Notícia
Denise Britto
- Publicado em
26-02-2026
13:00
Pesquisa inova ao aplicar IA na identificação de vespas parasitóides
Como a IA pode agilizar o trabalho de cientistas na identificação de espécies importantes na biodiversidade brasileira - como abelhas, formigas e vespas? Uma pesquisa desenvolvida em parceria entre a USP e a UFSCar é um exemplo bem-sucedido desse uso ao contribuir para a identificação de vespas parasitóides (Hymenoptera) por meio da aplicação de técnicas de visão computacional e Inteligência Artificial.
"Visão computacional é uma área da Inteligência Artificial que ensina o computador a analisar e entender imagens. Em vez de apenas 'ver' uma foto como um conjunto de cores, o computador aprende a reconhecer padrões, formas e estruturas. Para a Biologia, é como treinar o computador para fazer algo parecido com o que um pesquisador faz ao observar um inseto: analisar características, comparar com exemplos anteriores e identificar", explica o engenheiro mecatrônico João Manoel Herrera Pinheiro, autor do trabalho.
O estudo foi desenvolvido no período de 2024 e 2026 durante seu mestrado no Programa de Pós-Graduação em Engenharia Mecânica da Escola de Engenharia de São Carlos (USP), sob orientação do professor Marcelo Becker, coordenador do Laboratório de Robótica Móvel (LRM). A versão preliminar do primeiro artigo decorrente da pesquisa acaba de ser publicado na ArXiv, uma plataforma gratuita e de livre acesso da Cornell University, nos Estados Unidos, e está disponível em https://arxiv.org/abs/2602.20028.
Avanço metodológico
O estudo apresenta um avanço metodológico e um suporte estratégico aos estudos de biodiversidade. "O trabalho é uma base fundamental para automação da identificação das vespas parasitóides. Hoje é necessário um especialista com vários anos de estudos (mestrado, doutorado) para identificar as espécies e ele precisa realizar as tarefas sempre do início. Com a automação e o uso de IA, podemos diminuir esse trabalho deixando o especialista de fato trabalhar com a identificação mais detalhada em níveis de subfamília, gênero e espécie, sem gastar recurso com a identificação nos níveis mais elevados. Isso ajudaria muito e aceleraria o processo de identificação de novas espécies e novos estudos, ainda mais que a diversidade desse grupo é pouco explorada, embora estejamos falando do maior grupo da ordem Hymenoptera", avalia.
Espécies estudadas
O estudo tratou das vespas das famílias Ichneumonidae e Braconidae, de hábitos principalmente parasitóides e os mais ricos e diversos da ordem Hymenoptera. Trata-se de um grupo fundamental para a biodiversidade sustentabilidade porque atuam como principais agentes naturais de controle populacional de outros insetos, mantendo o equilíbrio dos ecossistemas, incluindo o controle biológico de pragas agrícolas.
Apoio financeiro
A pesquisa de mestrado contou com apoio do Instituto Nacional de Ciência e Tecnologia dos Hymenoptera Parasitoides (INCT-Hympar), com financiamento conjunto do CNPq, Capes e Fapesp, além da colaboração do Museu de Zoologia e do Departamento de Biologia (campus de Ribeirão Preto), ambos da USP.
Parceria USP-UFSCar
O estudo contou com a participação da engenheira agrônoma Gabriela do Nascimento Herrera, doutoranda do Programa de Pós-Graduação em Ecologia e Recursos Naturais (PPGERN) da UFSCar, sob orientação da professora Angélica Maria Penteado-Dias, do Departamento de Ecologia e Biologia Evolutiva (DEBE) da UFSCar e coordenadora do projeto INCT-Hympar, parceiro deste projeto.
"Gabriela, minha esposa, é aluna de doutorado do PPGERN da UFSCar e, olhando o trabalho dela, sobre himenópteros parasitóides em ambientes de mata nativa e lavoura na Amazônia, tivemos, juntos, a ideia de criar algo para automatizar a triagem e identificação; quando verificamos, acabamos encontrando que, para essas vespas parasitóides importantes e diversas, não há nenhum trabalho publicado nessa área. Então, começamos a trabalhar nisso".
