Efectividad del uso de un software para clasificación de imágenes e identificar mamíferos medianos-grandes en cámaras trampa del Chaco Seco de Argentina

El uso de software para la clasificación de imágenes representa un avance significativo en los estudios de fauna, ya que constituye una herramienta útil a la hora de procesar grandes volúmenes de datos de cámaras trampa. Sin embargo, es necesario evaluar la precisión de estos algoritmos en la identificación automática de especies. En este estudio, evaluamos el desempeño del software de inteligencia artificial, TrapTagger, para identificar mamíferos medianos y grandes en imágenes obtenidas en el Chaco Seco de Argentina. Utilizamos 533 imágenes provenientes de 10 estaciones de muestreo, clasificadas previamente de manera manual por expertos. Comparamos las clasificaciones del software con esta “verdad de terreno”, calculando los porcentajes de aciertos, errores por omisión (falsos negativos), errores por comisión (falsos positivos y clasificaciones erróneas) y casos de clasificación parcial (identificación hasta el nivel de orden). Los resultados mostraron un 64,5% de aciertos, un 2,4% de errores por omisión y un 9,9% de errores por comisión. TrapTagger tuvo un desempeño aceptable a nivel de orden taxonómico, pero presentó errores frecuentes al identificar especies en imágenes borrosas o nocturnas. Particularmente en el orden Cingulata, donde el modelo no incluye especies específicas en su entrenamiento, se registraron elevados errores de clasificación incompleta. Concluimos que, en el Chaco Seco, TrapTagger es útil para detectar ausencias, humanos y ganado, pero se requiere un entrenamiento más exhaustivo con imágenes locales para mejorar la identificación de mamíferos nativos.