Descriptor: Dataset of Parasitoid Wasps and Associated Hymenoptera (DAPWH)

Deze paper presenteert de DAPWH-dataset, een gecureerde verzameling van 3.556 hoogwaardige afbeeldingen van parasitoïde wespen en verwante Hymenoptera, inclusief een COCO-gelabeld subset, om geautomatiseerde taxonomische identificatie te ondersteunen.

De kern

Stel je voor dat je een enorme bibliotheek hebt vol met boeken over insecten, maar de meeste boeken staan in een taal die niemand meer begrijpt. De boeken zijn over parasitoïde wespen (kleine wespen die andere insecten als gastheer gebruiken). Deze wespen zijn superbelangrijk voor de natuur en de landbouw omdat ze ongedierte bestrijden, maar ze zijn ook ontzettend moeilijk te herkennen. Ze zien er allemaal bijna hetzelfde uit, zijn heel klein en er zijn er duizenden soorten die nog nooit door de mens zijn beschreven.

Dit artikel introduceert een nieuw, digitaal hulpmiddel om dit probleem op te lossen: het DAPWH-dataset.

Hier is een uitleg in simpele taal, met een paar creatieve vergelijkingen:

1. Het Probleem: De "Naald in de Hooiberg"

Vroeger moesten experts (taxonomen) met een microscoop en dure boeken naar deze wespen kijken om ze te identificeren. Het was als het zoeken naar een specifieke naald in een enorme hooiberg, waarbij je alleen een vergrootglas hebt. Er zijn te weinig experts en te veel wespen.

2. De Oplossing: Een Digitale "Fotoalbum" met Magische Bril

De auteurs hebben een gigantisch fotoalbum gemaakt met 3.556 super-scherpe foto's van deze wespen.

• De inhoud: Het album bevat vooral de twee moeilijkste groepen (Ichneumonidae en Braconidae), maar ook foto's van andere wespen en bijen om de computer slim te maken.
• De hoek: Ze hebben de wespen gefotografeerd vanuit alle kanten: van boven, van voren en van opzij. Het is alsof je een 3D-model van een pop hebt, maar dan in 2D-foto's.

3. De Magie: De "Lego-Bril" (Aanduidingen)

Het echte wonder is niet alleen dat ze foto's hebben, maar dat ze er magische lijntjes omheen hebben getrokken.

• Voor 1.739 foto's hebben mensen en computers samen lijntjes getrokken (annotaties) om precies aan te geven waar het lichaam van de wesp zit, waar de vleugels zijn en waar de meetlat (schaal) staat.
• Vergelijking: Stel je voor dat je een kind leert een hond te tekenen. Eerst laat je het kind een foto zien. Dan trek je een lijntje om de kop, een lijntje om de poten en een lijntje om de staart. Dat is wat ze hier hebben gedaan. Dit helpt computers om te leren wat ze moeten zoeken, net zoals een kind dat leert een hond te herkennen door de kenmerken te zien.

4. De Test: De "Schoolproef"

De auteurs hebben deze foto's gebruikt om verschillende computerprogramma's (kunstmatige intelligentie) te testen. Het was alsof ze de computer een schoolproef gaven: "Kijk naar deze foto en zeg me welk type wesp het is."

• Het resultaat: De slimste computerprogramma's (zoals YOLOv12) haalden een 92% tot 95% score. Dat is alsof een student bijna perfect scoort op een heel moeilijk examen.
• De uitzondering: De computer had wat moeite met de allerzeldzaamste soorten (zoals de Colletidae), omdat er maar heel weinig foto's van waren. Dat is logisch: als je maar één keer een dier hebt gezien, is het lastig om het later te herkennen.

5. Waarom is dit belangrijk?

Dit dataset is als een openbare bouwset voor onderzoekers.

• Voor boeren: Het helpt om te zien welke "goede" wespen er zijn om plagen te bestrijden.
• Voor wetenschappers: Het maakt het mogelijk om duizenden insecten in een seconde te tellen en te identificeren, in plaats van jarenlang met een microscoop te werken.
• Voor de natuur: Het helpt ons te begrijpen hoe divers het leven is, zelfs in de kleine, onzichtbare wereld van de wespen.

Kortom: De auteurs hebben een digitale schatkist gecreëerd met scherp gefotografeerde wespen en magische lijntjes eromheen. Hiermee kunnen computers leren om deze lastige insecten te herkennen, waardoor we de natuur beter kunnen beschermen en begrijpen. Het is een stap van "moeilijk met de hand doen" naar "slim met de computer doen".

Technische samenvatting

Titel: Dataset van Parasitoïde Wespen en Geassocieerde Hymenoptera (DAPWH)

1. Het Probleem

De nauwkeurige taxonomische identificatie van insecten is essentieel voor biodiversiteitsmonitoring en landbouwbeheer. Dit is echter bijzonder uitdagend voor de hyper-diverse superfamilie Ichneumonoidea (bestaande uit de families Ichneumonidae en Braconidae). Deze parasitoïde wespen spelen een cruciale rol bij het reguleren van insectenpopulaties (vaak plagen), maar zijn taxonomisch moeilijk te onderscheiden vanwege hun cryptische morfologie en het enorme aantal onbeschreven soorten.
Traditionele identificatie is afhankelijk van gespecialiseerde taxonomen die microscopen en morfologische sleutels gebruiken, wat een traag en duur proces is in een tijdperk van wereldwijde tekorten aan taxonomen. Er is een acuut gebrek aan robuuste digitale bronnen om geautomatiseerde identificatiesystemen voor deze groepen te trainen.

