Descriptor: Dataset of Parasitoid Wasps and Associated Hymenoptera (DAPWH)

Dieses Paper stellt den Datensatz DAPWH vor, der 3.556 hochauflösende Bilder von parasitischen Wespen und verwandten Hautflüglern enthält, um die Entwicklung automatisierter Systeme zur taxonomischen Identifizierung dieser ökologisch wichtigen, aber schwer zu bestimmenden Insektengruppe zu ermöglichen.

Das Wesentliche

Stellen Sie sich vor, Sie betreten einen riesigen, wilden Wald. In diesem Wald gibt es unzählige kleine, fliegende Wesen – winzige Jäger, die als „Parasitoide" bekannt sind. Sie sind die unsichtbaren Helden der Natur, die Schädlinge fressen und das Gleichgewicht im Ökosystem halten. Das Problem? Sie sehen sich alle extrem ähnlich. Für das menschliche Auge sind sie wie eine Masse aus unscharfen, winzigen Fliegern. Ein Experte, ein sogenannter Taxonom, müsste sie unter einem Mikroskop wie ein Detektiv mit einer Lupe untersuchen, um sie zu unterscheiden. Aber es gibt zu wenige dieser Experten, und die Arbeit ist mühsam.

Hier kommt diese neue Studie ins Spiel. Sie hat eine Art „digitales Fotoalbum" für diese Insekten erstellt, das den Weg für künstliche Intelligenz (KI) ebnet.

Hier ist die einfache Erklärung, was die Forscher gemacht haben:

1. Das große Foto-Album (Der Datensatz)

Die Forscher haben 3.556 hochauflösende Fotos von diesen winzigen Wesen gesammelt.

• Die Hauptdarsteller: Der Großteil des Albums zeigt zwei sehr wichtige Familien von Schlupfwespen (Ichneumonidae und Braconidae).
• Die Nebendarsteller: Damit die KI nicht verwirrt wird und wirklich lernt, was eine Wespe ist und was nicht, haben sie auch Fotos von anderen Insekten wie Bienen, Wespen und Goldwespen hinzugefügt.
• Der Blickwinkel: Sie haben die Insekten nicht nur von oben fotografiert, sondern auch von der Seite und von vorne. Stellen Sie sich vor, Sie machen ein Profilfoto, ein Frontalbild und ein Ganzkörperbild von jedem Insekt. So kann die KI alle Details sehen.

2. Der „Lernzettel" für die KI (Die Annotation)

Nur Fotos reichen einer KI nicht. Sie braucht Anweisungen. Deshalb haben die Forscher einen Teil der Fotos (1.739 Stück) mit einem digitalen Stift „markiert".

• Was wurde markiert? Sie haben um den ganzen Körper des Insekts, um die Flügel und sogar um einen kleinen Maßstab (eine Art Lineal auf dem Foto) einen Kasten gezogen.
• Die Metapher: Stellen Sie sich vor, Sie zeigen einem Kind ein Buch mit Tieren. Sie sagen: „Siehst du das hier? Das ist eine Wespe. Und das hier? Das ist ein Flügel." Genau das haben die Forscher für den Computer getan. Diese Markierungen heißen im Fachjargon „Bounding Boxes" und „Segmentierungsmasken".

3. Der Test: Kann die KI das Buch lesen?

Um zu prüfen, ob die KI wirklich gelernt hat, haben die Forscher sie wie in einer Schulprüfung getestet.

• Die Aufgabe: Die KI sollte auf einem neuen Foto sofort sagen: „Das ist eine Schlupfwespe!" oder „Das ist eine Biene!"
• Das Ergebnis: Die KI war erstaunlich gut! Sie erreichte eine Trefferquote von über 92 %. Das ist so, als würde ein Schüler bei einer schwierigen Mathearbeit fast jede Aufgabe richtig lösen. Besonders gut hat die KI die großen Familien der Wespen erkannt.
• Die Schwachstelle: Bei sehr seltenen Insektenfamilien, von denen es nur wenige Fotos im Album gab, hatte die KI manchmal Schwierigkeiten. Das ist logisch: Wenn man nur zwei Beispiele von einem Tier sieht, ist es schwer, es später wiederzuerkennen.

