IA identifica 60 espécies de peixes no rio Xingu em tempo real

Inteligência Artificial

Tecnologia inovadora monitora a biodiversidade do rio Xingu com reconhecimento instantâneo de espécies aquáticas.

Leia também: ENIC da UEPB terá foco em uso ético da inteligência artificial

Um sistema de inteligência artificial em teste na usina hidrelétrica de Belo Monte, no rio Xingu, em Altamira, passou a identificar automaticamente, em tempo real, até 60 espécies de peixes que utilizam o canal de transposição construído para a reprodução dos animais. Operado pela Norte Energia, o monitoramento funciona 24 horas por dia e promete agilizar a coleta de dados sobre a biodiversidade na região.

Como funciona o monitoramento com IA em Belo Monte

A tecnologia está instalada no Sistema de Transposição de Peixes da usina, em Pimental, área do barramento do Xingu. O canal, de 1.200 metros de extensão, foi projetado para permitir que os peixes subam o rio durante o período reprodutivo, contornando a barragem.

Uma janela de observação localizada abaixo da superfície da água abriga câmeras submersas que registram continuamente a passagem dos animais. As imagens alimentam um modelo de inteligência artificial desenvolvido com participação do Instituto Atlântico, que analisa quadro a quadro para reconhecer as espécies que cruzam o canal.

Hoje, a identificação depende principalmente do trabalho manual de biólogos, com coletas pontuais e análises demoradas em laboratório. Com a IA, o objetivo é automatizar esse processo, gerar dados em tempo real e ampliar o volume de informações disponíveis para pesquisadores, órgãos ambientais e para a própria Norte Energia.

Entenda o contexto

Segundo dados da operadora da usina, o canal de transposição de Belo Monte já registrou a passagem de mais de 4 milhões de peixes, de 168 espécies, ao longo de dez anos. O novo sistema de inteligência artificial busca qualificar esse acompanhamento ao identificar automaticamente, em tempo real, até 60 espécies consideradas prioritárias para o monitoramento.

Essas informações alimentam estudos sobre rotas de migração, períodos de maior concentração de peixes e possíveis mudanças no comportamento das espécies, dados considerados estratégicos para orientar medidas de conservação no Xingu e ao redor da usina.

Desafios na água turva do Xingu

Apesar do potencial de transformar o monitoramento ambiental na região, o projeto ainda enfrenta limites técnicos importantes. A turbidez do rio Xingu — quando a água fica mais barrenta e menos transparente — reduz a nitidez das imagens e dificulta o trabalho das câmeras.

Para que a IA funcione com precisão, o modelo precisa ser treinado e ajustado a essas condições variáveis de luminosidade, sedimentos e cor da água. “O sistema precisa ser ajustado às condições do rio para melhorar o reconhecimento das espécies”, afirma Polycarpo Neto, cientista de dados do Instituto Atlântico, envolvido no desenvolvimento da tecnologia.

Na prática, isso significa calibrar constantemente o algoritmo, testar diferentes configurações de captura de imagem e ampliar a base de exemplos de peixes filmados em cenários diversos, inclusive nos dias em que a visibilidade é pior.

Impacto para a conservação e próximos passos

O uso de inteligência artificial no canal de transposição de Belo Monte é visto internamente como uma forma de acelerar e tornar mais preciso o monitoramento da fauna aquática, reduzindo a dependência exclusiva da observação humana e de campanhas de campo esporádicas. A expectativa é que a análise contínua em vídeo contribua para decisões mais rápidas sobre manejo e proteção das espécies.

A Norte Energia não definiu uma data para o início da operação definitiva do sistema. Por enquanto, o projeto permanece em fase de testes, com foco em validar a confiabilidade da identificação em diferentes condições do rio e em aperfeiçoar o algoritmo.

Se os resultados se confirmarem, a tecnologia poderá ser expandida para outros trechos da Amazônia ou para rios com desafios semelhantes de turbidez e grande diversidade de peixes, e servir de referência para novas iniciativas de monitoramento ambiental em tempo real em ecossistemas complexos.