Foto: Fundação Matutu

Por redação AIoT Brasil

Com a parceria de cientistas da Tongji University (China), da Banasthali Vidyapith (Índia) e da King Faisal University (Arábia Saudita), pesquisadores da Universidade Federal do Ceará (UFC) desenvolveram uma ferramenta de inteligência artificial que consegue detectar focos de incêndio em tempo real e, a partir daí, acelerar o acionamento das equipes de bombeiros. O sistema pode ser usado tanto em drones como em câmeras de vigilância comuns, o que permite criar unidades de monitoramento de incêndios em espaços públicos e em ambientes fechados.

O algoritmo é fruto da tese de doutorado do pesquisador Jefferson Almeida, que foi orientado pelo professor Victor Hugo de Albuquerque, do Laboratório de Engenharia de Sistemas de Computação (LESC) e do Departamento de Engenharia de Teleinformática (DETI) da UFC, um dos autores do projeto. Também participou do trabalho o professor Fabrício Gonzalez Nogueira, do Departamento de Engenharia Elétrica da universidade cearense.

“O sistema permite, por exemplo, navegar com um drone sobre determinada região, para fazer a detecção de princípios de incêndio. A ideia é que o drone localize e reconheça padrões e mande uma mensagem com a localização para os bombeiros ou para o robô militar de combate ao fogo”, explicou Albuquerque.

A pesquisa se iniciou com o desenvolvimento de uma rede neural convolucional, um algoritmo de aprendizado profundo cuja principal aplicação está na detecção, identificação e classificação de elementos em imagens. Os cientistas montaram um banco de imagens de áreas públicas e “treinaram” a rede neural para localizar, a partir de frames de imagens, três situações distintas: com fogo, com fumaça e sem fogo e sem fumaça e sem fogo. A partir daí, quando confrontado com uma nova imagem, o algoritmo consegue classificá-la automaticamente e lançar um alerta.

Com base nessa descoberta, a equipe se concentrou em criar um algoritmo leve, capaz de ser embarcado em um hardware utilizado pelos drones ou ser usado em nuvem. Para realmente se transformar em inovação, a rede neural precisaria demandar uma capacidade de processamento relativamente baixa e consumir pouca energia. Caso contrário, seu uso prático poderia ficar comprometido.

Os pesquisadores trataram então de aprimorar a arquitetura do algoritmo e reduziram o número de camadas convolucionais, para que o modelo tivesse o melhor desempenho possível. A seguir, passaram a comparar a nova rede com as já conhecidas na literatura acadêmica. Os testes mostraram que a nova rede neural não só possuía os melhores resultados no reconhecimento das imagens como também demandava menos recursos de energia e processamento de dados. Agora, os pesquisadores pretendem realizar testes de campo com drones e com o modelo proposto para avaliar o desempenho em situações controladas.