A conservação da biodiversidade depende do conhecimento e do monitoramento das espécies presentes nos diferentes ecossistemas. Nesse contexto, o uso de tecnologias de visão computacional apresenta-se como uma ferramenta promissora para auxiliar na identificação de espécies a partir de fotografias e sons, ampliando o acesso à informação, a troca de conhecimentos e o engajamento social. O objetivo deste trabalho é descrever a expansão do sistema BioVision de identificação de espécies, inicialmente desenvolvido para a região Noroeste do Rio Grande do Sul, para todo o estado. Para sua execução, foi realizado um levantamento das espécies de aves e mamíferos ocorrentes no Rio Grande do Sul, bem como de informações sobre seus aspectos taxonômicos, ecológicos e de conservação (Jacobs e Fenalti, 2021; Weber, Roman e Cáceres, 2024, WikiAves, 2026). O código da rede foi aprimorado por meio de técnicas de transfer learning com auxílio da biblioteca de aprendizado de máquina e deep learning PyTorch e do modelo EfficientNet, possibilitando o uso de imagens mais profundas e menos parâmetros para melhores resultados (Szeliski, 2022). Também foram incluídas funções específicas no sistema, como uma segunda rede usando a biblioteca YOLO, que possibilita o reconhecimento e a contagem de múltiplos indivíduos em uma mesma imagem (Szeliski, 2022). Essa expansão recebeu a nomenclatura de BioVision Air, possibilitando sua integração com drones e autômatos. Adicionalmente, foi desenvolvida uma segunda expansão para o reconhecimento de espécies, especialmente de aves, por meio de áudios, o BioVision Sound. Para avaliar a utilização do sistema, foi aplicado um questionário para a comunidade regional. Como resultado, o BioVision foi ampliado para o reconhecimento de 876 espécies ocorrentes no estado, sendo 164 mamíferos e 712 aves. Em comparação à versão inicial, foram adicionadas 665 novas espécies, representando um aumento de 400,9%. A rede neural principal atingiu acurácia de 90%, correspondendo a um aumento de 15%. O sistema foi disponibilizado para uso da comunidade e vem sendo divulgado por meio das redes sociais do projeto. Até o momento, 22 pessoas responderam ao questionário, sendo que 65% atribuíram nota 10 à utilidade do sistema, 75% aprovaram totalmente seu layout e 90% avaliaram positivamente sua facilidade de uso. Entre as sugestões apresentadas, destacou-se a inclusão do reconhecimento por áudio, funcionalidade implementada no sistema. Conclui-se que o sistema BioVision possibilita a identificação de espécies de aves e mamíferos de todo o Rio Grande do Sul, apresentando potencial de utilização pela comunidade e contribuindo para a consolidação de uma ferramenta voltada à identificação e conservação da biodiversidade. Além disso, apresenta caráter educacional, podendo ser utilizado como recurso didático por estudantes do IFFar e de outras instituições de ensino.

Referências bibliograficas:

JACOBS, Fernando; FENALTI, Paulo. Guia de Identificação: Aves do Rio Grande do Sul. 1. ed. Porto Alegre: Editora Aratinga, 2021. 454p.

SZELISKI, R. Computer Vision: Algorithms and Applications. 2. ed. Springer, 2022. 947p.

WEBER, Marcelo; ROMAN, Cassiano; CÁCERES, Nilton. Mamíferos do Rio Grande do Sul. 1. ed. Santa Maria: Editora da UFSM, 2024. 555P.

WIKIAVES. Espécies em Frederico Westphalen/RS | Wiki Aves - A Enciclopédia das Aves do Brasil. Disponível em: https://www.wikiaves.com.br/especies.php?&t=c&c=4308508. Acesso em: 01 jul. 2026.