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

Este artigo apresenta o DAPWH, um conjunto de dados curado com 3.556 imagens de alta resolução de vespas parasitoides e Hymenoptera associados, incluindo um subconjunto anotado no formato COCO, destinado a aprimorar a identificação automática e o monitoramento taxonômico desses grupos ecologicamente críticos.

O essencial

Imagine que você tem uma biblioteca gigante de insetos, mas em vez de livros, são milhares de fotos de alta definição de vespas e abelhas. Essa é a essência do trabalho apresentado no artigo: um novo "tesouro" de dados chamado DAPWH.

Aqui está a explicação desse projeto, traduzida para uma linguagem simples e cheia de analogias:

1. O Problema: O "Quebra-Cabeça" Invisível

As vespas parasitoides (aquelas que ajudam a controlar pragas na agricultura) são como espiões mestres da natureza. Elas são incrivelmente importantes para o equilíbrio do planeta, mas são um pesadelo para os cientistas identificarem.

• A Analogia: Imagine tentar distinguir uma pessoa de outra em uma multidão onde todos estão usando máscaras idênticas e se parecem muito. É assim que é identificar essas vespas: elas são pequenas, têm formas muito parecidas e existem milhares de espécies ainda desconhecidas.
• O Desafio: Antigamente, só um especialista (um taxonomista) com um microscópio podia fazer isso, e demorava muito. Hoje, faltam esses especialistas no mundo todo.

2. A Solução: A "Academia de Treinamento" para Computadores

Os autores criaram um banco de dados (uma coleção de fotos) para ensinar computadores a fazer esse trabalho de identificação.

• O Conteúdo: Eles reuniram 3.556 fotos de altíssima qualidade. A maioria é de vespas parasitoides (as "espiãs"), mas também incluíram abelhas e outros insetos para que o computador não se confunda e aprenda a diferenciar quem é quem.
• O Treino Especial: Desses milhares de fotos, mais de 1.700 foram "marcadas" manualmente por humanos. Eles desenharam caixinhas ao redor do corpo do inseto, das asas e até de uma réplica de régua (escala) na foto.
  • Por que a régua? É como colocar uma moeda ao lado de um inseto em uma foto para saber o tamanho real dele. Isso ajuda o computador a entender a escala do mundo microscópico.

3. Como Funciona a "Escola" (O Processo)

Pense no processo como uma escola de detetives:

1. A Aula Teórica: Os cientistas pegaram espécimes reais de museus e universidades no Brasil (principalmente de São Carlos).
2. A Foto Perfeita: Usaram microscópios especiais para tirar fotos nítidas de cada ângulo (de lado, de cima, de frente).
3. O Treino do Robô: Eles usaram um software (chamado CVAT) e uma inteligência artificial (chamada SAM) para desenhar as caixinhas nas fotos. Depois, especialistas humanos revisaram tudo para garantir que não houve erros.
4. O Exame: Eles "ensinaram" vários modelos de Inteligência Artificial (como o YOLOv12 e o EfficientNet) a olhar para essas fotos e dizer: "Isso aqui é uma vespa da família Ichneumonidae" ou "Isso é uma abelha".

4. Os Resultados: O Computador Aprendeu!

O resultado foi impressionante. Os computadores conseguiram identificar as famílias de insetos com uma precisão de mais de 92%.

• A Metáfora: É como se você tivesse ensinado um aluno a reconhecer rostos em uma festa. No começo, ele confundia todos, mas depois de ver milhares de fotos marcadas, ele começou a dizer: "Ah, esse é o João, aquele é a Maria", com muita confiança.
• O Pulo do Gato: O computador ficou tão bom que conseguiu identificar até detalhes minúsculos, como o desenho das asas (venação), que é crucial para os biólogos.

5. Por que isso é importante para você?

Você pode pensar: "Mas eu não sou biólogo, o que isso tem a ver comigo?"

• Segurança Alimentar: Essas vespas são os "guardiões" das nossas plantações. Elas comem as pragas que estragam a comida. Se conseguirmos identificá-las automaticamente, podemos proteger melhor nossas lavouras sem usar tanto veneno.
• Biodiversidade: Ajuda a entender quantas espécies existem e como elas estão se saindo no mundo, o que é vital para o meio ambiente.
• Futuro: Agora que esse "livro de fotos" está disponível para todos (gratuitamente), qualquer pesquisador ou estudante no mundo pode usar essa ferramenta para criar novos aplicativos, melhorar a agricultura ou descobrir novas espécies.

Em resumo: Os autores criaram um manual de instruções visual para que a Inteligência Artificial aprenda a "ler" o mundo das vespas, transformando um trabalho difícil e lento de biólogos em algo rápido, automático e acessível para todos. É um passo gigante para proteger a natureza com a ajuda da tecnologia.

Resumo técnico

Resumo Técnico: Dataset de Vespas Parasitoides e Himenópteros Associados (DAPWH)

1. O Problema
A identificação taxonômica precisa é fundamental para o monitoramento da biodiversidade e o manejo agrícola, especialmente para a superfamília Ichneumonoidea (famílias Ichneumonidae e Braconidae). Estes parasitoides são ecologicamente vitais para o controle de populações de pragas agrícolas, mas representam um dos grupos mais desafiadores para identificação devido à sua morfologia críptica e ao vasto número de espécies ainda não descritas.
O principal obstáculo é a escassez de recursos digitais robustos para treinar sistemas de identificação automatizada. A identificação tradicional depende de taxonomistas especialistas usando microscópios e chaves morfológicas, um processo lento e especializado que sofre com a falta global de especialistas.

