eLasmobranc Dataset: An Image Dataset for Elasmobranch Species Recognition and Biodiversity Monitoring

Este artigo apresenta o conjunto de dados eLasmobranc, uma coleção pública e curada de imagens de sete espécies de elasmobrânquios da costa mediterrânea espanhola, obtidas predominantemente fora da água com protocolos padronizados para permitir a classificação de espécies de alta precisão e apoiar o monitoramento da biodiversidade e a conservação.

O essencial

Imagine que os tubarões e as raias são como os "ídolos do rock" do fundo do mar: existem muitos tipos, alguns são muito famosos, outros são mais discretos, e todos estão em perigo de desaparecer. O problema é que, para protegê-los, precisamos saber exatamente quem é quem. Mas, na água, é difícil vê-los claramente: a água turva, a falta de luz e a distância tornam tudo confuso, como tentar identificar uma pessoa em uma foto borrada e escura.

É aqui que entra o eLasmobranc Dataset, o novo "álbum de figurinhas" digital criado por pesquisadores da Espanha para ajudar a salvar esses animais.

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

1. O Problema: "Quem é quem no fundo do mar?"

Os cientistas sabem que as populações de tubarões e raias estão caindo drasticamente (algumas até 90%!). Para criar leis de proteção e áreas seguras (chamadas de ISRAs), eles precisam contar exatamente quantos tubarões de cada espécie existem.

O problema é que as fotos que já existem são como fotos tiradas em uma festa com muita fumaça e luzes piscando: você vê que é um tubarão, mas não consegue dizer se é o "Tubarão-Touro" ou o "Tubarão-Cão". A maioria das fotos antigas é focada apenas em detectar que há um animal, não em identificar a espécie com precisão.

2. A Solução: O "Álbum de Figurinhas" Perfeito

Os autores criaram um banco de imagens chamado eLasmobranc. Pense nele como um álbum de figurinhas de alta qualidade, mas em vez de jogadores de futebol, são 7 espécies diferentes de tubarões e raias que vivem no Mediterrâneo (perto da Espanha).

• A Diferença Chave: Em vez de tirar fotos debaixo d'água (onde a visão é ruim), eles focaram em fotos tiradas fora da água.
  • Analogia: É a diferença entre tentar ler um livro debaixo d'água com óculos embaçados e ler o mesmo livro em uma mesa bem iluminada. As fotos fora d'água mostram os detalhes da pele, das barbatanas e do formato do corpo com clareza total, permitindo que a inteligência artificial aprenda as diferenças sutis entre as espécies.

3. Como eles conseguiram as fotos?

Eles não foram apenas pescar tubarões (o que seria antiético e ilegal para este fim). Eles usaram uma abordagem de "detetive":

• Parcerias Locais: Trabalharam com mercados de peixes locais, onde os pescadores já traziam os animais capturados.
• Internet Inteligente: Procuraram em sites gigantes de natureza (como o iNaturalist e o GBIF), mas fizeram uma "peneira" rigorosa.
• A Peneira: Eles jogaram fora milhares de fotos que estavam borradas, escuras ou que não mostravam o animal inteiro. Só ficaram as fotos "de capa de revista", onde o animal está perfeito para ser estudado.

4. O Que Tem Dentro do Álbum?

O conjunto de dados tem 1.117 fotos de 7 espécies (5 tubarões e 2 raias).

• Algumas dessas espécies estão em perigo crítico de extinção (como o Galeorhinus galeus), enquanto outras são mais comuns.
• Cada foto vem com um "rótulo" (metadados) que diz: "Quem sou eu?", "Onde fui visto?" e "Quando?". Isso ajuda a criar mapas de onde eles vivem e como suas populações mudam com o tempo.

5. Por que isso é importante para a Inteligência Artificial?

Hoje em dia, usamos computadores para "olhar" as fotos e contar os animais. Mas, para um computador aprender a distinguir um tubarão de outro, ele precisa de exemplos claros.

