Dissertação/Tese POTENCIAL DO USO DE SENSOR TERMAL E MODELO DE LINGUAGEM DE LARGA ESCALA PARA MONITORAMENTO DE ANIMAIS ENDOTÉRMICOS - PPGCF

O uso de Veículos Aéreos Não Tripulados (UAVs) equipados com sensores termais vem se consolidando como uma abordagem promissora para o monitoramento de animais endotérmicos, especialmente em ambientes de difícil acesso e elevada complexidade estrutural. O presente estudo integrou (i) mapeamento cienciométrico da produção científica sobre a aplicação de câmeras termais embarcadas em UAVs no monitoramento da fauna; (ii) avaliação do potencial de Modelos de Linguagem de Larga Escala Multimodais (MLLMs) para a detecção e contagem automatizada de primatas em imagens termais e (iii) análise da influência da altura de voo e da estrutura da vegetação sobre o contraste térmico e, consequentemente, na detectabilidade dos alvos. A análise cienciométrica, baseada em artigos das bases Web of Science e Scopus, resultou em um conjunto final de 149 publicações sobre o tema. Verificou-se o crescimento expressivo das pesquisas a partir de 2019, predominantemente dos Estados Unidos e Austrália, além da transição de abordagens baseadas exclusivamente em detecção visual e sobrevoos livres para métodos integrando algoritmos, inteligência artificial e sobrevoos planejados. Na inteligência aplicada, mesmo com um número reduzido de exemplos de treinamento, o MLLM foi capaz de identificar corretamente os indivíduos nas imagens de teste. Ademais, observou-se relação inversa entre altura de voo e contraste térmico, com redução mais acentuada em ambiente florestado, onde a copa atua como barreira à radiação infravermelha. A 90 m de altitude, alvos sob dossel fechado tornaram-se indistinguíveis do fundo térmico, evidenciando a influência conjunta da altura de voo e da estrutura da vegetação na probabilidade de detecção

The use of Unmanned Aerial Vehicles (UAVs) equipped with thermal sensors has been consolidating as a promising approach for monitoring endothermic animals, particularly in environments with difficult access and high structural complexity. The present study integrated: (i) a scientometric mapping of the scientific production on the application of thermal cameras mounted on UAVs for wildlife monitoring; (ii) an evaluation of the potential of Multimodal Large Language Models (MLLMs) for the automated detection and counting of primates in thermal images; and (iii) an analysis of the influence of flight altitude and vegetation structure on thermal contrast and, consequently, on target detectability. The scientometric analysis, based on articles retrieved from the Web of Science and Scopus databases, resulted in a final dataset of 149 publications on the topic. A marked increase in research output was observed from 2019 onwards, predominantly from the United States and Australia, accompanied by a transition from approaches based exclusively on visual detection and free-flight surveys to methods that integrate algorithms, artificial intelligence, and preplanned flight missions. In the applied component, even with a limited number of training examples, the MLLM was able to correctly identify individuals in the test images. Furthermore, an inverse relationship was observed between flight altitude and thermal contrast, with a more pronounced reduction in forested environments, where the canopy acts as a barrier to infrared radiation. At 90 m altitude, targets located under a closed canopy became indistinguishable from the thermal background, highlighting the combined influence of flight altitude and vegetation structure on detection probability