Pesquisadores desenvolveram um sistema baseado em deep learning para identificar vespas parasitoides com alta precisão, facilitando o trabalho de especialistas em taxonomia e contribuindo para o controle de pragas agrícolas.

Utilizando um banco de dados com mais de 3 mil imagens em alta resolução, a técnica de visão computacional e aprendizado profundo identificou vespas parasitoides da família Ichneumonidae, um dos grupos mais diversos da ordem Hymenoptera. O estudo, realizado por biólogos da Universidade Federal de São Carlos em parceria com o Instituto Nacional de Ciência e Tecnologia dos Hymenoptera Parasitoides da Região Sudeste, tem potencial para revolucionar a descrição e catalogação de insetos, atividades que demandam profissionais altamente qualificados e muito tempo devido ao método manual de comparação.

A identificação taxonômica precisa é fundamental para o monitoramento da biodiversidade, pesquisas ecológicas e estratégias de controle biológico. Insetos representam cerca de metade da biomassa global, mas aproximadamente 80% das espécies ainda não são conhecidas, o que afeta diretamente a conservação e práticas agrícolas. A tecnologia aplicada permite que o computador reconheça características visuais relevantes, como padrões na nervação das asas e formato do corpo, possibilitando a identificação automática do animal por família, gênero ou espécie.

O material biológico utilizado no estudo foi cedido pela coleção taxonômica da UFSCar e incluiu 3.556 imagens que treinaram o algoritmo, disponível publicamente. O modelo demonstrou capacidade de aprender morfologias específicas dos insetos, ativando regiões como as asas para realizar predições. Essa abordagem pode ampliar a visão humana, identificando detalhes invisíveis ao olho nu, uma inovação que pode poupar tempo dos especialistas e aprimorar o monitoramento de espécies essenciais para o equilíbrio dos ecossistemas agrícolas.

O avanço da inteligência artificial na entomologia representa um importante passo para a ciência, unindo tecnologia e biologia para melhorar a conservação da biodiversidade e a eficiência no controle biológico de pragas.