CAFOSat: A Strongly Annotated Dataset for Infrastructure-Aware CAFO Mapping Using High-Resolution Imagery

Resumen Técnico: CAFOSat

Planteamiento del Problema
Las Operaciones de Alimentación Animal Concentrada (CAFO, por sus siglas en inglés) son nodos críticos para la vigilancia de enfermedades y la planificación de la resiliencia climática, pero plantean riesgos significativos para el medio ambiente y la salud pública. A pesar de su importancia, el mapeo escalable de las CAFO sigue obstaculizado por fuentes de datos fragmentadas, ubicaciones de puntos ruidosas (que a menudo se refieren a los centroides de las parcelas o caminos de acceso en lugar de a la huella de la instalación) y anotaciones inconsistentes, así como por una subnotificación sistemática. Los conjuntos de datos existentes suelen estar limitados geográficamente, carecen de detalles a nivel de infraestructura (por ejemplo, establos, lagunas de estiércol) y sufren de una baja generalización debido a la variabilidad visual de las CAFO en diferentes tipos de ganado y regiones. Además, la naturaleza laboriosa de refinar manualmente las geolocalizaciones débiles para alinearlas con imágenes de alta resolución crea un cuello de botella para la creación de conjuntos de datos de entrenamiento de alta calidad.

Metodología
Los autores presentan CAFOSat, un conjunto de datos fuertemente anotado y consciente de la infraestructura que cubre 20 estados de EE. UU. La construcción de CAFOSat sigue un flujo de trabajo de cinco pasos diseñado para transformar inventarios débiles y públicamente disponibles en datos de entrenamiento de alta fidelidad:

1. Agregación y Estandarización de Datos: El proceso comienza agregando inventarios de ubicación de CAFO de fuentes federales, estatales y académicas (por ejemplo, CAFOMaps). Las coordenadas iniciales se mapean a imágenes NAIP de alta resolución (0.6 m de resolución) y se extraen parches de tamaño fijo de 833×833 píxeles.
2. Anotador de IA y Pre-filtrado: Para reducir el esfuerzo manual, se entrena un clasificador binario basado en ResNet con un pequeño conjunto de muestras verificadas manualmente (de RegLab). Este "anotador de IA" pre-filtra los parches candidatos del inventario más amplio, reteniendo solo aquellos con predicciones de alta confianza (softmax ≥ 0.8) para la revisión humana.
3. Refinamiento de Coordenadas (Débil-a-Fuerte): Un novedoso algoritmo de refinamiento convierte las coordenadas ruidosas en anotaciones de puntos espacialmente precisas. Esto implica:
   • Extraer cinco parches superpuestos (uno centrado y cuatro desplazados diagonalmente) alrededor de la coordenada débil.
   • Aplicar GradCAM para generar mapas de calor de atención específicos de la clase para los parches predichos como CAFO.
   • Umbralizar los mapas de calor para aislar las regiones de activación, convertirlos en polígonos y aplicar agrupamiento de enlace simple (single-linkage clustering) para agrupar estructuras contiguas.
   • Calcular el centroide del grupo más grande como la coordenada refinada.
4. Verificación Manual y Anotación de Infraestructura: Se verifican manualmente un total de 4,513 muestras. Más allá de la clasificación binaria, los anotadores proporcionan etiquetas a nivel de infraestructura, incluyendo recuentos de establos y lagunas de estiércol, así como la presencia de áreas de pastoreo u otras estructuras.
5. Negativos Curados y Aumentación Sintética:
   • Negativos Difíciles (Hard Negatives): Las muestras no pertenecientes a CAFO se generan mediante muestreo guiado por la cobertura del suelo (estratificado entre pastizales, cultivos, etc.) con un búfer de exclusión de 1.5 km alrededor de las CAFO conocidas para asegurar que sean negativos verdaderos.
   • Aumentación Sintética: Un flujo de trabajo guiado por prompts utiliza GroundingDINO para la detección de infraestructura de vocabulario abierto y Stable Diffusion para el inpainting. Esto elimina estructuras específicas (por ejemplo, establos) y las reemplaza con contenido de fondo semánticamente plausible (por ejemplo, pastizales), creando variaciones que preservan la etiqueta para diversificar la distribución de entrenamiento sin alterar la etiqueta del tipo de CAFO.

