FaunaNet: Sistema IoT com Câmera Pan-Tilt Ativa, Transmissão LoRa e Classificação de Fauna Silvestre por YOLOv8

Este trabalho propõe o FaunaNet, sistema IoT autônomo para detecção e identificação de fauna silvestre em ambientes remotos sem conectividade celular ou Wi-Fi. O dispositivo integra sensor infravermelho passivo (PIR), sonar ultrassônico impermeável (JSN-SR04T) e algoritmo de diferença de quadros para detectar e localizar animais, acionando um mecanismo servo pan-tilt que centraliza o sujeito no enquadramento antes da captura de três imagens QVGA sequenciais. As imagens são fragmentadas e transmitidas via LoRa (SX1278, SF9, BW 500 kHz) a uma estação base, onde um modelo YOLOv8n com ajuste fino sobre dados do iNaturalist realiza a classificação de espécies. Um pipeline de validação em três camadas — votação por maioria, filtro de consistência de tamanho estimado e prior de atividade temporal
— reduz a taxa de erro de classificação de 11,0 % para 2,9 %. A abordagem pan-tilt aumentou a área efetiva do sujeito no quadro em 5,2× e o mAP@50 global atingiu 0,913 em sete classes-alvo da Mata Atlântica.

This paper proposes FaunaNet, an autonomous IoT system for wildlife detection and identification in remote environments without cellular or Wi-Fi connectivity. The device integrates a passive infrared sensor (PIR), a waterproof ultrasonic sonar (JSN-SR04T), and a frame-difference algorithm to detect and localize animals, triggering a servo pan-tilt mechanism that centers the subject before capturing three sequential QVGA images. Images are fragmented and transmitted via LoRa (SX1278, SF9, BW 500 kHz) to a base station running a fine-tuned YOLOv8n model on iNaturalist data. A three-layer validation pipeline — majority voting, sonar-based size consistency filter, and temporal activity prior — reduces classification error from 11.0% to 2.9%. The pan-tilt increased subject area in the frame by 5.2×, achieving mAP@50 of 0.913 across seven Atlantic Forest target classes.