Este estudio aborda el desafío de identificar con precisión las especies de aves en entornos complejos donde la oclusión y el ruido disminuyen la precisión del reconocimiento. Desarrollamos un modelo YOLOv11 mejorado que incorpora una Red de Alimentación Adelantada Multiescala (MSFN) para mejorar la robustez. El modelo fue entrenado en un conjunto de datos dedicado que comprende 4540 imágenes con 6824 muestras en ecosistemas de humedales y evaluado bajo condiciones de ruido sintético, logrando un @50 del 96.4% y demostrando una mejora en la recuperación en situaciones ruidosas. Además, facilitó la identificación efectiva de especies en secuencias de video dinámicas, mostrando un potencial significativo para apoyar el monitoreo de biodiversidad en tiempo real y la conservación de especies de aves en peligro de extinción.