Visão computacional aplicada em imagens obtidas por RPA (drone) para detecção da espécie exótica invasora (Pinus taeda L.)

Abstract

Invasões biológicas são uma das maiores ameaças para a conservação dos ecossistemas, sendo considerada a segunda causa de perda da biodiversidade global. No centro Sul do Brasil as espécies vegetais exóticas do gênero Pinus são de grande expressão, com ocorrência em diversos ecossistemas, inclusive em Unidades de Conservação. Diante disso, é fundamental estudar técnicas que otimizem o monitoramento da ocorrência dessas espécies ao longo do tempo, com propósito de subsidiar planos de controle, de mitigação e de erradicação. Em encontro com essa perspectiva, este trabalho buscou avaliar a viabilidade do uso de câmera com sensor RGB, embarcada em Aeronave Remotamente Pilotada (drone) e processadas com técnicas de visão computacional baseadas em redes neurais convolucionais, para detecção de indivíduos contaminantes de Pinus taeda presentes em ambientes classificados como estágios iniciais e médios de regeneração natural, ocorrentes no Parque Estadual do Rio Canoas, Campos Novos, Santa Catarina. O detector selecionado foi o ?YOLOv8? desenvolvido pela empresa Ultralytics, por ser reconhecidamente rápido e preciso, disponibilizar modelos pré-treinados e contar com suporte da comunidade. Para treinamento, validação e teste foram capturadas imagens contendo Pinus spp. em distintos ambientes, alturas, estádios de desenvolvimento, condições de luz e épocas do ano. Para predição foram selecionadas duas áreas no interior do Parque sob condição de contaminação, onde previamente foram realizados censos da classe Pinus e considerada a visibilidade dos indivíduos no ortomosaico e o diâmetro das copas para definir a verdade fundamental. Nestas áreas foram testadas três alturas de voo, quatro versões de aumentos das imagens de treinamento e sete níveis de confiança. O melhor modelo resultou em um F1-score de 87,0% para os indivíduos cujas copas possuem diâmetro maior que 1 metro e visíveis no ortomosaico, correspondente à versão com 1600 imagens aumentadas em voos de 40 metros de altura. Os resultados indicam que o modelo YOLOv8 é eficaz na detecção da espécie exótica e tem potencial de replicabilidade em outras unidades de conservação e em outros ecossistemas.

Abstract: Biological invasions are one of the greatest threats to ecosystem conservation, and are considered the second leading cause of global biodiversity loss. In the central and southern regions of Brazil, exotic plant species of the genus Pinus are highly prevalent and occur in several ecosystems, including Conservation Units. Therefore, it is essential to study techniques that optimize the monitoring of the occurrence of these species over time, with the purpose of supporting control, mitigation, and eradication plans. In line with this perspective, this study sought to evaluate the feasibility of using a camera with an RGB sensor, embedded in a Remotely Piloted Aircraft (drone) and processed with computer vision techniques based on convolutional neural networks, to detect contaminating individuals of Pinus taeda present in environments classified as initial and medium stages of natural regeneration, occurring in the Rio Canoas State Park, Campos Novos, Santa Catarina. The selected detector was ?YOLOv8?, developed by Ultralytics, because it is recognized as fast and accurate, provides pre-trained models and has community support. For training, validation and testing, images containing Pinus spp. were captured in different environments, heights, development stages, light conditions and times of the year. For prediction, two areas inside the Park under contamination conditions were selected, where censuses of the pine class were previously carried out and the visibility of individuals in the orthomosaic and the diameter of the crowns were considered to define the ground truth. Three flight heights, four versions of augmentation of the training images and seven confidence levels were tested in these areas. The best model resulted in an F1-score of 87.0% for individuals whose crowns have a diameter greater than 1 meter and are visible in the orthomosaic, corresponding to the version with 1600 augmented images in flights at 40 meters high. The results indicate that the YOLOv8 model is effective in detecting exotic species and has potential for replicability in other conservation units and other ecosystems.