Classificação computacional de animais para sistema de detecção nas rodovias

Sato, DenisZanella, Adroaldo JoséCosta, Ernane Xavier

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.(AU)

1. Aprendizado de máquina
2. Computational vision
3. Visão computacional
4. Vehicle-animal collisions
5. Acidentes rodoviários com animais
6. Machine-learning