2. Methodologie

De auteurs hebben een zorgvuldig samengestelde dataset ontwikkeld, genaamd DAPWH, om deze lacune op te vullen.

• Dataverzameling:

  • De dataset bevat 3.556 hoogresolutie afbeeldingen van specimens uit de superfamilie Ichneumonoidea en negen aanvullende Hymenoptera-families (waaronder Apidae, Vespidae, Pompilidae, enz.).
  • De specimens zijn afkomstig van vier universitair verbonden verzamelingen in Brazilië (voornamelijk Neotropisch gebied), verzameld via Malaise-vallen en geïdentificeerd door experts.
  • De beelden zijn gemaakt met een Leica M205C stereomicroscoop en een Leica K5C camera, met gebruik van image stacking (Helicon Focus) voor maximale scherpte.
  • De beelden zijn gestructureerd in drie morfologische perspectieven: Dorsaal/Ventraal, Frontaal en Lateraal.

• Annotatie en Datastructuur:

  • Een subset van 1.739 afbeeldingen is volledig geannoteerd in het COCO-formaat (Common Objects in Context).
  • De annotaties omvatten drie klassen: het volledige insectenlichaam, vleugels (met adervering) en schaalbalken.
  • Het annotatieproces combineerde expertise van computer vision-specialisten (met behulp van CVAT en het Segment Anything Model - SAM) en taxonomen voor een strenge validatie.

• Validatie en Benchmarking:

  • De dataset is gesplitst in een trainingsset (70%), validatieset (15%) en testset (15%) met een stratified split-strategie om taxonomische representativiteit te garanderen.
  • Classificatie: Zes architecturen werden getest (EfficientNetV2, ConvNeXt, ViT-B/16, VGG16, ResNet50, YOLOv12) op beeldniveau.
  • Objectdetectie: Modellen YOLOv8 en YOLOv12 werden getraind om de geannoteerde subset (lichaam, vleugels, schaalbalk) te detecteren.

3. Belangrijkste Bijdragen

1. DAPWH Dataset: De eerste uitgebreide, openbare dataset gericht specifiek op Neotropische parasitoïde wespen (Ichneumonidae en Braconidae) met aanvullende Hymenoptera-families voor robuustheid.
2. Gestructureerde Annotaties: Een unieke subset met COCO-annotaties die niet alleen het insect, maar ook specifieke morfologische kenmerken (vleugels) en schaalbalken omvat, wat essentieel is voor biometrische metingen.
3. Benchmark Resultaten: Het paper levert een baseline voor prestaties van state-of-the-art computer vision-modellen op deze specifieke taxonomische groep, inclusief gedetailleerde analyse van fouten en class-imbalans.
4. Open Access: De dataset (Zenodo DOI: 10.5281/zenodo.18501018) en de volledige code-pijplijn (GitHub) zijn publiek beschikbaar onder een CC BY-NC 4.0 licentie.

4. Resultaten

De experimenten tonen aan dat de dataset geschikt is voor het trainen van geavanceerde modellen:

• Beeldclassificatie:

  • De modellen presteerden uitstekend, met een Top-1 nauwkeurigheid op de testset variërend van 89,34% tot 92,28%.
  • EfficientNetV2 en ConvNeXt bereikten de hoogste nauwkeurigheid (92,28%).
  • YOLOv12 behaalde de hoogste F1-score (95,59%), wat wijst op grote robuustheid.

• Objectdetectie:

  • YOLOv12 presteerde het beste met een mAP@50 van 90,53%.
  • De detectie van morfologische kenmerken zoals vleugels was zeer accuraat (96%).
  • Er werden sterke resultaten behaald voor de families Ichneumonidae, Apidae, Vespidae en Bethylidae.
  • Uitdagingen: Er was enige verwarring tussen de families Andrenidae en Colletidae, voornamelijk door een sterk onbalans in de dataset (Colletidae heeft slechts 25 annotaties). Ook was de detectie van schaalbalken iets minder nauwkeurig (0,61% false negative rate voor achtergrond), hoewel de fysieke referentie altijd beschikbaar blijft.

5. Betekenis en Toekomstperspectief

De DAPWH-dataset vormt een fundamentele stap in de automatisering van de entomologische taxonomie. Het stelt onderzoekers in staat om:

• Geautomatiseerde systemen te ontwikkelen voor het monitoren van biodiversiteit en landbouwplagen.
• Fijnmazige classificatie uit te voeren op familienniveau en potentieel uit te breiden naar geslachts- of subfamilieniveau (aangezien de bestandsnamen hogere taxonomische informatie bevatten).
• Biometrische analyses uit te voeren door geautomatiseerde extractie van fenotypische kenmerken zoals vleugeladeringen.

Hoewel de huidige annotaties beperkt zijn tot familienniveau, biedt de dataset een solide basis voor toekomstig onderzoek in evolutionaire biologie en computer vision, met de mogelijkheid om de community aan te moedigen om aanvullende labels toe te voegen voor structuren zoals antennes of legprikkers.