USP desenvolve IA que reconhece texturas em imagens
Batizado de Vortex, o sistema pode contribuir para análises de imagens médicas, microscópicas e de satélite, incluindo aplicações voltadas à identificação de materiais e ao mapeamento da superfície terrestre.
Pesquisadores do Instituto de Física de São Carlos (IFSC), da Universidade de São Paulo (USP), desenvolveram um método de inteligência artificial capaz de reconhecer padrões de textura em imagens com 87,6% de precisão em um dos testes realizados. Batizado de Vortex, o sistema pode contribuir para análises de imagens médicas, microscópicas e de satélite, incluindo aplicações voltadas à identificação de materiais e ao mapeamento da superfície terrestre.
A pesquisa foi realizada em colaboração com pesquisadores da Universidade Estadual Paulista (Unesp) e do KTH Royal Institute of Technology, na Suécia. Os resultados foram publicados na revista científica Neurocomputing, no artigo VORTEX: Challenging CNNs at texture recognition by using vision transformers with orderless and randomized token encodings.
Sistema analisa diferentes partes da imagem
O Vortex foi desenvolvido para reconhecer texturas e padrões complexos, considerando as relações entre diferentes regiões de uma imagem. A técnica utiliza uma arquitetura chamada Vision Transformer (ViT), que aplica mecanismos de autoatenção para analisar partes próximas ou distantes e identificar características relevantes.
Segundo Odemir Martinez Bruno, professor do IFSC e coordenador da pesquisa, o objetivo é desenvolver métodos específicos para a análise de padrões encontrados em imagens médicas, de microscopia e produzidas por satélites.
Diferentemente de uma análise limitada a características isoladas, o mecanismo de autoatenção permite relacionar diferentes partes da imagem. No Vortex, um modelo ViT pré-treinado extrai características que são organizadas em um descritor de textura. Em seguida, um algoritmo de aprendizado de máquina chamado Máquina de Vetores de Suporte (SVM) utiliza essas informações para classificar as imagens.
Precisão e velocidade nos testes
Nos experimentos, o Vortex alcançou 87,6% de precisão no banco de imagens DTD, resultado apontado pelos autores como o melhor relatado para aquele conjunto de dados. O método também estabeleceu novos resultados de referência nos conjuntos FMD e GTOS-Mobile.
Em um dos testes de desempenho, uma versão do sistema processou as características de uma imagem de 224 por 224 pixels em aproximadamente 4,5 milissegundos, utilizando um computador equipado com placa gráfica de alto desempenho.
Os números indicam potencial para aplicações que exigem análise rápida de imagens. Entretanto, os resultados apresentados correspondem a conjuntos de dados específicos e não garantem o mesmo desempenho em todas as condições de uso.
Aplicações podem alcançar o monitoramento agrícola
Entre as possibilidades apontadas pelos pesquisadores estão a análise de tecidos biológicos, a diferenciação de materiais e o reconhecimento de características da superfície terrestre a partir de imagens de satélite.
No agronegócio, esse tipo de tecnologia pode abrir caminhos para pesquisas envolvendo o reconhecimento de padrões em imagens de áreas agrícolas e o monitoramento da cobertura do solo. Essas aplicações, porém, ainda precisam ser avaliadas e validadas para cada finalidade, já que o estudo não apresenta resultados específicos de uso do Vortex em lavouras.
🔧 Orientação prática: Para quem trabalha com agricultura de precisão e sensoriamento remoto, acompanhar o desenvolvimento de métodos de visão computacional pode ajudar a identificar novas ferramentas para análise de imagens. Antes de adotar uma tecnologia desse tipo, é importante verificar sua precisão em condições reais de campo e para o objetivo desejado.
Fonte: Jornal da USP.
