Detecção automatizada de quebra de coco em áudio de armadilha fotográfica utilizando rede neural convolucional

• Processo: 25/01069-1
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de abril de 2025
• Data de Término da vigência: 31 de março de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Rafael Luiz Testa
• Beneficiário: Pedro Schneider
• Instituição Sede: Centro Universitário FEI (UNIFEI). Campus de São Bernardo do Campo. São Bernardo do Campo , SP, Brasil
• Assunto(s): Bioacústica Comportamento animal Processamento de sinais Redes neurais convolucionais
• Palavra(s)-Chave do Pesquisador: Bioacústica | Comportamento animal | Processamento de Sinais | Redes Neurais convolucionais | Processamento de sinais

Resumo

Este projeto de pesquisa propõe o desenvolvimento de um sistema de aprendizado profundo para análise automatizada de dados acústicos provenientes de armadilhas fotográficas, focando na detecção e classificação do comportamento de quebra de cocos por macacos-prego (Sapajus spp.). Embora as armadilhas fotográficas sejam amplamente utilizadas no monitoramento da vida selvagem, as análises tradicionalmente concentram-se apenas nos dados visuais, subutilizando o potencial dos registros sonoros gerados simultaneamente. A complexidade e o volume desses dados tornam sua análise manual trabalhosa, demandando soluções automatizadas eficientes.O sistema proposto será desenvolvido utilizando registros audiovisuais coletados nos Parques Nacionais Chapada dos Veadeiros e Ubajara, contendo eventos de quebra de coco anotados por especialistas. O modelo será especificamente projetado para discriminar entre eventos de quebra de cocos de babaçu e macaúba, espécies importantes na dieta dos macacos-prego, utilizando uma arquitetura de rede neural convolucional para classificação dos padrões acústicos.A metodologia fundamenta-se em três componentes: desenvolvimento de técnicas para detecção de eventos acústicos relevantes, implementação de métodos para mitigação de ruído ambiental, e desenho de uma arquitetura neural para classificação de padrões acústicos. O produto final será um framework computacional completo que permitirá não apenas a análise eficiente de grandes volumes de dados, mas também contribuirá para o entendimento dos padrões de forrageamento e uso de ferramentas por primatas, representando uma contribuição significativa para os campos de processamento de sinais bioacústicos e estudos de comportamento animal.