2. Metodologia
O trabalho apresenta o DAPWH, um dataset curado de imagens de alta resolução, desenvolvido através das seguintes etapas:

• Coleta de Dados: O dataset contém 3.556 imagens de alta resolução de espécimes de 11 famílias de Himenópteros. O foco principal são as famílias Ichneumonidae e Braconidae, mas inclui famílias suplementares (Apidae, Vespidae, Pompilidae, entre outras) para aumentar a robustez do modelo.
• Origem das Amostras: Os espécimes foram obtidos de quatro repositórios universitários no Brasil (principalmente UFSCar, MZUSP e RPSP), originados de campanhas de campo com armadilhas Malaise e identificados por taxonomistas especialistas.
• Aquisição de Imagens: As imagens foram capturadas sob microscópio estereoscópico (Leica M205C) com câmera Leica K5C, utilizando software LAS X e empilhamento de imagens (focus stacking) via Helicon Focus para garantir nitidez em macrofotografia.
• Anotação (Subset COCO): Um subconjunto de 1.739 imagens foi anotado no formato COCO (Common Objects in Context). As anotações incluem:
  • Caixas delimitadoras (bounding boxes) e máscaras de segmentação para o corpo completo do inseto.
  • Anotações específicas para a venação das asas.
  • Anotações para barras de escala (scale bars), permitindo medições biométricas.
• Ferramentas: As anotações foram realizadas colaborativamente por especialistas em visão computacional e taxonomistas, utilizando a ferramenta CVAT e assistidas pelo modelo Segment Anything Model (SAM).

3. Contribuições Principais

• Recurso Digital Único: Disponibilização do primeiro dataset abrangente e anotado especificamente para vespas parasitoides neotropicais, focado em Ichneumonoidea.
• Anotações Multi-classe de Alta Precisão: O subset COCO oferece anotações detalhadas não apenas para a classificação da família, mas também para estruturas morfológicas críticas (asas) e referências métricas (barras de escala), essenciais para modelos de detecção de objetos e medição fenotípica.
• Benchmarking de Estado da Arte: O artigo fornece benchmarks rigorosos de classificação de imagem e detecção de objetos, estabelecendo uma linha de base para futuras pesquisas em IA aplicada à entomologia.
• Acesso Aberto: Os dados e o código-fonte (pipelines de pré-processamento e treinamento) estão publicamente disponíveis no Zenodo e GitHub, sob licenças abertas (CC BY-NC 4.0).

4. Resultados
Foram realizados experimentos computacionais utilizando o framework PyTorch em uma GPU NVIDIA RTX 4090, dividindo os dados em conjuntos de treinamento (70%), validação e teste (15% cada).

• Classificação de Imagem (Nível de Família):
  • Seis arquiteturas foram testadas (EfficientNetV2, ConvNeXt, ViT, VGG16, ResNet50, YOLOv12).
  • O EfficientNetV2 e o ConvNeXt alcançaram a maior acurácia Top-1 de 92,28%.
  • O YOLOv12 demonstrou a maior robustez geral com um F1-score de 95,59%.
• Detecção de Objetos (Subset COCO):
  • Modelos YOLOv8 e YOLOv12 foram treinados para detectar famílias, asas e barras de escala.
  • O YOLOv12 obteve o melhor desempenho com mAP@50 de 90,53%.
  • A detecção de asas foi excepcionalmente precisa (96% de acurácia).
  • Desafios: Houve confusão entre as famílias Andrenidae e Colletidae, atribuída ao desequilíbrio de classes (apenas 25 anotações para Colletidae no subset COCO). A detecção de barras de escala apresentou uma taxa de falso negativo de fundo de 0,61%, devido à sobreposição com ruído de fundo em imagens de alta resolução.

5. Significado e Impacto
O dataset DAPWH representa um avanço significativo para a entomologia computacional e a biologia da conservação.

• Automação Taxonômica: Permite o desenvolvimento de modelos de aprendizado profundo capazes de identificar famílias de parasitoides com alta precisão, acelerando o monitoramento de pragas e serviços ecossistêmicos.
• Análise Fenotípica: A presença de anotações de asas e barras de escala facilita a extração automática de características fenotípicas e medições biométricas, apoiando pesquisas em biologia evolutiva.
• Escalabilidade: Embora as anotações atuais estejam no nível da família, a estrutura do dataset e os nomes dos arquivos permitem futuras extensões para níveis de subfamília ou gênero.
• Reprodutibilidade: A disponibilização completa do pipeline de código e dados fomenta a reprodutibilidade científica e a colaboração entre entomólogos e cientistas da computação.

Em suma, o DAPWH preenche uma lacuna crítica de recursos digitais, fornecendo a base necessária para a criação de ferramentas de IA robustas para a identificação e estudo de Himenópteros parasitoides.