• A Analogia do Professor: Imagine que você está ensinando uma criança a diferenciar um gato de um cachorro. Se você mostrar apenas fotos de animais no escuro, a criança vai se confundir. Mas se você mostrar fotos nítidas, de frente e de lado, a criança aprende rápido.
• O eLasmobranc é esse "professor" para a Inteligência Artificial. Ele fornece as fotos nítidas e organizadas para que os computadores aprendam a identificar as espécies automaticamente.

6. O Objetivo Final: Salvar o Oceano

Com essa ferramenta, os cientistas e governos poderão:

1. Monitorar melhor: Saber exatamente quantos tubarões existem em uma área protegida.
2. Tomar decisões: Criar regras de pesca mais justas e eficazes.
3. Salvar espécies: Garantir que as espécies mais ameaçadas recebam a proteção que precisam.

Resumo em uma frase:
Os cientistas criaram um "guia de identificação visual" perfeito e gratuito, tirado fora da água para ter clareza total, para ensinar computadores a reconhecer tubarões e raias específicos, ajudando assim a proteger a vida marinha do Mediterrâneo.

O conjunto de dados está disponível publicamente para que qualquer pesquisador ou desenvolvedor possa usá-lo nessa missão de conservação.

Resumo técnico

Aqui está um resumo técnico detalhado do artigo "ELASMOBRANCH DATASET: AN IMAGE DATASET FOR ELASMOBRANCH SPECIES RECOGNITION AND BIODIVERSITY MONITORING", apresentado em português:

1. Problema e Contexto

As populações de elasmobrânquios (tubarões e raias) estão em declínio global significativo, com cerca de 38% das espécies ameaçadas de extinção segundo a UICN. No Mar Mediterrâneo, essa tendência de diminuição é clara, mas a conservação é dificultada pela falta de ferramentas eficazes de monitoramento.

• Limitações Atuais: Os conjuntos de dados visuais existentes são predominantemente focados em detecção (localizar o animal) em vez de classificação de espécies (identificar qual espécie é).
• Desafios Técnicos: A maioria dos dados disponíveis é adquirida em ambientes subaquáticos não controlados, onde turbidez, iluminação variável e oclusões impedem a visualização clara de traços morfológicos diagnósticos.
• Falta de Granularidade: Muitos datasets existentes são de "granularidade grosseira" (apenas "tubarão" vs. "não tubarão") ou focam em espécies comuns, negligenciando espécies ameaçadas e raras. Há uma lacuna crítica em conjuntos de dados padronizados para classificação de espécies de alta precisão (fine-grained) necessários para o planejamento espacial de áreas importantes para tubarões e raias (ISRAs).

2. Metodologia

O estudo apresenta a criação do eLasmobranc Dataset, uma coleção de imagens curada e publicamente disponível.

• Seleção de Espécies: O dataset foca em 7 espécies ecologicamente relevantes da costa leste do Mediterrâneo espanhol (uma região com ISRAs designadas):
  • Tubarões: Galeorhinus galeus, Galeus melastomus, Mustelus mustelus, Oxynotus centrina, Scyliorhinus canicula.
  • Raias: Leucoraja naevus (citada no texto como Raja undulata na tabela de status, mas Leucoraja naevus na lista de espécies; o texto menciona 2 raias, sendo Torpedo marmorata a outra), e Torpedo marmorata.
• Aquisição de Imagens:
  • Ambiente: As imagens foram adquiridas predominantemente fora da água (em terra, mercados de peixe, etc.) para garantir clareza morfológica e minimizar ruído ambiental.
  • Fontes: Combinação de dados internos (campanhas de campo, colaborações com mercados locais e projetos de pesquisa) e fontes externas de código aberto (GBIF, iNaturalist, DeepFish, e plataformas web).
  • Licenciamento: Todas as fontes externas foram verificadas quanto a licenças Creative Commons que permitissem reutilização.
• Curadoria e Filtragem:
  • Foi aplicada uma estratégia rigorosa de filtragem "caso a caso".
  • Critérios Básicos: Espécie alvo, qualidade visual mínima, capturada fora da água, espécime visível, único espécime por imagem.
  • Critérios de Especialistas: Remoção de duplicatas, correção de rótulos errados, verificação de características morfológicas diagnósticas e consenso entre múltiplos especialistas marinhos para validação final.
• Estrutura de Dados:
  • Total de 1.117 imagens correspondendo a 807 espécimes distintos.
  • Metadados estruturados: datas de captura (normalizadas), localização geográfica (país, região, área) e informações de atribuição de licença.
  • Organização hierárquica por espécie, com arquivos CSV contendo metadados específicos e um arquivo de atribuição global.

