Observar aves es más que un pasatiempo: es una herramienta clave para estudiar la biodiversidad. Sin embargo, los métodos tradicionales pueden ser lentos y costosos. En un innovador estudio, Félix-Jiménez et al. (2025) desarrollaron una app que utiliza inteligencia artificial para detectar y clasificar aves en tiempo real directamente desde un teléfono móvil, combinando dos potentes modelos: YOLOv8 Small y MobileNet V3 Large.
El modelo YOLOv8 Small se encarga de identificar aves en una imagen y recortar automáticamente su silueta. Luego, MobileNet V3 clasifica la especie entre cinco tipos comunes en Zacatecas: atrapamoscas bermejo, atrapamoscas pardo, carbonero mexicano, pájaro carpintero de Arizona y gorrión listado. La app permite hacer esto en segundos y con una alta precisión, incluso desde smartphones de gama media, lo que democratiza la observación científica.
Las pruebas de campo mostraron que la detección tuvo una precisión del 89.67% y la clasificación alcanzó hasta 93% de exactitud, lo que representa una mejora considerable frente a los métodos manuales, que requieren horas y personal capacitado. Además, el sistema puede operar sin conexión a internet y sin necesidad de equipos costosos, gracias al uso de TensorFlow Lite para optimizar el rendimiento en dispositivos móviles.
Esta innovación no solo agiliza el trabajo de biólogos y conservacionistas, sino que también abre la puerta a que cualquier persona interesada en la naturaleza pueda contribuir con datos relevantes desde su entorno. La app “IdBird” es un ejemplo del potencial de la IA aplicada a la conservación: una solución portable, eficiente y fácil de usar para monitorear especies en tiempo real.
Este trabajo marca un gran paso en la tecnología ambiental, mostrando que la inteligencia artificial puede integrarse con éxito en actividades cotidianas como la observación de aves. A futuro, este sistema podrá ampliarse a más especies, otras regiones y distintos usos educativos y científicos, demostrando cómo la IA puede ser una aliada de la biodiversidad.
Referencia:
Félix-Jiménez, A. F., Sánchez-Lee, V. S., Acuña-Cid, H. A., Ibarra-Belmonte, I., Arredondo-Morales, E., & Ahumada-Tello, E. (2025). Integration of YOLOv8 Small and MobileNet V3 Large for Efficient Bird Detection and Classification on Mobile Devices. AI, 6(3), 57. https://doi.org/10.3390/ai6030057
