Identificação de besouros adultos (Coleoptera, Elmidae) de riachos em Floresta Ombrófila Mista (Paraná, Brasil): utilização de IA, Redes Neurais Convolucionais e taxonomia integrativa
Eduardo Rodrigo Viana Mallet
Data da defesa: 18/12/2025
Banca:
Dr. Thiago Tadeu Silva Polizei – USP – Primeiro examinador
Dra. Ana Lucia Suriani Affonso – UNICENTRO, Câmpus Santa Cruz – Segunda Examinadora
Dr. Elynton Alves do Nascimento – UNICENTRO – Orientador e Presidente da Banca
Resumo:
A qualidade da água em bacias hidrográficas é intrinsecamente dependente de fatores ambientais e do uso do solo, sendo frequentemente monitorada por meio de bioindicadores sensíveis, como os besouros (Insecta, Coleoptera) da família Elmidae. O presente estudo propôs o desenvolvimento de uma ferramenta automatizada de classificação para besouros aquáticos adultos da família Elmidae. A amostragem foi realizada no estado do Paraná, abrangendo os municípios de Campina do Simão, Fernandes Pinheiro, Irati, Rebouças, Rio Azul, Teixeira Soares, Turvo e o distrito de Guamirim. A metodologia adotou uma abordagem integrativa sequencial: inicialmente, os espécimes foram identificados morfologicamente, seguidos pela validação molecular baseada no gene mitocondrial citocromo oxidase I (COI), com extração via resina Chelex, conduzida no Senckenberg Deutsches Entomologisches Institut (Alemanha). As identificações validadas permitiram a curadoria e construção de um banco de dados de imagens, o qual foi utilizado para o desenvolvimento de uma ferramenta automatizada baseada em Redes Neurais Convolucionais (arquitetura MobileNet) em linguagem Python. Para mitigar a limitação do número de espécimes originais e aumentar a representatividade das amostras nas etapas de treinamento da IA, foram aplicadas técnicas de aumento de dados (data augmentation). Contudo, os testes indicaram que o modelo resultante apresentou severo overfitting de generalização, demonstrando-se inapto para uso operacional imediato com o volume de dados atual. Conclui-se que, embora a taxonomia integrativa tenha sido essencial para garantir a confiabilidade dos dados de entrada, a viabilidade da inteligência artificial no biomonitoramento depende estritamente da expansão massiva e padronizada de bancos de imagens, condição prévia mandatória a qualquer ajuste algorítmico futuro.