3. Principais Contribuições

1. Primeiro Dataset Focado em Classificação Fine-Grained: Diferente de benchmarks de detecção, este dataset é projetado especificamente para a classificação supervisionada de espécies de elasmobrânquios.
2. Padronização e Qualidade Morfológica: Ao priorizar imagens fora da água, o dataset elimina variáveis de confusão comuns em dados subaquáticos, permitindo o treinamento de modelos de IA baseados em traços morfológicos precisos.
3. Inclusão de Espécies Ameaçadas: O conjunto inclui espécies classificadas como "Em Perigo Crítico" e "Em Perigo" (ex: Galeorhinus galeus, Oxynotus centrina), que são frequentemente sub-representadas em datasets públicos.
4. Metadados Ricos para Conservação: Integra informações taxonômicas, temporais e espaciais validadas por especialistas, suportando não apenas visão computacional, mas também estudos de biodiversidade e planejamento de conservação (ISRAs).
5. Acesso Público e Reprodutibilidade: O dataset está disponível publicamente no Zenodo e no GitHub, com documentação completa de fontes e licenças, promovendo a reprodutibilidade na pesquisa.

4. Resultados e Estatísticas

• Composição:
  • Galeorhinus galeus: 575 imagens (a espécie mais representada).
  • Scyliorhinus canicula: 198 imagens.
  • Leucoraja naevus: 103 imagens.
  • Torpedo marmorata: 99 imagens.
  • Mustelus mustelus: 79 imagens.
  • Oxynotus centrina: 32 imagens.
  • Galeus melastomus: 31 imagens.
• Processo de Filtragem: O esforço de curadoria foi intenso. Por exemplo, de um conjunto inicial de 11.519 imagens de datasets massivos, apenas 844 foram retidas após a validação de especialistas, demonstrando a prioridade na qualidade sobre a quantidade.
• Validação Técnica: A validação foi realizada por uma equipe de especialistas em ciências marinhas, garantindo que apenas imagens com identificação confiável e características morfológicas claras fossem mantidas.

5. Significado e Impacto

O eLasmobranc Dataset preenche uma lacuna crítica na interseção entre visão computacional e conservação marinha.

• Para a Ciência da Computação: Oferece um novo benchmark desafiador para classificação de espécies finas (fine-grained classification), exigindo que os modelos aprendam diferenças sutis entre espécies morfologicamente similares.
• Para a Conservação: Facilita o desenvolvimento de sistemas de IA para monitoramento automatizado, identificação de espécies em mercados de peixe e suporte ao planejamento de áreas marinhas protegidas (ISRAs).
• Reprodutibilidade: Ao fornecer metadados padronizados e acesso aberto, permite comparações justas entre diferentes algoritmos e promove pesquisas reprodutíveis focadas na biodiversidade.

Em resumo, o trabalho não apenas disponibiliza dados, mas estabelece um protocolo de curadoria rigoroso que prioriza a clareza morfológica e a confiabilidade taxonômica, essenciais para o avanço de ferramentas de IA aplicadas à proteção de espécies marinhas ameaçadas.