O trabalho de Gabriela Herrera já foi tema de matéria no Portal da UFSCar.
"A Luciana Bueno dos Reis Fernandes, bióloga e técnica de laboratório de microscopia eletrônica e imagens digitais do DEBE/UFSCar, foi responsável por fotografar os exemplares da Coleção Taxonômica do Departamento (DCBU)", detalha Pinheiro. "Além disso a UFSCar também deu todo o apoio da parte de Biologia e ajudou a realizar as anotações no conjunto de dados - que foi um trabalho conjunto entre especialista de IA e taxonomista da UFSCar - tanto é que nos artigos gerados a segunda autora é a Gabriela, do doutorado da UFSCar", relata o pesquisador da USP.
Pontos de destaque do estudo
O pesquisador da USP relata dois pontos importantes de sua dissertação de mestrado:
- A pesquisa é inédita com a identificação de grupos de vespas parasitóides com utilização de IA e gerou dois conjuntos de dados robustos: um com 3.556 imagens agrupadas por família (em parceria UFSCar/ INCT- HYMPAR, USP de Ribeirão Preto, Universidade Federal do Tocantins e Universidade Estadual do Piauí); outro subconjunto de dados com 1.739 imagens anotadas com o corpo do inseto e a asa para treinar modelos que possam reconhecer partes do corpo do inseto, como somente a asa).
- A pesquisa gerou também um modelo de IA para a identificação e detecção: modelos estado da arte em visão computacional foram treinados para reconhecer as famílias e obtiveram excelentes performances na identificação e detecção; o estudo ainda utiliza técnicas de IA explicável para mostrar o que de fato o modelo "aprendeu" - se ele seguiu o mesmo caminho que os taxonomistas fazem para identificar ou se usou outras partes do corpo; por fim, todos os códigos, conjunto de dados, modelos em código aberto e publicados em repositório disponível para o uso. Esses dados podem ser acessados por outros pesquisadores em https://zenodo.org/records/18501018.
Trabalho completo
A dissertação de mestrado, intitulada "Técnicas de visão computacional baseadas em aprendizado profundo para identificação automatizada de Ichneumonoidea e outros insetos da ordem Hymenoptera", está disponível em https://bit.ly/4s4zGoO.
Dúvidas podem ser esclarecidas com o autor da dissertação pelo e-mail joao.manoel.pinheiro@usp.br.
"Visão computacional é uma área da Inteligência Artificial que ensina o computador a analisar e entender imagens. Em vez de apenas 'ver' uma foto como um conjunto de cores, o computador aprende a reconhecer padrões, formas e estruturas. Para a Biologia, é como treinar o computador para fazer algo parecido com o que um pesquisador faz ao observar um inseto: analisar características, comparar com exemplos anteriores e identificar", explica o engenheiro mecatrônico João Manoel Herrera Pinheiro, autor do trabalho.
O estudo foi desenvolvido no período de 2024 e 2026 durante seu mestrado no Programa de Pós-Graduação em Engenharia Mecânica da Escola de Engenharia de São Carlos (USP), sob orientação do professor Marcelo Becker, coordenador do Laboratório de Robótica Móvel (LRM). A versão preliminar do primeiro artigo decorrente da pesquisa acaba de ser publicado na ArXiv, uma plataforma gratuita e de livre acesso da Cornell University, nos Estados Unidos, e está disponível em https://arxiv.org/abs/2602.20028.
Avanço metodológico
O estudo apresenta um avanço metodológico e um suporte estratégico aos estudos de biodiversidade. "O trabalho é uma base fundamental para automação da identificação das vespas parasitóides. Hoje é necessário um especialista com vários anos de estudos (mestrado, doutorado) para identificar as espécies e ele precisa realizar as tarefas sempre do início. Com a automação e o uso de IA, podemos diminuir esse trabalho deixando o especialista de fato trabalhar com a identificação mais detalhada em níveis de subfamília, gênero e espécie, sem gastar recurso com a identificação nos níveis mais elevados. Isso ajudaria muito e aceleraria o processo de identificação de novas espécies e novos estudos, ainda mais que a diversidade desse grupo é pouco explorada, embora estejamos falando do maior grupo da ordem Hymenoptera", avalia.
