eLasmobranc Dataset: An Image Dataset for Elasmobranch Species Recognition and Biodiversity Monitoring

Este artículo presenta el conjunto de datos eLasmobranc, una colección pública y curada de imágenes de siete especies de elasmobranquios del Mediterráneo español, obtenidas principalmente fuera del agua bajo protocolos estandarizados para facilitar la clasificación de especies a nivel morfológico y apoyar el monitoreo de la biodiversidad y la conservación.

Lo esencial

¡Hola! Imagina que los tiburones y las rayas son como los "superhéroes" del océano, pero que están desapareciendo a una velocidad alarmante. Algunos están en peligro crítico de extinción, como si fueran las últimas piezas de un rompecabezas que se están rompiendo.

Para salvarlos, los científicos necesitan saber exactamente quiénes son y dónde están. Pero aquí surge el problema: ¡es muy difícil distinguir a un tiburón de otro! Son como gemelos que visten trajes muy parecidos, y si los ves bajo el agua, con la luz cambiando y el agua turbia, es casi imposible decir: "¡Ese es el tiburón A, no el B!".

Aquí es donde entra en escena el Dataset eLasmobranc, que es el protagonista de este artículo. Vamos a explicarlo con una analogía sencilla:

📸 La "Cátedra de Identificación" de los Tiburones

Imagina que quieres aprender a identificar a diferentes tipos de perros. Si solo te mostraran fotos de perros corriendo en un parque con mucha niebla y otros perros tapándolos, sería un caos.

Los autores de este estudio (un equipo de la Universidad de Alicante y expertos en biología marina) decidieron hacer algo diferente: sacaron a los "modelos" del agua.

1. La Colección de Fotos Perfectas:
   En lugar de fotos borrosas bajo el mar, recolectaron 1.117 imágenes de tiburones y rayas que fueron sacados del agua (generalmente en mercados de pescado o campañas de investigación).

   • La analogía: Es como si, en lugar de intentar identificar a personas en una multitud bajo la lluvia, les pidieras a todos que se sentaran en una silla frente a una cámara con buena luz, sin ropa que les tape la cara. Así, se ven claramente sus "rasgos faciales" (las aletas, la forma del cuerpo, los dientes).

2. Los "Gemelos" Diferenciados:
   El dataset incluye 7 especies diferentes (5 tiburones y 2 rayas) que viven en el Mediterráneo español. Algunas son muy comunes, pero otras son como "fósiles vivientes" en peligro de extinción.

   • El reto: Antes, las bases de datos de tiburones eran como un diccionario desordenado: muchas fotos, pero de las mismas especies comunes y con etiquetas confusas. Este nuevo dataset es como un álbum de cromos de alta calidad, donde cada tarjeta tiene el nombre exacto, la fecha y el lugar, y está validado por expertos que saben distinguir a un "tío" de un "primo".

3. ¿Para qué sirve esto? (El Superpoder de la IA):
   Los científicos quieren enseñar a las Inteligencias Artificiales (IA) a ser los nuevos "detectives del océano".

   • La misión: Si la IA aprende a reconocer a estas 7 especies con estas fotos claras, luego podrá ayudar a los biólogos a identificar tiburones en videos submarinos o en cámaras de vigilancia.
   • El resultado: Podrán saber: "¡Oh, hay una especie en peligro en esta zona! ¡Debemos protegerla!". Esto ayuda a crear "áreas seguras" (como parques nacionales bajo el mar) donde estos animales puedan vivir tranquilos.

4. La "Receta" Abierta:
   Lo más genial es que no se guardaron los secretos. Los autores han puesto todo este tesoro de fotos y datos en una plataforma pública (Zenodo) para que cualquier persona en el mundo pueda usarlo.

   • La metáfora: Es como si un chef famoso creara la mejor receta del mundo para salvar el planeta y la publicara gratis en internet para que todos los cocineros (científicos, estudiantes, activistas) la usen y mejoren la cocina de la conservación.

En resumen:

Este artículo presenta una biblioteca de fotos super nítidas de tiburones y rayas del Mediterráneo, tomadas fuera del agua para que se vean perfectos. Su objetivo es entrenar a robots e Inteligencias Artificiales para que aprendan a distinguir a estas especies en peligro, ayudando así a los humanos a tomar mejores decisiones para proteger el océano y evitar que estos animales desaparezcan para siempre.

Es un paso gigante para pasar de "ver algo en el agua" a saber exactamente qué es y cómo cuidarlo. 🌊🦈🛡️

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo sobre el conjunto de datos eLasmobranc, presentado en español:

Resumen Técnico: El conjunto de datos eLasmobranc para la identificación de especies y el monitoreo de biodiversidad

1. Planteamiento del Problema

Las poblaciones de elasmobranquios (tiburones y rayas) están experimentando un declive global significativo, con muchas especies clasificadas como amenazadas. Aunque existen herramientas de planificación espacial como las Áreas Importantes para Tiburones y Rayas (ISRAs), la monitorización efectiva se ve obstaculizada por la falta de recursos visuales adecuados.

