A crescente perda mundial de biodiversidade tem sido uma das preocupações da comunidade científica internacional que motivaram a criação em 1992 da Convenção sobre a Diversidade Biológica, tornando-se um tratado de compromisso aceito pelos governantes de 187 países e pela Comunidade Européia. A redução da biodiversidade, devido a vários fatores, como a ação antrópica e o aquecimento global, compromete a capacidade do planeta de sustentação da vida humana em face do esgotamento dos recursos e serviços por ela prestados. A conservação e uso sustentável da biodiversidade passa necessariamente pela aquilatação e conhecimento das espécies. Entre essas espécies as abelhas polinizadoras têm merecido especial atenção, pois a polinização das plantas é um serviço de ecossistema muito importante. Cerca de três quartos das mais de 240 mil espécies de plantas do mundo dependem de polinizadores e estima-se que as abelhas sejam responsáveis por mais de 70% do serviço global de polinização. Existem quase 20.000 espécies de abelhas descritas no mundo. No Brasil são conhecidas quase 400 espécies de abelhas (cerca de 300 são abelhas sem ferrão) e o número estimado é de mais de 3.000 espécies. No entanto, este enorme esforço taxonômico a ser realizado pode estar comprometido pelo impedimento taxonômico reconhecido na Declaração de Darwin de 1988 pela ONU. Uma contribuição para minimizar o impedimento taxonômico pode ser dada pelo desenvolvimento de sistemas automatizados de apoio à decisão de identificação. Os sistemas de identificação existentes são proprietários, ou foram desenvolvidos para grupo específicos de espécies e muitas vezes não são integrados. Este trabalho com foco na identificação de abelhas, notadamente nas abelhas sem ferrão, que apresentam redução da venação das asas, apresenta um modelo de sistema baseado em computador para automatizar o processo de identificação de abelhas com uma abordagem de reconhecimento de padrões. Um modelo de sistema denominado ABeeS (Automated Bee Identification System) incorpora o conhecimento especializado para o reconhecimento automatizado de abelhas usando a imagem das asas. O modeloproposto apresenta as funcionalidades de um sistema de identificação de abelhas com o modelo de Caso de Uso e o fluxo de dados entre as atividades do processo de identificação com o modelo do Fluxo de Dados. Um modelo de banco de dados denominado Banco Entomológico de Espécies de Abelhas (BEE) foi proposto para armazenamento de resultados, treinamento e otimização do sistema ABeeS. Para levantar requisitos e avaliar a proposta foram desenvolvidos protótipos de partes do modelo no Labview, um ambiente de programação gráfica, que disponibiliza uma plataforma de visão computacional para aplicações de reconhecimento de padrões usando o método de correspondência de padrões (pattern matching). Um protótipo envolveu uma ferramenta para a definição dos marcos anatômicos nas imagens-padrão. Outro envolveu os resultados da extração automática dos marcos anatômicos e evidenciou que mostram que a capacidade do ABeeS em localizar automaticamente os gabaritos (template) dos marcos anatômicos na imagem da asa em análise depende do conhecimento especializado transferido para o sistema. Este conhecimento contribui para a seleção de uma região do entorno do marco anatômico para formação da imagem-gabarito. A definição precisa da área é muito importante para a acurácia do reconhecimento automatizado do marco anatômico. O ajuste dos parâmetros de treinamento e a qualidade da imagem da asa de abelha são determinantes para extração das características corretas. Parte integrante do modelo são algoritmos de classificação supervisionados, como o FNN4Bees desenvolvido no Laboratório de Automação Agrícola da POLI-USP, e que apresentou resultados satisfatórios. Este trabalho contribui com uma sistematização do processo de identificação de abelhas, servindo de guia para usuários dessa técnica, e o modelo obtido poderá ser utilizado para a implementação de um sistema real, na continuidade dos trabalhos.

The growing worldwide loss of biodiversity has been a concern to the international scientific community that motivated the creation of the Convention on Biological Diversity in 1992, which turned into a commitment treaty accepted by governments of 187 countries and the European Community. The reduction of biodiversity due to several factors, such as anthropic action and global warming, compromises the ability of the planet to sustain human life in face of the exhaustion of the resources and services it provides. Conservation and the sustainable use of biodiversity necessarily involve species knowledge and assessment. Among these species, pollinating bees have deserved special attention because plant pollination is an important ecosystem service. Nearly three quarters of more than 240,000 plant species depend on pollinators around the world and bees are estimated to account for more than 70% of the overall pollination service. There are nearly 20,000 bee species described in the world. Brazil is known to have nearly 400 bee species (about 300 are stingless bees) and the estimated number is over 3,000 species. However, this huge taxonomic effort to be performed may be compromised by the taxonomic impediment recognized by the UN in the Darwin Declaration in 1988. A contribution to minimize the taxonomic impediment may be given by the development of automated systems to support classification decision. Existing identification systems are proprietary, or were developed for specific groups of species and are often non-integrated. This study focused on bee classification, especially stingless bees that have reduced wing venation; a model for a computer-based system to automate the bee identification process using a pattern recognition approach is presented. A model of the system called ABeeS (Automated Bee Identification System) incorporates the expertise for the automated recognition of bees using wing images. The model presents the functionalities of the bee identification system with the Use Case model and data flow between the activities of the identification process with the Data Flow model. A database model called Bee Entomological Database (BEE) has been proposed for storage of results, training and for ABeeS system optimization. For requirements elicitation and evaluation, the proposal prototypes of parts of the model were developed in Labview, a graphical programming environment that provides a platform for computer vision applications of pattern recognition using the pattern matching method. One prototype uses a tool for defining the landmarks in the template-images. Another uses the results of the automatic extraction of landmarks that show the ability of ABeeS to automatically locate the templates of landmarks in the wing image under analysis, which depends on the expertise transferred to the system. This knowledge contributes to the selection of a region surrounding the anatomical landmark for the formation of the template. The precise definition of the area is very important for the accuracy of automated recognition of anatomical landmark. The adjustment of training parameters and image quality of the bee wing are crucial for extracting the right features. Part of the model is supervised classification algorithms, such as FNN4Bees developed in the Agricultural Automation Laboratory of POLI-USP, and presents satisfactory results. This work contributes to the systematization of the bee identification process, serving as a guide for users of this technique, and the model obtained can be used to implement a real system, in further work.