Estudo realizado no Instituto Oceanográfico (IO) da USP pretende buscar informações acerca do fitoplâncton e sua relevância, utilizando um sistema de equipamento para amostras e algoritmo para organização de dados. As pesquisas foram realizadas após o desenvolvimento de um sistema de equipamento feito no Laboratório de Sistemas Planctônicos do IO.
“É importante entender a ocorrência dos grupos de organismos planctônicos e a influência dos parâmetros ambientais nessa ocorrência. Esse sistema pode ajudar nisso por se tratar de um novo método amostral, que permite a observação do fito e do zooplâncton em uma resolução de tempo e espaço maior do que a realizada com métodos tradicionais”, afirma a oceanógrafa Alessandra Gomes.
Como tudo começou
A pesquisadora traçou dois importantes objetivos. O primeiro seria desenvolver e implementar um equipamento para filmar as partículas e organismos que seriam identificados computacionalmente depois. O segundo era usar o equipamento em campo por alguns meses, coletando informações como temperatura, salinidade, clorofila e matéria orgânica. Pela base da USP em Ubatuba possuir uma estação meteorológica, também foram utilizados seus dados.
“O objetivo inicial era conseguir entender quais grupos ocorriam ali e em quais condições ambientais. Pelo fato de o plâncton ser a base da cadeia alimentar, ele acaba influenciando os estoques pesqueiros”, conta Alessandra.
A criação
Após testes, Alessandra pôde, finalmente, utilizar seu equipamento: o sistema submersível de imageamento e visão computacional. Localizado próximo à base em Ubatuba, o equipamento fica a cerca de 1,5 metros da superfície, variando essa diferença com a maré. Assim como a distância até o fundo, que oscila entre dois e cinco metros.
A oceanógrafa explica que o equipamento possui dois tubos e alguns dispositivos como um LED e uma lente que vai definir o que esse LED capturou em um feixe circular. “Os sensores ambientais prendemos na estrutura e com a parte computacional conseguimos fazer ciclos de filmagens definindo intervalos de minutos de forma automática, por exemplo.”
“O que fiz foi utilizar as imagens para quantificar as partículas em suspensão, notando, por exemplo, um aumento significativo dessas partículas durante um evento de entrada de frente fria. Contudo, não foi possível distinguir com clareza o que era fitoplâncton e zooplâncton e o que era partícula”, lamenta.
Situação hoje
Alguns problemas foram apresentados após a primeira análise. “Um grande problema é o elevado número de imagens de objetos desfocados que é obtida in situ (no local), o que dificulta e muito a posterior classificação automática e validação dessas vinhetas. Um outro problema é que o volume amostrado por sistemas de imagem in situ é muito pequeno quando comparado ao amostrado pelos métodos tradicionais como redes de arrasto”, declara Alessandra.
Segundo ela, as tecnologias vêm para melhorar a amostragem dos organismos planctônicos e, consequentemente, a classificação que a eles estão associados. “Elas não serão implementadas em larga escala se não houver a parte computacional funcionando bem para cuidar do tanto de dados que se obtém”, pondera.
Por isso a utilização de algoritmo, que já estava presente no primeiro equipamento, mas que necessitou ser aprimorado. “No meu mestrado utilizei o Random Forest, mas agora estamos na etapa de aumentar o número de dados classificados e em transição para o novo algoritmo, chamado Deep Learning, bem melhor para classificação.”
A classificação funciona da seguinte forma: é criada uma biblioteca para ensinar o computador a identificar partículas e organismos como plânctons e fitoplânctons. São feitas várias pastas com exemplos de organismos e o computador “decora”.
“Esses novos métodos e tecnologias podem ser o futuro da oceanografia biológica, pois eles trazem informações que os métodos tradicionais não eram capazes de trazer antes.”
Faça um comentário