{"id":2562,"date":"2025-07-14T07:34:43","date_gmt":"2025-07-14T10:34:43","guid":{"rendered":"https:\/\/web.inf.ufpr.br\/dinf\/?p=2562"},"modified":"2025-10-28T15:43:46","modified_gmt":"2025-10-28T18:43:46","slug":"pesquisadores-da-ufpr-conquistam-1o-lugar-em-desafio-internacional-de-deteccao-de-drones","status":"publish","type":"post","link":"https:\/\/web.inf.ufpr.br\/dinf\/?p=2562","title":{"rendered":"Pesquisadores da UFPR conquistam 1\u00ba lugar em desafio internacional de detec\u00e7\u00e3o de drones"},"content":{"rendered":"\n

Brasileiros vencem o 8th Drone-vs-Bird Detection Grand Challenge com abordagem inovadora baseada em intelig\u00eancia artificial<\/em><\/p>\n\n\n\n

Pesquisadores da Universidade Federal do Paran\u00e1 (UFPR) integram equipe que conquistou o primeiro lugar na 8\u00aa edi\u00e7\u00e3o “Drone-vs-Bird Detection Grand Challenge<\/a>“, competi\u00e7\u00e3o internacional que desafia equipes a desenvolverem sistemas capazes de diferenciar automaticamente drones de aves em v\u00eddeos. O trabalho<\/a> foi apresentado durante a International Joint Conference on Neural Networks (IJCNN 2025), em Roma, no \u00faltimo dia 5 de julho. Intitulado time PUCPR-UFPR, a equipe \u00e9 formada pelo p\u00f3s-doutorando do Programa de P\u00f3s-gradua\u00e7\u00e3o em Inform\u00e1tica (PPGInf) da UFPR e professor do Programa de P\u00f3s-Gradua\u00e7\u00e3o em Inform\u00e1tica (PPGIa) da PUCPR, Rayson Laroca, e dos pesquisadores do Departamento de Inform\u00e1tica (Dinf) da UFPR, Marcelo dos Santos e David Menotti.  <\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Certificado de primeiro lugar na 8\u00aa edi\u00e7\u00e3o “Drone-vs-Bird Detection Grand Challenge”<\/em><\/p>\n\n\n\n

O time recebeu o certificado de 1\u00ba lugar ap\u00f3s superar equipes de todo o mundo, demonstrando excel\u00eancia t\u00e9cnica e inova\u00e7\u00e3o em solu\u00e7\u00f5es para detec\u00e7\u00e3o de drones em cen\u00e1rios reais. O desafio proposto pela competi\u00e7\u00e3o<\/a> exige que os participantes desenvolvam algoritmos capazes de distinguir drones de aves em v\u00eddeos capturados em ambientes reais, mesmo quando esses objetos aparecem muito pequenos ou se confundem com elementos do cen\u00e1rio, como \u00e1rvores, pr\u00e9dios ou o pr\u00f3prio c\u00e9u. O objetivo \u00e9 fortalecer tecnologias de monitoramento e prote\u00e7\u00e3o de \u00e1reas sens\u00edveis, diante do crescente uso de drones para fins leg\u00edtimos e il\u00edcitos, como transporte de cargas, vigil\u00e2ncia n\u00e3o autorizada e at\u00e9 mesmo ataques.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Pesquisador Rayson Laroca recebendo certificado de Angelo Coluccia, organizador da competi\u00e7\u00e3o, professor na Universidade do Salento, It\u00e1lia<\/em><\/p>\n\n\n\n

Para David Menotti, a conquista evidencia o potencial das universidades brasileiras na forma\u00e7\u00e3o de profissionais altamente qualificados para atuar em cen\u00e1rios globais, especialmente em \u00e1reas de r\u00e1pida evolu\u00e7\u00e3o tecnol\u00f3gica como a computa\u00e7\u00e3o.\u201cAs universidades brasileiras t\u00eam a compet\u00eancia de formar alunos em n\u00edvel de excel\u00eancia para competir globalmente, ainda mais na \u00e1rea de computa\u00e7\u00e3o, onde h\u00e1 uma necessidade constante de atualiza\u00e7\u00e3o. Formar profissionais preparados para esse cen\u00e1rio \u00e9 fundamental, e acredito que no Brasil as universidades desempenham esse papel essencial\u201d, destaca Menotti.<\/p>\n\n\n\n