• Limitaciones actuales: Los conjuntos de datos existentes se centran principalmente en la detección de objetos en entornos submarinos no controlados (con turbidez, iluminación variable y oclusiones) o se limitan a categorías gruesas (ej. "tiburón" vs. "pez").
• El vacío: Existe una carencia crítica de conjuntos de datos de clasificación fina (fine-grained) que permitan distinguir entre especies morfológicamente similares bajo condiciones estandarizadas, lo cual es esencial para la conservación y la investigación científica reproducible.

2. Metodología

El estudio presenta la creación y curación del eLasmobranc Dataset, un conjunto de imágenes diseñado específicamente para la clasificación supervisada a nivel de especie.

• Selección de Especies: Se incluyeron 7 especies ecológicamente relevantes de la costa mediterránea española (un área con ISRAs designadas):
  • Tiburones (5): Galeorhinus galeus, Galeus melastomus, Mustelus mustelus, Oxynotus centrina, Scyliorhinus canicula.
  • Rayas (2): Leucoraja naevus (anotada como Raja undulata en la tabla de taxonomía, pero Leucoraja naevus en el texto de especies), Torpedo marmorata.
• Adquisición de Datos:
  • Fuente: Combinación de trabajo de campo (campañas de captura, colaboraciones con mercados pesqueros y proyectos locales) y fuentes de acceso público (GBIF, iNaturalist, DeepFish).
  • Protocolo de Captura: La mayoría de las imágenes fueron adquiridas fuera del agua para garantizar la visibilidad clara de los rasgos morfológicos diagnósticos y minimizar el ruido ambiental.
  • Criterios de Filtrado: Se aplicó una estrategia exhaustiva de filtrado (Tabla 4) que incluía:
    • Criterios básicos: Calidad visual mínima, espécimen visible, fuera del agua, una sola especie por imagen.
    • Criterios de expertos: Eliminación de duplicados, verificación de etiquetas taxonómicas y confirmación de rasgos morfológicos diagnósticos.
• Curación: Se revisaron más de 11,000 imágenes candidatas. Tras el filtrado experto, se retuvieron 1,117 imágenes correspondientes a 807 especímenes individuales.

3. Contribuciones Clave

• Dataset Especializado: Es el primer conjunto de datos público y curado centrado en la clasificación fina de especies de elasmobranquios del Mediterráneo, con un enfoque en especies subrepresentadas y amenazadas.
• Metadatos Estructurados: Cada imagen incluye:
  • Identificadores únicos (codificando especie, individuo y número de imagen).
  • Metadatos espaciales (país, región, área específica) y temporales (fecha de captura).
  • Información de atribución y licencia (Creative Commons).
• Estandarización: A diferencia de datasets anteriores, este conjunto prioriza la claridad morfológica y la fiabilidad taxonómica sobre la cantidad masiva de datos crudos, facilitando el entrenamiento de modelos de visión por computadora precisos.
• Accesibilidad: El dataset está disponible públicamente en Zenodo y GitHub, promoviendo la investigación reproducible.

4. Resultados y Composición del Dataset

• Volumen: 1,117 imágenes totales (902 de fuentes externas, 215 de fuentes internas).
• Distribución: La distribución de imágenes por especie es desigual, reflejando la disponibilidad en la naturaleza y las fuentes de datos (ej. Scyliorhinus canicula tiene 575 imágenes, mientras que Galeus melastomus tiene 31).
• Estructura de Archivos: Organizado en carpetas por especie, con archivos CSV para metadatos y atribuciones, y un documento Excel con claves taxonómicas.
• Validación Técnica: Todas las anotaciones fueron realizadas o verificadas por un equipo de expertos en ciencias marinas con experiencia en la zona de estudio. Se utilizó consenso entre especialistas para minimizar la subjetividad en la identificación.

5. Significado e Impacto

• Conservación: Facilita la identificación precisa de especies para apoyar la gestión de ISRAs y políticas de conservación, especialmente para especies en peligro de extinción como Galeorhinus galeus (En peligro crítico).
• Ciencia de Datos: Permite el desarrollo y evaluación de sistemas de Inteligencia Artificial (aprendizaje profundo) para la monitorización de la biodiversidad, superando las limitaciones de los datasets de detección submarina.
• Investigación Multidisciplinaria: Sirve como puente entre la biología marina y la visión por computadora, permitiendo estudios a nivel de población, análisis espaciotemporales y comparaciones transregionales.
• Reproducibilidad: Al proporcionar metadatos estandarizados y un protocolo de adquisición claro, establece un nuevo estándar para la creación de conjuntos de datos en biología marina.

En conclusión, el eLasmobranc Dataset aborda una brecha crítica en los recursos de visión por computadora para la conservación marina, ofreciendo una herramienta robusta y fiable para la identificación de especies de elasmobranquios en el Mediterráneo.