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

Sintesi Tecnica: CAFOSat

Problematica
Le operazioni di allevamento intensivo (CAFO - Concentrated Animal Feeding Operations) sono nodi critici per la sorveglianza delle malattie e la pianificazione della resilienza climatica, ma pongono significativi rischi per l'ambiente e la salute pubblica. Nonostante la loro importanza, la mappatura scalabile dei CAFO è ostacolata da fonti di dati frammentate, localizzazioni puntuali rumorose (che spesso si riferiscono ai centroidi dei lotti o alle strade di accesso piuttosto che all'impronta fisica delle strutture) e annotazioni incoerenti e sottostime sistematiche. Gli esistenti dataset sono spesso limitati geograficamente, mancano di dettagli a livello infrastrutturale (ad esempio, stalle o vasche per il letame) e soffrono di una scarsa capacità di generalizzazione a causa della variabilità visiva dei CAFO tra i diversi tipi di bestiame e regioni. Inoltre, la natura laboriosa della raffinazione manuale delle geolocalizzazioni deboli per allinearle alle immagini ad alta risoluzione crea un collo di bottiglia per la creazione di dataset di addestramento di alta qualità.

Metodologia
Gli autori introducono CAFOSat, un dataset fortemente annotato e consapevole delle infrastrutture, che copre 20 stati degli Stati Uniti. La costruzione di CAFOSat segue una pipeline in cinque fasi progettata per trasformare inventari deboli e pubblicamente disponibili in dati di addestramento ad alta fedeltà:

1. Aggregazione e Standardizzazione dei Dati: Il processo inizia aggregando gli inventari delle posizioni dei CAFO da fonti federali, statali e accademiche (ad es., CAFOMaps). Le coordinate iniziali vengono mappate su immagini NAIP ad alta risoluzione (0,6 m di risoluzione) ed estraggono patch di dimensioni fisse di 833×833 pixel.
2. Annotatore AI e Pre-filtraggio: Per ridurre lo sforzo manuale, un classificatore binario basato su ResNet viene addestrato su un piccolo set di campioni verificati manualmente (da RegLab). Questo "annotatore AI" pre-filtra i patch candidati dall'inventario più ampio, trattenendo solo quelli con predizioni ad alta confidenza (softmax ≥ 0,8) per la revisione umana.
3. Raffinamento delle Coordinate (da Debole a Forte): Un nuovo algoritmo di raffinamento converte le coordinate rumorose in annotazioni puntuali spazialmente accurate. Ciò comporta:
   • L'estrazione di cinque patch sovrapposte (una centrata, quattro con offset diagonale) attorno alla coordinata debole.
   • L'applicazione di GradCAM per generare mappe di calore dell'attenzione specifiche per la classe sui patch predetti come CAFO.
   • La soglia delle mappe di calore per isolare le regioni di attivazione, convertendole in poligoni e applicando il clustering a legame singolo (single-linkage clustering) per raggruppare le strutture contigue.
   • Il calcolo del centroide del cluster più grande come coordinata raffinata.
4. Verifica Manuale e Annotazione delle Infrastrutture: Un totale di 4.513 campioni viene verificato manualmente. Oltre alla classificazione binaria, gli annotatori forniscono etichette a livello di infrastruttura, inclusi i conteggi di stalle e vasche per il letame, e la presenza di aree di pascolo o altre strutture.
5. Negativi Curati e Augmentation Sintetica:
   • Hard Negatives: Campioni non-CAFO vengono generati utilizzando il campionamento guidato dal land-cover (stratificato tra pascoli, terreni agricoli, ecc.) con un buffer di esclusione di 1,5 km attorno ai CAFO noti per garantire che siano veri negativi.
   • Augmentation Sintetica: Una pipeline guidata da prompt utilizza GroundingDINO per il rilevamento di infrastrutture a vocabolario aperto e Stable Diffusion per l'inpainting. Questo processo rimuove strutture specifiche (ad es., stalle) e le sostituisce con contenuti di sfondo semanticamente plausibili (ad es., prateria), creando variazioni che preservano l'etichetta per diversificare la distribuzione di addestramento senza alterare l'etichetta del tipo di CAFO.

Contributi Chiave

• Dataset Benchmark: CAFOSat comprende oltre 45.000 patch di immagini (39.257 base + 6.454 sintetiche) che coprono 20 stati e quattro principali tipi di CAFO (Suini, Avicoli, Lattiero-caseari, Bovini). Include annotazioni uniche a livello di infrastruttura e un set curato di hard negatives.
• Pipeline di Annotazione Scalabile: Gli autori propongono un framework human-in-the-loop che riduce significativamente lo sforzo di annotazione manuale migliorando al contempo la qualità delle etichette attraverso il pre-filtraggio AI e il raffinamento basato su GradCAM.
• Valutazione Completa: Il documento fornisce un rigoroso suite di benchmarking che valuta moderni CNN, Vision Transformers (ViT, Swin) e modelli Vision-Language (CLIP, RemoteCLIP) in contesti in-distribution e out-of-distribution (stati non visti).
• Riproducibilità: Tutto il codice, gli script di elaborazione dei dati, gli strumenti di annotazione e i data loader sono rilasciati pubblicamente per facilitarne l'adozione.

Risultati

• Impatto della Qualità della Annotazione: Gli esperimenti dimostrano che il raffinamento delle coordinate deboli per allinearle alle effettive infrastrutture migliora significativamente le prestazioni di classificazione. I modelli addestrati su patch raffinate superano costantemente quelli addestrati su deboli coordinate di rilevamento in tutte le architetture.
• Prestazioni del Modello: I modelli basati su Transformer (ad es., Swin-B, EfficientNet) generalmente superano i classici CNN (ResNet) in termini di accuratezza, F1-score e mean Average Precision (mAP). Gli avicoli sono identificati come la classe più facile da riconoscere, mentre i lattiero-caseari sono i più impegnativi a causa della somiglianza visiva con le strutture per i bovini.
• Generalizzazione Cross-Dataset: I modelli addestrati su CAFOSat si generalizzano bene a dataset esterni (METER-ML, RegLab) e stati non visti, mentre i modelli addestrati su dataset più piccoli e meno diversificati faticano quando trasferiti su CAFOSat.
• Augmentation Sintetica: L'addestramento sul set aumentato sinteticamente produce prestazioni comparabili all'addestramento su dati verificati manualmente (una diminuzione di solo ~0,6% F1 e ~2,2% mAP per Swin-B), suggerendo che l'inpainting mirato può diversificare efficacemente i dati di addestramento e migliorare la robustezza, in particolare per i modelli basati su transformer.

Significatività
Il documento sostiene che il disallineamento tra le coordinate degli inventari pubblici e le reali impronte delle strutture sia un collo di bottiglia primario nella mappatura dei CAFO. CAFOSat affronta questo problema dimostrando che il raffinamento delle etichette puntuali deboli è un driver di prestazione di primo ordine, che spesso eguaglia l'impatto del cambio di architetture di modello. Fornendo un dataset con granularità a livello di infrastruttura e un robusto campionamento negativo, CAFOSat consente una valutazione del rischio e una modellazione epidemiologica più accurate. Il lavoro evidenzia che il contesto globale e gli indizi di layout (catturati bene dai transformer) sono critici per distinguere i CAFO da altre strutture agricole visivamente simili. Sebbene il dataset sia centrato sugli Stati Uniti e erediti i bias degli inventari pubblici, esso stabilisce una base per una mappatura del bestiame scalabile e consapevole delle infrastrutture e per il futuro lavoro in rilevamento, segmentazione e monitoraggio temporale.