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

Titolo

Generazione di Dati Sintetici per la Salute della Fauna da Immagini di Trappole Fotocamera: Una Pipeline per l'Addestramento su Alopecia e Condizione Corporea.

1. Il Problema

Le reti di trappole fotografiche (camera trap) generano milioni di immagini all'anno, permettendo l'identificazione delle specie e il conteggio della popolazione tramite visione artificiale. Tuttavia, lo screening automatico della salute della fauna selvatica è attualmente assente.

• Barriera principale: La mancanza di dataset pubblici pronti per il Machine Learning (ML) contenenti immagini di condizioni di salute (es. alopecia, denutrizione).
• Limiti degli approcci attuali: I lavori precedenti si basano su annotazioni manuali (non scalabili) o su dataset sintetici focalizzati solo sulla classificazione delle specie, non sulle patologie.
• Sfida diagnostica: L'osservazione visiva (umana o AI) non può fornire una diagnosi clinica definitiva (es. distinguere la rogna dalla perdita di pelo stagionale), ma può generare un "segnale di sospetto" per la revisione degli esperti.

2. Metodologia: La Pipeline

Gli autori presentano una pipeline in tre fasi per generare dati di addestramento sintetici partendo da immagini reali di trappole fotografiche, con un controllo di qualità adattivo.

A. Curatela delle Immagini Base (Base Image Curation)

• Fonte: Immagini estratte da iWildCam 2022.
• Specie: 8 specie nordamericane (es. cervo dalla coda bianca, lupo grigio, volpe rossa, procione).
• Campionamento: Utilizzo di MegaDetector per ottenere i bounding box degli animali. Viene applicato un campionamento stratificato ponderato che privilegia la posizione centrale dell'animale (peso 0.6) per garantire una buona visibilità, mantenendo diversità temporale (stagioni, giorno/notte).
• Dataset iniziale: 1.000 immagini base bilanciate.

B. Modifica del Fenotipo (Phenotype Editing)

Utilizzando un modello generativo (Gemini 3.1 Flash Image), ogni immagine base genera fino a 4 varianti sintetiche controllate:

1. Gravità dell'Alopecia (M):
   • M0: Mantello sano (controllo negativo/sham).
   • M2: Perdita di pelo moderata a chiazze con desquamazione.
   • M3: Perdita di pelo estesa con ipercheratosi.
2. Condizione Corporea (B):
   • B0: Muscolatura sana.
   • B2: Costole visibili, perdita muscolare.
   • B3: Emaciazione severa con landmark scheletrici pronunciati.
3. Design delle Varianti: Sham (M0/B0), Alopecia sola (M2/B0), Emaciazione sola (M0/B2), Severa combinata (M3/B3).
4. Prompting Spaziale: I prompt includono le coordinate del bounding box e istruzioni rigorose per modificare solo l'animale, preservando pixel-per-pixel lo sfondo, l'illuminazione, il rumore e gli artefatti della fotocamera (timestamp). La distribuzione delle lesioni segue la biologia specifica (es. rogna sarcoptica nei canidi inizia dal viso/orecchie; per gli ungulati si evitano le zone non raggiungibili con le unghie/denti).

C. Controllo di Qualità (Scene-Drift QC)

Un sistema critico per garantire che il modello generativo non abbia alterato la scena originale (es. cambiando l'animale o lo sfondo).

• Filtro Sham: Si genera prima la variante "sana" (M0/B0). Se questa fallisce il QC, tutte le altre varianti per quella base vengono scartate, risparmiando risorse di calcolo.
• Costruzione della Maschera: Si identificano le differenze tra immagine originale e sintetica. La maschera è ancorata al bounding box dell'animale. Se le modifiche superano il 70% dell'immagine, l'immagine viene rifiutata come "rerendering globale".
• Metriche di Scoring: Calcolate su pixel sfocati (fuori dalla maschera dell'animale) per evitare falsi positivi dovuti alle modifiche legittime dell'animale:
  • MAE (Mean Absolute Error): Normato per correggere shift di colore.
  • SSIM (Structural Similarity Index): Per la similarità strutturale.
• Soglie Adattive: Soglie diverse per immagini diurne (OR-gate: MAE ≤ 7.0 OPPURE SSIM ≥ 0.85) e notturne/IR (MAE ≤ 5.0, più severo).

3. Risultati

• Generazione Dati: Da 201 immagini base (4 specie), sono state generate 666 varianti.
• Tasso di Passaggio QC: 553 varianti (83%) hanno superato il controllo di qualità. Il filtro sham ha eliminato il 16% delle immagini base, risparmiando 93 chiamate API inutili.
• Analisi per Variante: Le varianti "Severe" (M3/B3) hanno il tasso di passaggio più basso (82%) e il SSIM medio più basso, confermando che modifiche più drastiche causano più "drift" della scena.
• Esperimento Sim-to-Real (Trasferimento):
  • Setup: Addestramento esclusivo su 553 immagini sintetiche (160 sane, 393 sospette) e test su 70 immagini reali di trappole fotografiche (non usate in addestramento).
  • Modello: Backbone DINOv2 ViT-B/14 congelato con due testine di classificazione (Linear Probe e MLP a un layer).
  • Performance:
    • MLP: 0.854 AUROC e 0.811 Balanced Accuracy.
    • Linear Probe: 0.734 AUROC.
  • Conclusione: I dati sintetici contengono sufficienti caratteristiche visive per addestrare un modello capace di rilevare condizioni di salute sospette in immagini reali mai viste prima.

4. Contributi Chiave

1. Prima Pipeline Sintetica: Il primo sistema per generare dati di addestramento per la salute della fauna selvatica da immagini di trappole fotografiche, dotato di controllo di qualità adattivo.
2. Design del Fenotipo: Un approccio che considera la distribuzione specifica delle lesioni per specie e inquadra esplicitamente l'output come dato per lo "screening" (segnalazione di sospetto) piuttosto che per la diagnosi clinica definitiva.
3. Validazione Sim-to-Real: Dimostrazione empirica che un classificatore addestrato solo su dati sintetici può generalizzare con successo su dati reali, colmando il divario di dati etichettati.

5. Significato e Limitazioni

• Significato: Questo lavoro rimuove la barriera fondamentale della mancanza di dati per l'automazione dello screening sanitario della fauna. Permette di scalare la sorveglianza della salute, identificando animali che necessitano di revisione umana.
• Limitazioni:
  • Ambiguità Diagnostica: Il sistema non può distinguere la rogna da altre cause di perdita di pelo (parassiti, muta stagionale).
  • Mismatch Specie-Condizione: In alcune regioni, la rogna nei cervi è rara; il modello potrebbe generare falsi positivi per perdita di pelo stagionale.
  • Postura: Le modifiche attuali non catturano i cambiamenti posturali legati alla malattia.
  • Dataset di Test: Il set di test reale è piccolo (N=70) e le etichette "sospette" provengono da osservatori della comunità, non da conferme cliniche.

In sintesi, il paper propone una soluzione scalabile e tecnicamente robusta per creare dati di addestramento sintetici, dimostrando che l'IA può essere utilizzata efficacemente come primo filtro per la salute della fauna selvatica, riducendo il carico di lavoro per i biologi.