UTILIZAÇÃO DE APRENDIZADO PROFUNDO PARA CLASSIFICAÇÃO ENTRE DIFERENTES ESPÉCIES DE ACCIPITRÍDEOS

Resumo

Introdução: Accipitrídeos são aves voadoras membros da família Accipitridae, cujos representantes mais simbólicos são as águias,  alguns gaviões e os abutres do velho mundo. Para fins de classificação, neste trabalho escolhemos as seguintes águias: Harpia (Harpia harpyja), águia-careca (Haliaeetus leucocephalus), águia-dourada(Aquila chrysaetos) e águia-das-filipinas (Pithecophaga jefferyi). Dentre essas, a águia-das filipinas e a harpia encontram-se ameaçadas devido a destruição do seu habitat e caça ilegal. Assim, ferramentas que possibilitam classificação rápida desses animais seriam importantes para auxiliar pesquisadores e leigos na diferenciação entre os accipitrídeos viventes. Objetivo: Construir um classificador de imagens que seja capaz de diferenciar entre imagens dos vários tipos de accipitrídeos com pequeno gasto computacional. Materiais e métodos: Para realizar o trabalho foi escolhida a 47 atualização do dataset “315-birds”, disponível da plataforma Kaggle, e com base no dataset foram separadas as espécies da família accipitridae disponíveis, e foi-se utilizado a proporção de divisão já pré-determinada pelo no treino/teste/validação. Para a inteligência artificial utilizou-se do pacote Keras integrado ao api Tensor Flow,e foi definida a rede neural Mobile-Net. Para gerar o modelo, treinou-se por 80 épocas em 10 seeds diferentes (327, 261, 777, 47, 954, 728, 901, 553, 419, 934). Por fim, ao fim de cada seed foi coletado as médias das métricas estabelecidas (precisão, recall e f1-score), e se calculou média geral e desvio padrão. Resultados: A avaliação do modelo retornou os seguintes resultados: recall 92%±4,8% , precisão 92,3%±4,1% e f1-score 91,8%±5,4%. O accipeterídeo que apresentou maior relativa dificuldade de ser classificado foi a Harpia (Harpia harpyja), que apresentou métricas de precisão média de 84,6%±8,45%, que mesmo com a dificuldade relatada pode ser considerado um valor aceitável. Conclusão: Conclui-se que o modelo é capaz de atingir os objetivos esperados, e assim capaz de classificar de forma satisfatória os diferentes tipos de accipitrídeos com grande confiabilidade. Além disso, o trabalho demonstra que a computação é capaz de distinguir espécies anatomicamente similares, e que pode ser expandido para outros trabalhos envolvendo outras aves ou animais diversos.