El monitoreo de especies de aves en peligro de extinción es fundamental para la conservación y gestión de los ecosistemas de humedales. Este monitoreo se puede llevar a cabo en tiempo real integrando el aprendizaje profundo con la tecnología de videovigilancia. Este estudio describe un método mejorado de detección de aves al añadir varios nuevos módulos al modelo YOLOv8, incluyendo una convolución de atención de campo receptivo (RFAConv), una red de fusión de características DyASF-P2 que consiste en un DySample, un módulo de fusión de características de secuencia de escala (SSFF), un módulo de codificación de características triples (TFE) y una capa de detección de objetos pequeños. Otros módulos incluyen una cabeza de detección ligera y una función de pérdida de intersección sobre unión de forma interna (Inner-ShapeIoU). El modelo resultante se denomina YOLOv8-bird, que supera a las redes de detección en tiempo real comúnmente utilizadas. Ofrece tanto alta precisión como detección rápida, lo que lo hace muy adecuado para la identificación de especies de aves en sistemas de videovigilancia en tiempo real.