Desenvolvimento de uma plataforma de visão computacional e aprendizado de máquina para identificação automatizada da fauna associada à pesca de arrasto de camarão

Descrição

A pesca de arrasto direcionada ao camarão captura uma ampla diversidade de organismos marinhos, incluindo as espécies-alvo de camarões, outros crustáceos e uma expressiva fauna acompanhante composta por peixes, siris, caranguejos, estomatópodes e demais invertebrados bentônicos ou nectobentônicos. A identificação taxonômica dessa fauna é essencial para o monitoramento pesqueiro, avaliação de biodiversidade, mensuração do descarte, rastreabilidade, conservação e gestão dos estoques. Entretanto, a triagem e identificação em laboratório dependem de especialistas, consomem tempo, exigem chaves morfológicas detalhadas e podem ser dificultadas por similaridade interespecífica, variação ontogenética, dimorfismo sexual, danos corporais causados pelo arrasto e conservação inadequada dos exemplares. Este projeto guarda-chuva propõe desenvolver, validar e disponibilizar uma plataforma baseada em visão computacional, redes neurais profundas e aprendizado de máquina para auxiliar a classificação automatizada de espécies animais associadas à pesca de arrasto de camarão. O projeto integrará dois eixos complementares: (i) modelos de aprendizado profundo, especialmente redes neurais convolucionais e modelos de transferência de aprendizagem, capazes de aprender padrões discriminantes diretamente das imagens; e (ii) modelos clássicos de aprendizado de máquina alimentados por descritores extraídos das imagens, como índices morfométricos, descritores de forma, textura, cor, borda, contorno, momentos geométricos, landmarks, semilandmarks e medidas derivadas de segmentação. A combinação dessas abordagens permitirá comparar classificadores, interpretar quais estruturas anatômicas contribuem para a discriminação, reduzir a dependência exclusiva de modelos do tipo caixa-preta e gerar ferramentas aplicáveis a diferentes níveis taxonômicos, desde grandes grupos até espécies morfologicamente próximas. Serão construídos bancos de imagens padronizadas com validação taxonômica por especialistas, complementadas, quando necessário, por morfometria geométrica e validação molecular em grupos de difícil identificação. Os modelos serão avaliados por métricas de acurácia, precisão, revocação, F1-score, matriz de confusão, validação cruzada estratificada, validação externa por localidade e análise de interpretabilidade. Espera-se produzir uma base de dados curada, modelos computacionais reprodutíveis, protocolos de fotografia e pré-processamento, chaves ilustradas, material de divulgação e um protótipo de ferramenta para apoio à identificação da fauna de arrasto, contribuindo para taxonomia aplicada, monitoramento pesqueiro, formação de recursos humanos e manejo sustentável dos recursos marinhos.