🤖 machine learning

Explainable few-shot learning workflow for detecting invasive and exotic tree species

Este artigo propõe um fluxo de trabalho de aprendizado de poucos disparos (few-shot learning) explicável que integra uma rede siamesa com XAI para detectar eficazmente espécies de árvores invasoras e exóticas na Mata Atlântica do Brasil usando imagens de UAV, alcançando alta precisão com dados rotulados mínimos ao mesmo tempo em que fornece explicações visuais transparentes para suas previsões.

Autores originais: Caroline M. Gevaert, Alexandra Aguiar Pedro, Ou Ku, Hao Cheng, Pranav Chandramouli, Farzaneh Dadrass Javan, Francesco Nattino, Sonja Georgievska

Publicado 2026-09-11

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Caroline M. Gevaert, Alexandra Aguiar Pedro, Ou Ku, Hao Cheng, Pranav Chandramouli, Farzaneh Dadrass Javan, Francesco Nattino, Sonja Georgievska

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Na densa e vibrante Mata Atlântica do Brasil, uma batalha silenciosa está em curso entre árvores nativas e espécies invasoras que ameaçam deslocá-las. Por décadas, ecologistas confiaram em percorrer o chão da floresta para identificar esses intrusos, um processo lento e trabalhoso que deixa vastas áreas sem monitoramento. Hoje, as ferramentas de observação mudaram para o céu. Veículos aéreos não tripulados, ou drones, podem agora capturar fotografias de alta resolução do dossel florestal, oferecendo uma visão aérea que revela a forma e a cor de árvores individuais. No entanto, transformar essas imagens em conhecimento útil requer inteligência artificial. O desafio reside em treinar esses sistemas computacionais. A maioria dos modelos modernos de IA é como estudantes que precisam estudar milhares de exemplos de cada assunto antes de poderem passar em um teste. Em florestas remotas, onde os dados são escassos e os especialistas são poucos, reunir bibliotecas tão massivas de imagens rotuladas é frequentemente impossível. Além disso, mesmo quando esses modelos fazem um palpite, eles frequentemente agem como "caixas pretas", oferecendo um resultado sem explicar como chegaram a ele, o que torna difícil para os gestores florestais confiarem na resposta.

Uma equipe de pesquisadores desenvolveu uma nova abordagem para preencher essa lacavra, criando um sistema que pode aprender a detectar árvores invasoras com pouquíssimos exemplos e, crucialmente, mostrar seu raciocínio. Publicada em um estudo focado no Parque Natural do Bororé, em São Paulo, a pesquisa introduz um fluxo de trabalho que combina um tipo específico de inteligência artificial com um método de explicação visual. Em vez de exigir milhares de fotos para aprender como é uma palmeira invasora, o sistema utiliza uma estratégia de aprendizado de "poucos disparos" (few-shot learning). Isso permite que o modelo seja treinado em um punhado de espécies conhecidas primeiro e, em seguida, adaptado rapidamente para reconhecer novas espécies, raras ou invasoras, usando apenas algumas imagens de amostra. Para garantir que o sistema não esteja apenas adivinhando, os pesquisadores adicionaram uma camada de transparência. Quando o computador identifica uma árvore, ele não apenas fornece um nome; ele exibe as imagens específicas de sua memória que levaram àquela conclusão, permitindo que um especialista humano verifique se a correspondência visual faz sentido.

O estudo focou na palmeira Seafórtia, uma espécie australiana invasora que se enraizou nos parques brasileiros, competindo com a flora local e alterando o ecossistema local. Para construir seu sistema, os pesquisadores começaram reunindo um pequeno conjunto de dados de treinamento. Eles utilizaram conjuntos de dados existentes e novos voos de drones para identificar cinco espécies de árvores comuns, criando uma biblioteca de exemplos "conhecidos". Em seguida, treinaram uma rede neural — um programa de computador projetado para imitar a maneira como o cérebro processa padrões visuais — nessas cinco espécies. Os pesquisadores testaram duas versões diferentes desta rede: uma construída do zero com camadas simples, e outra baseada em um design pré-existente e leve chamado MobileNet, conhecido por ser eficiente em computadores menores. Ambas as versões foram projetadas para comparar duas imagens e decidir o quão semelhantes elas são, em vez de simplesmente memorizar uma lista de espécies.

Uma vez que o sistema foi pré-treinado, os pesquisadores introduziram o verdadeiro desafio: identificar a palmeira invasora Seafórtia e outras novas espécies usando apenas um número ínfimo de exemplos. Esta é a parte de "poucos disparos" do processo. Eles mostraram ao sistema apenas uma, duas ou três fotos das novas espécies alvo e pediram que ele aprendesse a diferença. Os resultados foram impressionantes. O sistema utilizando a estrutura MobileNet, que havia sido pré-treinado em uma vasta biblioteca de imagens gerais, provou ser muito mais eficaz do que a versão mais simples. Ao receber apenas três exemplos de uma nova espécie, o sistema baseado em MobileNet identificou corretamente as árvores invasoras com um alto grau de precisidade, superando significamente o modelo mais simples. Isso demonstrou que um sistema sofisticado e pré-treinado pode se adaptar a um ambiente novo e com poucos dados muito mais rápido do que começando do zero.