4. Warum ist das wichtig?

Früher mussten Wissenschaftler stundenlang durch Mikroskope schauen, um ein Insekt zu identifizieren. Mit diesem neuen „digitalen Fotoalbum" können sie jetzt Computerprogramme trainieren, die diese Arbeit in Sekunden erledigen.

• Für die Landwirtschaft: Landwirte können schneller herausfinden, ob nützliche Insekten ihre Felder schützen oder ob Schädlinge drohen.
• Für die Natur: Wir können besser verstehen, wie viele verschiedene Arten es gibt und wie es um die Biodiversität bestellt ist.

Zusammenfassung in einem Satz

Die Forscher haben eine riesige, gut sortierte digitale Bibliothek von Fotos winziger Wespen erstellt und mit einem „Lernzettel" versehen, damit Computer lernen können, diese unsichtbaren Helden der Natur blitzschnell und genau zu erkennen – eine enorme Hilfe für Wissenschaft und Umwelt.

Wo findet man das?
Alle diese Fotos und die „Lernzettel" sind kostenlos online verfügbar (auf Zenodo), damit jeder Forscher auf der Welt sie nutzen kann, um seine eigenen KI-Modelle zu trainieren.

Technische Zusammenfassung

Technische Zusammenfassung: DAPWH-Datensatz

1. Problemstellung
Die genaue taxonomische Identifizierung von Insekten ist fundamental für das Biodiversitätsmonitoring und das landwirtschaftliche Management. Dies gilt insbesondere für die überfamilie Ichneumonoidea (parasitische Wespen der Familien Ichneumonidae und Braconidae), die eine entscheidende Rolle bei der Regulierung von Schädlingen spielen.

• Herausforderungen: Diese Gruppe ist extrem artenreich, aber taxonomisch schwer zu bestimmen aufgrund kryptischer Morphologie und einer großen Anzahl unbeschriebener Arten.
• Limitationen bestehender Methoden: Die traditionelle Identifizierung erfordert spezialisierte Taxonomen und Mikroskope, was ein langsamer Prozess ist, der durch den globalen Mangel an Taxonomen noch verlangsamt wird.
• Datenmangel: Es fehlte bisher an robusten, digitalen Ressourcen (hochauflösende Bilddatensätze mit Annotationen), um automatisierte Identifizierungssysteme (Computer Vision) für diese spezifischen Gruppen zu trainieren.

2. Methodik
Die Autoren haben einen kuratierten Bilddatensatz erstellt und validiert, der auf maschinellem Lernen basiert.

• Datenerhebung:

  • Umfang: Der Datensatz (DAPWH) enthält 3.556 hochauflösende Bilder.
  • Spezies: Der Fokus liegt auf den parasitischen Familien Ichneumonidae (786 Bilder) und Braconidae (648 Bilder). Zusätzlich wurden zur Erhöhung der Robustheit neun weitere Hymenopteren-Familien aufgenommen (u.a. Apidae, Vespidae, Megachilidae), was insgesamt 11 Familien abdeckt.
  • Herkunft: Die Exemplare stammen aus vier universitären Sammlungen in Brasilien (hauptsächlich Neotropis), die über Jahre durch Feldkampagnen (Malaisefallen) gesammelt und von Experten taxonomisch bestimmt wurden.
  • Aufnahme: Die Bilder wurden unter einem Stereomikroskop (Leica M205C) mit einer Leica K5C-Kamera aufgenommen. Zur Schärfentiefe-Optimierung wurde Image-Stacking mit der Software Helicon Focus verwendet.
  • Ansichten: Die Bilder sind in drei morphologischen Perspektiven organisiert: Lateral, Frontal und Dorsal/Ventral.

• Annotation (COCO-Format):

  • Ein Subdatensatz von 1.739 Bildern wurde detailliert annotiert.
  • Werkzeuge: Nutzung von CVAT (Computer Vision Annotation Tool) und Unterstützung durch das Segment Anything Model (SAM).
  • Klassen: Die Annotationen umfassen Bounding Boxes und Segmentierungsmasken für drei Klassen: den gesamten Insektenkörper, die Flügel (Flügeladerung) und Maßstäbe (Scale Bars).
  • Qualitätssicherung: Die Annotationen wurden von Computer-Vision-Spezialisten erstellt und von führenden Taxonomen rigoros überprüft.

