Deep Learning-Based Animal Footprint Analysis for Species Recognition and Injury Detection

Sintesi Tecnica: Analisi delle Impronte Animali Basata sul Deep Learning per il Riconoscimento delle Specie e la Rilevazione di Lesioni

Definizione del Problema
La gestione della fauna selvatica e il monitoraggio degli ecosistemi dipendono fortemente dal rilevamento e dal tracciamento degli animali feriti. I metodi tradizionali prevedono l'analisi manuale delle impronte (icnologia), che è intrinsecamente soggettiva, richiede molto tempo e risulta difficile da scalare a causa della necessità di una vasta competenza specialistica. Inoltre, i fattori di disturbo ambientali — come i diversi tipi di substrato (ad esempio, sabbia rispetto all'argilla), le condizioni di illuminazione e le impronte incomplete — introducono un'elevata varianza intra-classe, distorcendo la morfologia delle tracce. Sebbene le caratteristiche morfologiche, come la geometria delle dita e le configurazioni dei cuscinetti, offrano un valore diagnostico per l'identificazione della specie e la rilevazione di lesioni (ad esempio, zoppia o traumi), gli attuali sistemi automatizzati rimangono sottoutilizzati nella pianificazione attiva della conservazione. La sfida centrale affrontata consiste nell'isolare le variazioni morfologiche inter-specie e intra-specie associate a lesioni utilizzando un singolo modello di visione deep sotto condizioni di reale squilibrio delle classi.

Metodologia
Lo studio propone un framework unificato di deep learning per classificare congiuntamente la specie animale e rilevare anomalie strutturali legate a lesioni da immagini statiche di tracce.

• Dataset: È stato compilato un dataset personalizzato di 1.217 immagini, fondendo il dataset "Footprint-Animals" di Kaggle (tracce normali) e il repository Roboflow Universe (tracce con lesioni). Copre sei specie: Orso, Procione, Castoro, Leone, Elefante e Coyote. I dati presentano un significativo squilibrio di classe, con 1.014 campioni normali e 203 campioni con lesioni. Le immagini sono state ridimensionate a 224×224 pixel e standardizzate utilizzando i vettori di media e deviazione standard di ImageNet.
• Formulazione del Task: Il compito primario è inquadrato come un problema di classificazione fine-grained a 12 classi, dove ogni etichetta rappresenta una combinazione unica di identità della specie e stato di salute (ad esempio, "Orso-Normale", "Orso-Lesionato"). Un secondo task binario semplificato (Normale vs Lesionato) è stato inoltre valutato per disaccoppiare le caratteristiche tassonomiche dalla rilevazione delle lesioni.
• Architetture: Sono state messe a confronto cinque architetture di Reti Neurali Convoluzionali (CNN): ResNet-50, EfficientNet-B0, EfficientNet-B3, MobileNet-V3 e ConvNeXt-V1 Tiny. I modelli sono stati inizializzati con pesi ImageNet e perfezionati tramite PyTorch.
• Ottimizzazione: L'addestramento ha utilizzato l'ottimizzatore AdamW con una policy del tasso di apprendimento OneCycle. Per affrontare lo squilibrio delle classi, i modelli di base hanno utilizzato una perdita di cross-entropy pesata. Un esperimento secondario ha impiegato la Focal Loss per sopprimere i gradienti dalle classi maggioritarie. L'aumento dei dati (flip, rotazione, luminosità/contrasto) è stato applicato rigorosamente solo alla partizione di addestramento.
• Interpretabilità: La Gradient-weighted Class Activation Mapping (Grad-CAM) è stata utilizzata per verificare che i modelli si concentrassero su caratteristiche morfologiche rilevanti (ad esempio, cluster di cuscinetti, spaziatura delle dita) piuttosto che sul rumore di fondo.

Risultati Chiave

• Performance Multi-Classe: ConvNeXt-V1 Tiny ha ottenuto le prestazioni più elevate nell'impostazione a 12 classi, raggiungendo un'accuratezza complessiva del 78,91% e un F1-score macro del 68%. Ha dimostrato una sensibilità superiore alle classi minoritarie (ad esempio, 75% di recall per gli orsi con lesioni) rispetto ad altri modelli.
• Confronto tra Modelli: EfficientNet-B0 ha raggiunto un'accuratezza del 75,00% ma ha sofferto di un basso F1-score macro (55%) a causa di un bias sistemico verso le classi "normali" maggioritarie, risultando in uno 0% di recall per specifici coorti con lesioni. EfficientNet-B3 è stato meno performante (63,28% di accuratezza) a causa della sovra-parametrizzazione e dell'instabilità dell'addestramento.
• Impatto della Funzione di Perdita: L'implementazione della Focal Loss ha migliorato la convergenza precoce per le classi minoritarie ma ha ridotto leggermente l'accuratezza globale di test al 71,88%, suggerendo che, sebbene bilanci i gradienti, la dimensione del dataset e le somiglianze morfologiche limitino la generalizzabilità globale.
• Classificazione Binaria: Riformulare il task come classificazione binaria (Normale vs Lesionato) ha prodotto un'accuratezza massima del 96,88% utilizzando ConvNeXt-V1. Questo modello ha ottenuto un'accuratezza del 100% sulle basi normali e ha mantenuto un'accuratezza >91,3% sulle configurazioni con lesioni.
• Interpretabilità: L'analisi Grad-CAM ha confermato che i modelli con le migliori prestazioni (ConvNeXt-V1) localizzavano l'attenzione precisamente sulle caratteristiche anatomiche diagnostiche (cluster di cuscinetti, impronte delle unghie), mentre i modelli meno performanti presentavano un'attivazione diffusa sul substrato di fondo.

Significatività e Rivendicazioni
L'articolo sostiene di validare un paradigma di deep learning unificato capace di monitoraggio non invasivo della fauna selvatica senza manipolazione degli animali. La sua principale significatività risiede nel dimostrare che:

1. Le Architetture Moderne Contano: Le architetture a macro-kernel come ConvNeXt sono più adatte rispetto ai modelli tradizionali o leggeri per catturare il contesto spaziale ampio necessario a differenziare le sottili variazioni intra-classe delle impronte.
2. Trade-off della Complessità del Task: Mentre i modelli fine-grained a 12 classi forniscono dettagli diagnostici completi, i modelli di astrazione binaria offrono un'affidabilità significativamente maggiore (96,88% di accuratezza). Gli autori suggeriscono che il disaccoppiamento della rilevazione delle lesioni dalla discriminazione della specie rimuove l'ostacolo delle rappresentazioni di caratteristiche sovrapposte.
3. Implementazione Pratica: Lo studio propone che i modelli binari offrano un percorso più pratico per l'implementazione automatizzata sul campo, come sistemi di allerta presso pozze d'acqua o array di fototrappole, dove la priorità è identificare la presenza di una lesione rispetto all'identificazione di una specifica specie.

Gli autori concludono che, sebbene gli squilibri di classe e la variabilità del substrato rimangano sfide, questo approccio minimizza la soggettività del tracciamento tradizionale e fornisce un'alternativa scalabile e automatizzata per il monitoraggio ecologico. Il lavoro futuro proposto mira ad espandere le categorie tassonomiche e integrare input temporali multi-frame per risolvere intere traiettorie di andatura.