Classificação computacional de animais para sistema de detecção nas rodovias

• Autor(a) principal: Sato, Denis
• Data de Publicação: 2021
• Outros Autores: Zanella, Adroaldo José, Costa, Ernane Xavier
• Tipo de documento: Artigo
• Idioma: eng
• Título da fonte: Brazilian Journal of Veterinary Research and Animal Science
• Texto Completo: https://www.revistas.usp.br/bjvras/article/view/174951
• topic: Aprendizado de máquina; Acidentes rodoviários com animais; Visão computacional; Machine-learning; Vehicle-animal collisions; Computational vision

As colisões entre veículos e animais representam um sério problema na infraestrutura rodoviária. Para evitar tais acidentes, medidas mitigatórias têm sido aplicadas em diferentes regiões do mundo. Neste projeto é apresentado um sistema de detecção de animais em rodovias utilizando visão computacional e algoritmo de aprendizado de máquina. Os modelos foram treinados para classificar dois grupos de animais: capivaras e equídeos. Foram utilizadas duas variantes da rede neural convolucional chamada Yolo (você só vê uma vez) — Yolov4 e Yolov4-tiny (versão mais leve da rede) — e o treinamento foi realizado a partir de modelos pré-treinados. Testes de detecção foram realizados em 147 imagens e os resultados de precisão obtidos foram de 84,87% e 79,87% para Yolov4 e Yolov4-tiny, respectivamente. O sistema proposto tem o potencial de melhorar a segurança rodoviária reduzindo ou prevenindo acidentes com animais.