• Experimentelles Setup:

  • Aufteilung: Stratifizierter Split in Trainings- (70%), Validierungs- (15%) und Testdaten (15%).
  • Hardware: NVIDIA GeForce RTX 4090 GPU.
  • Modelle:
    • Klassifizierung: Vergleich von EfficientNetV2, ConvNeXt, ViT-B/16, VGG16, ResNet50 und YOLOv12.
    • Objekterkennung: Training von YOLOv8 und YOLOv12 auf dem annotierten COCO-Subdatensatz.

3. Wichtige Beiträge

• Erster umfassender Datensatz: Bereitstellung des ersten großen, kuratierten Bildkorpus speziell für parasitische Wespen (Ichneumonoidea) mit hochauflösenden Makroaufnahmen.
• Strukturierte Annotation: Einzigartige Kombination aus taxonomischen Labels und präzisen geometrischen Annotationen (Körper, Flügel, Maßstab) im COCO-Format, die für das Training von Object-Detection-Modellen optimiert sind.
• Multidisziplinärer Ansatz: Integration von biologischer Expertise (Taxonomie) und moderner KI (Deep Learning), um die Lücke zwischen biologischer Forschung und Automatisierung zu schließen.
• Öffentlicher Zugang: Der Datensatz ist über Zenodo (DOI: 10.5281/zenodo.18501018) und der Code über GitHub öffentlich verfügbar (CC BY-NC 4.0 Lizenz).

4. Ergebnisse
Die Leistung der Modelle wurde auf dem Testdatensatz evaluiert:

• Bildklassifizierung (Image-Level):

  • Alle getesteten Architekturen zeigten hohe Effizienz.
  • Top-1 Genauigkeit: Lag zwischen 89,34 % und 92,28 %.
  • Beste Modelle: EfficientNetV2 und ConvNeXt erreichten jeweils 92,28 % Genauigkeit.
  • Robustheit: YOLOv12 erzielte den höchsten F1-Score von 95,59 %.

• Objekterkennung (Object Detection):

  • mAP@50: YOLOv12 erreichte 90,53 %, gefolgt von YOLOv8 mit 86,26 %.
  • Präzision: Die Modelle zeigten eine hohe räumliche und taxonomische Präzision, insbesondere bei der Erkennung von morphologischen Merkmalen wie Flügeln (96 % Genauigkeit).
  • Schwächen: Es gab Verwechslungen zwischen den Familien Andrenidae und Colletidae. Dies wurde auf ein starkes Klassenungleichgewicht zurückgeführt (nur 25 Annotationen für Colletidae im Vergleich zu hunderten für andere Familien).
  • Maßstäbe: Die Erkennung von Maßstäben zeigte eine geringere Leistung (0,61 % False Negatives im Hintergrund), bleibt aber ein wertvolles Merkmal für biometrische Kalibrierung.

5. Bedeutung und Ausblick

• Beschleunigung der Forschung: Der Datensatz ermöglicht die Entwicklung von KI-Modellen, die die Identifizierung von parasitischen Wespen automatisieren und so den Bedarf an manueller taxonomischer Arbeit reduzieren.
• Biodiversitätsmonitoring: Er bietet eine solide Grundlage für die Überwachung von Insektenpopulationen und deren Rolle als Bestäuber und Schädlingsregulatoren.
• Erweiterbarkeit: Obwohl die aktuellen Annotationen auf Familienebene erfolgen, enthalten die Dateinamen höhere taxonomische Informationen (Gattung/Unterfamilie), was eine spätere Erweiterung der Annotationen für feinere Klassifizierungen ermöglicht.
• Phänotypische Analyse: Die präzisen Segmentierungen von Flügeln und Körpern erlauben die automatische Extraktion phänotypischer Merkmale und biometrischer Daten, was für die Evolutionsbiologie von großem Wert ist.

Zusammenfassend stellt das DAPWH-Projekt einen Meilenstein dar, der hochwertige biologische Daten mit moderner Computer-Vision-Technologie verbindet, um die taxonomische Erforschung einer der artenreichsten und ökologisch wichtigsten Insektengruppen zu revolutionieren.