Contribuciones Clave

• Conjunto de Datos de Referencia (Benchmark): CAFOSat comprende más de 45,000 parches de imagen (39,257 base + 6,454 sintéticos) que abarcan 20 estados y cuatro tipos principales de CAFO (Porcinos, Avícolas, Lácteos, Vacuno). Incluye anotaciones únicas a nivel de infraestructura y un conjunto curado de negativos difíciles.
• Flujo de Trabajo de Anotación Escalable: Los autores proponen un marco de trabajo de humano en el bucle (human-in-the-loop) que reduce significativamente el esfuerzo de anotación manual mientras mejora la calidad de las etiquetas mediante el pre-filtrado por IA y el refinamiento basado en GradCAM.
• Evaluación Exhaustiva: El artículo proporciona una rigurosa suite de evaluación que compara CNNs modernas, Vision Transformers (ViT, Swin) y modelos de Visión-Lenguaje (CLIP, RemoteCLIP) en entornos de distribución interna (in-distribution) y de distribución externa (out-of-distribution, estados no vistos).
• Reproducibilidad: Todo el código, los scripts de procesamiento de datos, las herramientas de anotación y los cargadores de datos se publican abiertamente para facilitar su adopción.

Resultados

• Impacto de la Calidad de la Anotación: Los experimentos demuestran que refinar las coordenadas débiles para alinearlas con la infraestructura real mejora significativamente el rendimiento de la clasificación. Los modelos entrenados con parches refinados superan consistentemente a los entrenados con coordenadas de encuestas débiles en todas las arquitecturas.
• Rendimiento del Modelo: Los modelos basados en Transformers (por ejemplo, Swin-B, EfficientNet) generalmente superan a las CNN clásicas (ResNet) en términos de precisión, F1-score y precisión media promedio (mAP). Se identifica a la clase Avícola como la más fácil de reconocer, mientras que la Láctea es la más desafiante debido a la similitud visual con las instalaciones de Vacuno.
• Generalización de Conjuntos de Datos: Los modelos entrenados con CAFOSat se generalizan bien a conjuntos de datos externos (METER-ML, RegLab) y estados no vistos, mientras que los modelos entrenados con conjuntos de datos más pequeños y menos diversos tienen dificultades al transferirse a CAFosat.
• Aumentación Sintética: Entrenar con el conjunto aumentado sintéticamente produce un rendimiento comparable al de entrenar con datos verificados manualmente (una caída de solo ~0.6% en F1 y ~2.2% en mAP para Swin-B), lo que sugiere que el inpainting dirigido puede diversificar eficazmente los datos de entrenamiento y mejorar la robustez, particularmente para los modelos basados en transformers.

Significancia
El artículo postula que el desalineamiento entre las coordenadas de los inventarios públicos y las huellas reales de las instalaciones es un cuello de botella primario para el mapeo de las CAFO. CAFOSat aborda esto demostrando que refinar las etiquetas de puntos débiles es un factor de primer orden para el rendimiento, superando a menudo el impacto de cambiar las arquitecturas de los modelos. Al proporcionar un conjunto de datos con granularidad a nivel de infraestructura y un muestreo de negativos robusto, CAFOSat permite una evaluación de riesgos y un modelado epidemiológico más precisos. El trabajo destaca que el contexto global y las pistas de diseño (capturadas bien por los transformers) son críticos para distinguir las CAFO de otras instalaciones agrícolas visualmente similares. Aunque el conjunto de datos está centrado en EE. UU. y hereda sesgos de los inventarios públicos, establece una base para el mapeo de ganado escalable y consciente de la infraestructura, así como para futuros trabajos en detección, segmentación y monitoreo temporal.