Talvez a contribuição mais significativa deste trabalho, no entanto, seja como ele lida com o "porquê" por trás da decisão. Em muitas aplicações de inteligência artificial, o raciocínio é oculto. Aqui, os pesquisadores tornaram o raciocínio visível. Quando o sistema classifica uma árvore, ele busca as poucas imagens de exemplo que usou para tomar essa decisão e as exibe ao lado da nova árvore. Ele também fornece um conjunto de métricas para avaliar a qualidade dessa explicação. Por exemplo, verifica a "correção" para ver se os exemplos escolhidos realmente sustentam o rótulo final, e a "continuidade" para garantir que uma pequena mudança na imagem de entrada não faça o sistema escolher um conjunto completamente diferente de exemplos. O estudo descobriu que as explicações eram altamente consistentes e que o sistema frequentemente selecionava imagens de suporte que eram visualmente muito semelhantes ao alvo, dando aos especialistas humanos um rastro visual claro para seguir.

Os pesquisadores testaram seu fluxo de trabalho nas palmeiras invasoras Seafórtia encontradas no Parque Natural do Boré. Em um caso de teste específico, o sistema identificou corretamente uma palmeira e mostrou ao usuário as três imagens de referência que usou para comparação. Em algumas instâncias, o sistema sinalizou um erro potencial ao mostrar uma imagem de referência que parecia bastante diferente do alvo, embora fossem rotuladas como a mesma espécie. Esse feedback visual permitiu que os pesquisadores vissem exatamente onde o modelo estava enfrentando dificuldades, algo que um modelo padrão de "caixa preta" jamais revelaria. O estudo concluiu que esta combinação de aprendizado de poucos disparos e explicação visual oferece uma ferramenta prática e confiável para a gestão florestal. Prova que é possível implementar IA avançada em esforços de conservação mesmo quando os dados rotulados são escassos, desde que o sistema possa explicar sua lógica de uma forma que os humanos possam entender e verificar. Esta abordagem abre um novo caminho para o uso de drones e inteligência artificial para proteger a biodiversidade, transformando os dados vastos e complexos da floresta em insights acionáveis para os conservacionistas.

Resumo Técnico: Fluxo de Trabalho de Aprendizado de Poucos Disparos Explicável para Detecção de Espécies de Árvores Invasoras e Exóticas

Declaração do Problema
Modelos de aprendizado profundo para Observação da Terra, particularmente para a identificação de espécies de árvores invasoras e exóticas, normalmente requerem conjuntos de dados rotulados extensos para treinamento e avaliação. Essa dependência cria uma barreira significativa em cenários práticos, especialmente em Países de Baixa e Média Renda (LMICs), onde os dados rotulados são escassos. Além disso, as abordagens existentes de aprendizado de poucos disparos (few-shot learning - FSL) frequentemente falham em fornecer explicações suficientes para suas previsões, deixando os usuários sem confiança no processo de tomada de decisão do modelo. O desafio específico abordado neste estudo é a detecção de espécies invasoras (especificamente Archontophoenix cunninghamiana, ou Seafórtia) na Mata Atlântica de São Paulo, Brasil, onde as inspeções de campo manuais são intensivas em mão de obra e a disponibilidade de dados é limitada.

Metodologia
Os autores propõem um fluxo de trabalho de ponta a ponta integrando imagens de Veículos Aéreos Não Tripulados (VANT/UAV), aprendizado de poucos disparos e IA Explicável (XAI). A metodologia consiste em três etapas principais de processamento:

Preparação de Dados e Pré-treinamento:
- Entrada: Ortomosaicos de VANT e um conjunto de dados de referência (Reforestree).
- Detecção de Objetos: Copas de árvores individuais são extraídas automaticamente de imagens de VANT usando um fluxo de trabalho Netflora ou rotuladas manualmente. Estas são combinadas com dados de referência (banana, cacau, espécies frutíferas) para formar um conjunto de treinamento base.
- Arquitetura do Modelo: Duas redes siamesas são pré-treinadas: uma Rede Neural Convolucional (CNN) rasa e um backbone leve MobileNet (pré-treinado no ImageNet). Ambas as redes utilizam uma métrica de similaridade (distância Euclidiana) para comparar pares de imagens.
- Estratégia de Treinamento: As redes são treinadas em pares equilibrados de recortes (128x128 pixels) similares (mesma espécie) e dissimilar (espécies diferentes) gerados via aumento de dados (data augmentation).
Refinamento por Aprendizado de Poucos Disparos (Few-Shot Learning):
- Cenário: Os modelos pré-treinados são refinados para reconhecer novas espécies alvo (invasoras e nativas) usando um número mínimo de amostras rotuladas (1-shot a 3-shot).
- Processo: Os modelos base são ajustados (fine-tuned) usando um pequeno conjunto de suporte de amostras rotuladas manualmente da área de estudo.
- Classificação: Dois métodos de predição são avaliados: (1) atribuindo a classe com a maior pontuação média de similaridade, e (2) utilizando a lógica de K-Vizinhos Mais Próximos (K-NN) baseada nas top $K$ pontuações de similaridade.
Integração de IA Explicável (XAI):
- Explicação Baseada em Casos: Em vez de gerar mapas de calor (ex: Grad-CAM), o fluxo de trabalho fornece explicações visuais baseadas em casos. Para uma imagem de consulta, o sistema exibe as imagens do conjunto de suporte mais similares dos dados de treinamento.
- Métricas de Avaliação: A qualidade dessas explicações é avaliada quantitativamente usando três propriedades de conteúdo Co-12:
  - Correção ( $C_{cor}$ ): Mede se a explicação (classe majoritária das amostras similares) se alinha com a classificação final do modelo.
  - Continuidade ( $C_{cty}$ ): Avalia a estabilidade verificando se a explicação muda quando a imagem de entrada é levemente perturbada.
  - Contrastividade ( $C_{cst}$ ): Quantifica a diversidade das imagens de suporte selecionadas para as explicações usando a Entropia de Shannon.

Principais Contribuições

Fluxo de Trabalho Integrado: O artigo apresenta um novo fluxo de trabalho que combina redes siamesas para aprendizado de poucos disparos com uma estratégia de XAI baseada em casos, abordando simultaneamente os desafios da escassez de dados e da interpretabilidade.
Arquitetura Leve: O estudo demonstra que uma rede siamesa baseada em MobileNet, embora maior que uma CNN rasa, permanece leve o suficiente para implantação em dispositivos com capacidade computacional limitada, alcançando desempenho superior.
Avaliação Quantitativa de XAI: Os autores aplicam um framework rigoroso (Co-12) para avaliar quantitativamente a qualidade das explicações baseadas em exemplos, indo além da inspeção visual qualitativa.

Resultos

Desempenho do Modelo Base: A rede siamesa baseada em MobileNet superou significativamente a CNN rasa em termos de Recall, F1-score e Acurácia, alcançando um F1-score de 0,97 e Acurácia de 0,97 na tarefa de classificação base.
Aprendizado de Poucos Disparos (Few-Shot Learning): O refinamento com aprendizado de poucos disparos melhorou o desempenho em relação ao aprendizado de zero disparos (zero-shot learning). O modelo baseado em MobileNet alcançou os melhores resultados com aprendizado de 3-shot, atingindo uma Precisão de 0,90 e um F1-score de 0,86. A lacuna de desempenho entre MobileNet e a CNN rasa aumentou conforme o número de amostras de suporte crescia (de 1-shot para 3-shot).
Qualidade da Explicação:
- Correção: Melhorou significativamente após o refinamento do modelo (ex: o $C_{cor}$ do MobileNet aumentou de 0,15 para 0,60 no aprendizado de 3-shot).
- Continuidade: Ambos os modelos mostraram alta continuidade (valores em torno de 0,80–0,87), indicando explicações estáveis sob pequenas perturbações de entrada.
- Contrastividade: Valores altos (próximos a 1,00) foram observados, indicando uma seleção diversa de imagens de suporte para as explicações.
- Estudos de Caso Visuais: O artigo fornece exemplos visuais mostrando que, quando o modelo faz uma predição, as imagens de suporte associadas frequentemente corroboram visualmente a decisão, embora falsos positivos possam ser identificados por pontuações de similaridade baixas na lista de explicação.

Significância
O artigo afirma que esta abordagem abre novos caminhos para o uso de IA e VANTs na gestão florestal e conservação da biodiversidade, particularmente para espécies raras ou pouco estudadas. Ao permitir a classificação de espécies de árvores com o mínimo de dados rotulados, enquanto fornece explicações visuais baseadas em casos, o fluxo de trabalho aborda as limitações práticas da disponibilidade de dados em LMICs. O estudo enfatiza que as explicações baseadas em exemplos alinham-se melhor com o raciocínio humano (contrastivo e simples) do que mapas de saliência complexos, aumentando assim a confiança do usuário nos sistemas de monitoramento florestal automatizados. O uso de backbones leves como o MobileNet sugere, ainda, a viabilidade de implantar essas soluções em ambientes de recursos limitados.

Mais como este