Generating Synthetic Wildlife Health Data from Camera Trap Imagery: A Pipeline for Alopecia and Body Condition Training Data

Título: Generación de Datos Sintéticos de Salud de Vida Silvestre a partir de Imágenes de Trampas Fotográficas: Una Pipeline para Datos de Entrenamiento de Alopecia y Condición Corporal

1. El Problema

Actualmente, no existen conjuntos de datos públicos y listos para el aprendizaje automático (ML) que contengan condiciones de salud de la vida silvestre en imágenes de trampas fotográficas. Esto crea una barrera fundamental para la implementación de sistemas de cribado de salud automatizados.

• Limitación actual: Aunque las redes de trampas fotográficas generan millones de imágenes anuales y la visión por computadora ha avanzado en la identificación de especies, el monitoreo de la salud (como la detección de sarna o emaciación) sigue siendo manual, oportunista y no escalable.
• Falta de datos: Los estudios anteriores se han centrado en la detección manual o en conjuntos de datos etiquetados que no están disponibles públicamente. No hay benchmarks públicos para entrenar o evaluar modelos de cribado de salud.
• Complejidad clínica: La evaluación visual no puede proporcionar un diagnóstico clínico definitivo (la alopecia puede deberse a sarna, piojos, muda estacional, etc.), por lo que el objetivo es generar datos para un sistema de "alerta de sospecha" que requiera revisión experta.

2. Metodología

El autores proponen una pipeline (tubería de procesamiento) de tres etapas para generar datos sintéticos de entrenamiento a partir de fotografías reales:

A. Curación de Imágenes Base (Base Image Curation)

• Fuente: Imágenes extraídas de iWildCam.
• Selección: Se seleccionan 8 especies norteamericanas (ciervo de cola blanca, ciervo mulo, alce, lobo gris, zorro rojo, zorro gris, mapache y una categoría general de cérvidos).
• Muestreo: Se utiliza un muestreo estratificado ponderado por la ubicación del animal en el encuadre (priorizando el centro) para crear un conjunto base balanceado de 1.000 imágenes, manteniendo la diversidad temporal (estaciones, día/noche).
• Localización: Se emplea MegaDetector v4 para obtener las cajas delimitadoras de los animales.

B. Edición de Fenotipo (Phenotype Editing)

• Herramienta: Se utiliza el modelo generativo Gemini 3.1 Flash Image.
• Dimensiones de edición: Se generan variantes controladas en dos ejes:
  1. Gravedad de la alopecia: M0 (saludable), M2 (pérdida moderada de pelo con escamas), M3 (pérdida severa con hiperqueratosis).
  2. Condición corporal: B0 (saludable), B2 (costillas visibles), B3 (emaciación severa).
• Variantes generadas: Por cada imagen base se crean hasta 4 variantes: control negativo (sham), solo alopecia, solo emaciación y ambas condiciones severas.
• Prompting espacial: Las instrucciones al modelo incluyen las coordenadas de la caja delimitadora y especifican que solo se debe editar el animal, preservando el fondo, la iluminación, el ruido y los artefactos de la cámara idénticos. Se consideran patrones de distribución de lesiones específicos por especie (ej. sarna sarcóptica en cánidos afecta primero la cara y orejas).

C. Control de Calidad de Deriva de Escena (Scene-Drift Quality Control)

• Objetivo: Asegurar que el modelo generativo no haya alterado la escena original fuera de la zona del animal.
• Filtro de "Sham" (Prueba de control): Se genera primero la variante "sham" (sin cambios). Si esta falla el QC (porque el modelo re-renderizó toda la escena), se descartan todas las variantes de esa imagen base, ahorrando recursos.
• Construcción de Máscara: Se identifican los cambios de píxeles entre la imagen original y la sintética. Se crea una máscara que solo se mantiene si coincide con la caja delimitadora del animal.
• Puntuación de Escena: Se evalúan métricas en píxeles difuminados fuera de la máscara:
  • Error Absoluto Medio (MAE) normalizado por color.
  • Índice de Similitud Estructural (SSIM).
  • Umbrales adaptativos para condiciones diurnas (combinación OR de MAE y SSIM) y nocturnas (IR, con umbrales más estrictos).

3. Contribuciones Clave

1. Primera pipeline de datos sintéticos: Es el primer sistema diseñado específicamente para generar datos de entrenamiento de salud de vida silvestre a partir de imágenes de trampas fotográficas, incorporando un control de calidad adaptativo.
2. Diseño de fenotipo específico: Aborda la distribución específica de lesiones por especie y enmarca explícitamente los datos como herramientas de "cribado" (detección de sospechosos) en lugar de diagnóstico clínico definitivo.
3. Validación Sim-to-Real: Demuestra experimentalmente que un modelo entrenado exclusivamente con datos sintéticos puede detectar condiciones de salud sospechosas en imágenes reales nunca vistas antes.

4. Resultados

• Generación de datos: A partir de 201 imágenes base de 4 especies, se generaron 666 variantes sintéticas.
• Tasa de aprobación: 553 variantes (83%) aprobaron el control de calidad de deriva de escena.
  • El filtro de "sham" rechazó el 16% de las imágenes base, evitando 93 llamadas de API innecesarias.
  • Las tasas de aprobación fueron consistentes entre día (85%) y noche (81%).
• Transferencia Sim-to-Real:
  • Se entrenó un clasificador (MLP de una capa) exclusivamente con los 553 datos sintéticos.
  • Se probó en 70 imágenes reales de trampas fotográficas (45 sanas, 25 con condiciones sospechosas reportadas por la comunidad).
  • Rendimiento: El modelo alcanzó un AUROC de 0.854 y una precisión balanceada de 0.811.
  • Esto demuestra que los datos sintéticos capturan suficientes características visuales (textura del pelaje, forma corporal, prominencia esquelética) para generalizar a imágenes reales.

5. Significado y Limitaciones

• Significado: Este trabajo elimina la barrera de la falta de datos etiquetados para la salud de la vida silvestre, permitiendo el desarrollo de sistemas de alerta temprana automatizados que pueden escalar el monitoreo de enfermedades en poblaciones silvestres.
• Limitaciones:
  • Ambigüedad diagnóstica: El sistema detecta "pérdida de pelo consistente con sarna", pero no puede distinguir entre sarna, piojos o muda estacional.
  • Sesgo geográfico: La prevalencia de ciertas enfermedades (como la sarna en ciervos) varía por región, lo que podría requerir calibración local para evitar falsos positivos.
  • Postura: El modelo actual no modifica la postura del animal, perdiendo posibles señales de enfermedad relacionadas con la posición corporal.
  • Validación: El conjunto de prueba real es pequeño (N=70) y las etiquetas de "sospecha" provienen de observadores comunitarios, no de confirmación clínica.

En conclusión, la propuesta valida la viabilidad de utilizar datos sintéticos generados por IA para entrenar modelos de vigilancia de salud en vida silvestre, ofreciendo una solución escalable a un problema crítico de conservación.