A proposta apresentada pela equipe PUCPR-UFPR destacou-se por uma s\u00e9rie de inova\u00e7\u00f5es t\u00e9cnicas que impulsionaram o desempenho do sistema. O n\u00facleo da solu\u00e7\u00e3o \u00e9 baseado no modelo YOLOv11m, uma evolu\u00e7\u00e3o dos famosos detectores da fam\u00edlia YOLO, reconhecidos pela efici\u00eancia e precis\u00e3o em tarefas de detec\u00e7\u00e3o de objetos. <\/p>\n\n\n\n

\u201cA utiliza\u00e7\u00e3o do modelo YOLOv11m para a competi\u00e7\u00e3o come\u00e7ou com a vers\u00e3o base, mas logo identificamos uma limita\u00e7\u00e3o cr\u00edtica: em v\u00eddeos com alt\u00edssima resolu\u00e7\u00e3o (como 4K), os drones apareciam min\u00fasculos e, ao redimensionar as imagens para 640\u00d7640 pixels (padr\u00e3o do modelo), muitos sumiram ou ficavam abaixo do limiar de detec\u00e7\u00e3o. Testamos alternativas como a variante YOLOv11m-p2, com stride refinado para melhor detectar objetos pequenos, e tamb\u00e9m a amplia\u00e7\u00e3o da entrada para 1280\u00d71280 pixels. Embora essas solu\u00e7\u00f5es tenham trazido melhorias pontuais, os ganhos obtidos n\u00e3o justificaram o aumento significativo no custo computacional\u201d, destaca Rayson Laroca. <\/p>\n\n\n\n

\u00c9 com base neste aspecto que a equipe, para superar a dificuldade de identificar drones muito pequenos em imagens de alta resolu\u00e7\u00e3o, implementaram um processamento multi-escala: cada quadro de v\u00eddeo \u00e9 analisado tanto em sua totalidade quanto dividido em quatro segmentos sobrepostos, simulando um efeito de zoom que aumenta a chance de detectar drones distantes sem perder contexto. As detec\u00e7\u00f5es feitas em cada segmento e na imagem completa s\u00e3o ent\u00e3o agregadas e refinadas por meio de t\u00e9cnicas de supress\u00e3o n\u00e3o-m\u00e1xima, eliminando duplicidades e falsos positivos.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Apresenta\u00e7\u00e3o do trabalho na International Joint Conference on Neural Networks (IJCNN 2025), em Roma<\/em><\/p>\n\n\n\n

Outro diferencial foi o uso extensivo de t\u00e9cnicas de aumento de dados. Al\u00e9m das transforma\u00e7\u00f5es cl\u00e1ssicas, como rota\u00e7\u00e3o, ajustes de brilho e contraste, e espelhamento horizontal, a equipe aplicou a t\u00e9cnica de \u201ccopy-paste\u201d, inserindo artificialmente drones e aves recortados em diferentes posi\u00e7\u00f5es e contextos dentro das imagens de treino. Isso ampliou a diversidade do conjunto de dados, tornando o modelo mais robusto a varia\u00e7\u00f5es de cen\u00e1rio e apar\u00eancia dos objetos. O treinamento tamb\u00e9m incorporou imagens de tr\u00eas bases p\u00fablicas internacionais, o que contribuiu para a generaliza\u00e7\u00e3o do sistema.<\/p>\n\n\n\n

Para lidar com falhas eventuais de detec\u00e7\u00e3o em quadros consecutivos, foi implementado um p\u00f3s-processamento temporal que analisa a consist\u00eancia das detec\u00e7\u00f5es ao longo do tempo. Quando um drone \u00e9 identificado em quadros anteriores e posteriores, mas n\u00e3o em um quadro intermedi\u00e1rio, o sistema realiza uma interpola\u00e7\u00e3o linear da posi\u00e7\u00e3o, preenchendo poss\u00edveis lacunas e aumentando a confiabilidade do rastreamento. Esse mecanismo se mostrou eficiente para manter a continuidade da detec\u00e7\u00e3o, mesmo em situa\u00e7\u00f5es de oclus\u00e3o ou baixa visibilidade. <\/p>\n\n\n\n