Espécies estudadas
O estudo tratou das vespas das famílias Ichneumonidae e Braconidae, de hábitos principalmente parasitóides e os mais ricos e diversos da ordem Hymenoptera. Trata-se de um grupo fundamental para a biodiversidade sustentabilidade porque atuam como principais agentes naturais de controle populacional de outros insetos, mantendo o equilíbrio dos ecossistemas, incluindo o controle biológico de pragas agrícolas.
Apoio financeiro
A pesquisa de mestrado contou com apoio do Instituto Nacional de Ciência e Tecnologia dos Hymenoptera Parasitoides (INCT-Hympar), com financiamento conjunto do CNPq, Capes e Fapesp, além da colaboração do Museu de Zoologia e do Departamento de Biologia (campus de Ribeirão Preto), ambos da USP.
Parceria USP-UFSCar
O estudo contou com a participação da engenheira agrônoma Gabriela do Nascimento Herrera, doutoranda do Programa de Pós-Graduação em Ecologia e Recursos Naturais (PPGERN) da UFSCar, sob orientação da professora Angélica Maria Penteado-Dias, do Departamento de Ecologia e Biologia Evolutiva (DEBE) da UFSCar e coordenadora do projeto INCT-Hympar, parceiro deste projeto.
"Gabriela, minha esposa, é aluna de doutorado do PPGERN da UFSCar e, olhando o trabalho dela, sobre himenópteros parasitóides em ambientes de mata nativa e lavoura na Amazônia, tivemos, juntos, a ideia de criar algo para automatizar a triagem e identificação; quando verificamos, acabamos encontrando que, para essas vespas parasitóides importantes e diversas, não há nenhum trabalho publicado nessa área. Então, começamos a trabalhar nisso".
O trabalho de Gabriela Herrera já foi tema de matéria no Portal da UFSCar.
"A Luciana Bueno dos Reis Fernandes, bióloga e técnica de laboratório de microscopia eletrônica e imagens digitais do DEBE/UFSCar, foi responsável por fotografar os exemplares da Coleção Taxonômica do Departamento (DCBU)", detalha Pinheiro. "Além disso a UFSCar também deu todo o apoio da parte de Biologia e ajudou a realizar as anotações no conjunto de dados - que foi um trabalho conjunto entre especialista de IA e taxonomista da UFSCar - tanto é que nos artigos gerados a segunda autora é a Gabriela, do doutorado da UFSCar", relata o pesquisador da USP.
Pontos de destaque do estudo
O pesquisador da USP relata dois pontos importantes de sua dissertação de mestrado:
- A pesquisa é inédita com a identificação de grupos de vespas parasitóides com utilização de IA e gerou dois conjuntos de dados robustos: um com 3.556 imagens agrupadas por família (em parceria UFSCar/ INCT- HYMPAR, USP de Ribeirão Preto, Universidade Federal do Tocantins e Universidade Estadual do Piauí); outro subconjunto de dados com 1.739 imagens anotadas com o corpo do inseto e a asa para treinar modelos que possam reconhecer partes do corpo do inseto, como somente a asa).
- A pesquisa gerou também um modelo de IA para a identificação e detecção: modelos estado da arte em visão computacional foram treinados para reconhecer as famílias e obtiveram excelentes performances na identificação e detecção; o estudo ainda utiliza técnicas de IA explicável para mostrar o que de fato o modelo "aprendeu" - se ele seguiu o mesmo caminho que os taxonomistas fazem para identificar ou se usou outras partes do corpo; por fim, todos os códigos, conjunto de dados, modelos em código aberto e publicados em repositório disponível para o uso. Esses dados podem ser acessados por outros pesquisadores em https://zenodo.org/records/18501018.
Trabalho completo
A dissertação de mestrado, intitulada "Técnicas de visão computacional baseadas em aprendizado profundo para identificação automatizada de Ichneumonoidea e outros insetos da ordem Hymenoptera", está disponível em https://bit.ly/4s4zGoO.
Dúvidas podem ser esclarecidas com o autor da dissertação pelo e-mail joao.manoel.pinheiro@usp.br.