La identificación precisa de especies animales es necesaria para comprender la riqueza de la biodiversidad, monitorear especies en peligro de extinción y estudiar el impacto del cambio climático en la distribución de especies dentro de una región específica. Las cámaras trampa representan una técnica de monitoreo pasivo que genera millones de imágenes ecológicas. La gran cantidad de imágenes hace que el análisis ecológico automatizado sea esencial, dado que la evaluación manual de grandes conjuntos de datos es laboriosa, consume mucho tiempo y es costosa. Las redes de aprendizaje profundo han avanzado en los últimos años para resolver tareas de identificación de objetos y especies en el ámbito de la visión por computadora, proporcionando resultados de vanguardia. En nuestro trabajo, entrenamos y probamos modelos de aprendizaje automático para clasificar tres grupos de animales (serpientes, lagartos y sapos) a partir de imágenes de cámaras trampa. Experimentamos con dos modelos preentrenados, VGG16 y ResNet50, y una red neuronal convolucional autoentrenada (CNN-1) con diferentes capas de CNN y parámetros de aumento. Para la multiclasificación, CNN-1 logró una precisión del 72%, mientras que VGG16 alcanzó el 87% y ResNet50 obtuvo una precisión del 86%. Estos resultados demuestran que el enfoque de transferencia de aprendizaje supera el rendimiento del modelo autoentrenado. Los modelos mostraron resultados prometedores en la identificación de especies, especialmente aquellas con tamaños corporales desafiantes y vegetación.