Segundo Rayson, em competi\u00e7\u00f5es de vis\u00e3o computacional, a busca pela excel\u00eancia t\u00e9cnica \u00e9 acompanhada de obst\u00e1culos que v\u00e3o al\u00e9m do desenvolvimento de algoritmos. \u201cUm dos principais desafios foi o fato de que, por se tratar de uma competi\u00e7\u00e3o, o conjunto de testes oficial n\u00e3o estava dispon\u00edvel para n\u00f3s. Isso exigiu um cuidado redobrado na escolha dos cen\u00e1rios de valida\u00e7\u00e3o entre os dados que t\u00ednhamos. Precis\u00e1vamos garantir que esses cen\u00e1rios fossem suficientemente diversos e desafiadores para que nosso algoritmo fosse exposto a diferentes tipos de situa\u00e7\u00f5es \u2014 como varia\u00e7\u00f5es de resolu\u00e7\u00e3o, plano de fundo, ilumina\u00e7\u00e3o, movimenta\u00e7\u00e3o da c\u00e2mera e tamanhos dos drones. Com base nos pontos fracos identificados durante nossos experimentos, adotamos estrat\u00e9gias para mitigar essas limita\u00e7\u00f5es e tornar o modelo mais robusto frente \u00e0s incertezas da avalia\u00e7\u00e3o final\u201d, finaliza.<\/p>\n\n\n\n

Os resultados apresentados pela equipe na competi\u00e7\u00e3o foram expressivos. O m\u00e9todo alcan\u00e7ou o melhor desempenho geral entre 16 algoritmos submetidos por 13 equipes de diferentes pa\u00edses, obtendo m\u00e9dia de precis\u00e3o (mAP) superior nos cen\u00e1rios mais desafiadores, especialmente em fundos de c\u00e9u aberto e vegeta\u00e7\u00e3o, onde a detec\u00e7\u00e3o de objetos pequenos \u00e9 particularmente dif\u00edcil.<\/p>\n","protected":false},"excerpt":{"rendered":"

Brasileiros vencem o 8th Drone-vs-Bird Detection Grand Challenge com abordagem inovadora baseada em intelig\u00eancia artificial Pesquisadores da Universidade Federal do Paran\u00e1 (UFPR) integram equipe que conquistou o primeiro lugar na 8\u00aa edi\u00e7\u00e3o “Drone-vs-Bird Detection Grand Challenge“, competi\u00e7\u00e3o internacional que desafia equipes a desenvolverem sistemas capazes de diferenciar automaticamente drones de aves em v\u00eddeos. O trabalho…<\/p>\n","protected":false},"author":101,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-2562","post","type-post","status-publish","format-standard","hentry","category-sem-categoria"],"_links":{"self":[{"href":"https:\/\/web.inf.ufpr.br\/dinf\/index.php?rest_route=\/wp\/v2\/posts\/2562","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/web.inf.ufpr.br\/dinf\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/web.inf.ufpr.br\/dinf\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/web.inf.ufpr.br\/dinf\/index.php?rest_route=\/wp\/v2\/users\/101"}],"replies":[{"embeddable":true,"href":"https:\/\/web.inf.ufpr.br\/dinf\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=2562"}],"version-history":[{"count":2,"href":"https:\/\/web.inf.ufpr.br\/dinf\/index.php?rest_route=\/wp\/v2\/posts\/2562\/revisions"}],"predecessor-version":[{"id":2575,"href":"https:\/\/web.inf.ufpr.br\/dinf\/index.php?rest_route=\/wp\/v2\/posts\/2562\/revisions\/2575"}],"wp:attachment":[{"href":"https:\/\/web.inf.ufpr.br\/dinf\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=2562"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/web.inf.ufpr.br\/dinf\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=2562"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/web.inf.ufpr.br\/dinf\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=2562"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}