está a tornar-se uma ferramenta fiável no cuidado de animais e na gestão de jardins zoológicos. Consequentemente, o mercado global de IA na saúde animal está a crescer rapidamente e prevê-se que atinja 8,23 mil milhões de dólares até 2034.

Um ramo da IA que já está a ter impacto é a visão computacional. Os modelos de visão computacional como o Ultralytics YOLO11 permitem que as máquinas vejam e interpretem imagens da mesma forma que os humanos fazem. No que diz respeito ao cuidado animal, a IA de visão pode ser usada para detetar animais individuais, monitorizar os seus movimentos e até identificar sinais de doença que poderiam passar despercebidos.

Fig. 1. Usando Ultralytics YOLO11 para detectar elefantes.

Neste artigo, exploramos como a visão computacional está sendo usada em zoológicos e cuidados veterinários para monitorar a saúde, rastrear o comportamento e apoiar o bem-estar animal. Vamos começar!

O papel da visão computacional em zoológicos e cuidados veterinários#

Considere um tratador cuidando de um animal doente, observando cuidadosamente seu comportamento ao longo do dia para notar qualquer mudança. Agora, imagine um sistema de câmeras fazendo esse trabalho continuamente - monitorando o animal 24 horas por dia e notificando a equipe assim que algo parece estranho. A visão computacional torna isso possível.

As câmaras integradas com visão computacional podem ajudar a monitorizar animais em tempo real, tornando mais fácil detetar sinais precoces de stress, lesão ou doença. Modelos como o Ultralytics YOLO11, que suportam várias tarefas de visão computacional, conseguem detetar animais, rastrear os seus movimentos e ajudar em tarefas rotineiras, como a monitorização de comportamentos.

Fig. 2. O Ultralytics YOLO11 pode ser usado para detectar e rastrear animais no zoológico.

Da mesma forma, nos cuidados veterinários, a visão computacional pode ajudar os veterinários em tarefas complexas, tais como diagnosticar problemas oculares em espécies com anatomias muito variadas. Por exemplo, essas ferramentas conseguem detetar com precisão problemas como cataratas ou glaucoma, melhorando tanto a velocidade quanto a consistência do diagnóstico.

À medida que cresce a necessidade de um cuidado animal eficaz, zoológicos e clínicas estão adotando soluções de visão computacional para gerenciar as operações diárias de forma mais eficiente. Da detecção precoce de doenças à automação de verificações rotineiras, modelos como o Ultralytics YOLO11 ajudam os cuidadores a fornecer um atendimento mais consistente e ágil, especialmente quando os recursos são limitados.

Aplicações da visão computacional em zoológicos#

Agora que vimos como a visão computacional apoia o cuidado animal em zoológicos e clínicas, vamos dar uma olhada mais de perto em alguns estudos de caso globais que mostram como ela está sendo usada em esforços reais de conservação da vida selvagem e monitoramento da saúde animal.

Reconhecimento facial animal: Monitoramento por IA de pandas ameaçados#

O panda gigante, outrora ameaçado de extinção e agora considerado vulnerável, continua sendo um foco importante dos esforços de conservação. Mas acompanhar pandas individuais, sua saúde, comportamento e reprodução, pode ser difícil, já que eles têm características faciais semelhantes. Até especialistas treinados podem ter dificuldade em distinguir um panda de outro.

Métodos tradicionais, como verificar pegadas ou fazer testes de DNA, têm sido usados, mas esses métodos geralmente são caros, invasivos e nem sempre confiáveis.

Para enfrentar este problema, investigadores na Base de Investigação de Panda Gigante de Chengdu, na China, criaram um sistema de reconhecimento facial utilizando visão computacional. O sistema usa IA de visão para identificar pandas individuais ao analisar as características subtis e únicas dos seus rostos.

Essa tecnologia de reconhecimento facial permite que os pesquisadores rastreiem continuamente os pandas, observem seus movimentos, hábitos alimentares e saúde sem causar qualquer dano ou perturbação. Ela oferece uma maneira fácil de coletar informações precisas 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 para detetar e identificar pandas.

A IA no monitoramento da saúde animal mantém pandas vermelhos livres de estresse#

Os pandas vermelhos são animais tímidos e solitários que enfrentam sérias ameaças à sua 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 partes de Mianmar, Nepal, Índia e China, especialmente nos Himalaias 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 estar em risco. Problemas de saúde em pandas vermelhos geralmente se manifestam como pequenas mudanças no comportamento, como mover-se menos, interagir menos ou não dormir bem. No entanto, esses sinais podem ser tão sutis que são fáceis de perder.

Para ajudar a proteger estes animais ameaçados de extinção, 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 usados para treinar um modelo de visão computacional baseado no YOLOv8 concebido para monitorizar o comportamento do panda-vermelho.

Este modelo pode ajudar os cuidadores a identificar sinais de alerta precoce de estresse ou doença, como imobilidade incomum ou atividade reduzida, sem perturbar os animais. É uma abordagem não invasiva que permite o monitoramento 24 horas por dia, mantendo os pandas vermelhos confortáveis e livres de estresse.

Fig 4. Monitorização do comportamento do panda-vermelho utilizando visão computacional.

Rastreamento animal com visão computacional: Monitorando golfinhos#

Observar como os animais se comportam na água, como os golfinhos nariz-de-garrafa, pode ser complicado. Eles nadam rápido, mergulham fundo e geralmente se movem em grupos, o que torna difícil para os cuidadores rastrear suas rotinas ou notar pequenas mudanças. Mas entender como eles descansam, interagem e usam seu espaço é fundamental para mantê-los saudáveis. Isso é especialmente importante em zoológicos e aquários, onde seu ambiente precisa ser cuidadosamente gerenciado.

No Zoo de Brookfield, nos EUA, os investigadores criaram um sistema que utiliza visão computacional para rastrear o movimento dos golfinhos em todo o seu recinto. Instalaram câmaras de alta resolução à volta do recinto para gravar os golfinhos a moverem-se ao longo do dia. Estas gravações são depois analisadas para compreender padrões de comportamento, tais como nadar, descansar, interagir ou explorar.

Especificamente, o rastreio de objetos é usado para acompanhar o movimento de cada golfinho ao longo do tempo. Esta técnica de visão computacional permite que o sistema identifique golfinhos individuais e monitorize as suas atividades, mesmo quando nadam muito próximos uns dos outros ou mergulham debaixo de água. Ao rastrear estes padrões, os tratadores podem obter perspetivas sobre como os golfinhos usam o seu espaço, interagem entre si e respondem a alterações ambientais.

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

Prós e contras da visão computacional em zoológicos#

Hoje em dia, a visão computacional está sendo usada em diversos ambientes de cuidado animal, de zoológicos a clínicas veterinárias, para melhorar o monitoramento, apoiar o diagnóstico e aumentar o bem-estar geral. Aqui estão algumas maneiras principais pelas quais ela está ajudando a melhorar as práticas de cuidado animal:

• Análise de utilização do recinto: Os mapas de calor e o rastreio de comportamento mostram que áreas de um recinto os animais preferem ou evitam, ajudando os tratadores a melhorar o design do habitat e o planeamento de enriquecimento.
• Carga de trabalho reduzida: Automatizar tarefas rotineiras de monitoramento dá às equipes de cuidado animal mais tempo para focar em enriquecimento prático, treinamento e cuidados médicos.
• Colaboração e diagnóstico remoto: Vídeos em tempo real e dados de comportamento podem ser compartilhados com veterinários, especialistas em comportamento ou pesquisadores externos, permitindo cuidados colaborativos e diagnósticos mais rápidos.
• Monitoramento noturno aprimorado: Sistemas de visão infravermelha e de baixa luminosidade permitem que a equipe monitore os animais após o expediente ou durante atividades noturnas - algo que é difícil de fazer manualmente sem perturbar os animais.

Embora a visão computacional ofereça muitos benefícios com relação ao cuidado animal, também existem alguns desafios a serem considerados. Aqui estão algumas limitações principais e fatores a serem lembrados ao adotar essa tecnologia:

• Complexidade de comportamento específica da espécie: Algumas espécies têm comportamentos sutis, raros ou pouco estudados que são difíceis de rotular e detectar com precisão sem dados de treinamento extensivos e de alta qualidade.
• Custos iniciais de configuração elevados: O custo de câmaras de alta resolução, equipamento durável à prova de intempéries, servidores e dispositivos de edge pode representar um investimento significativo, particularmente para jardins zoológicos ou instalações de conservação mais pequenos.
• Cobertura limitada e pontos cegos: Os animais frequentemente se movem para tocas, escondem-se atrás de árvores ou rochas, ou usam espaço vertical - áreas que câmeras fixas podem não capturar sem configurações complexas e dispendiosas de múltiplos ângulos.
• Insight limitado em tempo real para comportamentos complexos: Embora comportamentos simples como dormir ou mover-se sejam mais fáceis de detectar, interações sociais sutis ou estados emocionais são mais difíceis para modelos de IA interpretarem com precisão.

Principais pontos#

A visão computacional está mudando constantemente a forma como os animais são cuidados em zoológicos, clínicas veterinárias e reservas. Sua capacidade de monitorar movimentos, detectar sinais precoces de doenças e rastrear animais individuais a torna uma ferramenta confiável. Embora esses sistemas não possam substituir os cuidadores humanos, eles podem ajudar os cuidadores humanos a fazerem seus trabalhos de forma mais eficiente.

Olhando para o futuro, é provável que vejamos usos mais avançados de IA no monitoramento da saúde animal. Por exemplo, a detecção de emoções pode ajudar a rastrear níveis de estresse ou conforto em tempo real, enquanto a estimativa de pose pode detectar sinais precoces de lesão antes que se tornem visíveis. Quando integrada a recintos inteligentes e sensores vestíveis, a visão computacional pode se tornar parte de um sistema conectado que oferece aos cuidadores insights mais profundos sobre o bem-estar de cada animal.

Junta-te à nossa crescente comunidade! Explora o nosso repositório do GitHub para mergulhares mais fundo na IA. Estás pronto para iniciar os teus próprios projetos de visão computacional? Vê as nossas opções de licenciamento. Descobre mais sobre IA na saúde e visão computacional na agricultura nas nossas páginas de soluções!