Generating Synthetic Wildlife Health Data from Camera Trap Imagery: A Pipeline for Alopecia and Body Condition Training Data

1. O Problema

Existe uma lacuna fundamental na vigilância da saúde da vida selvagem: não há conjuntos de dados públicos e prontos para aprendizado de máquina (ML) disponíveis para condições de saúde em imagens de armadilhas fotográficas (camera traps).

• Embora redes de armadilhas fotográficas gerem dezenas de milhões de imagens anualmente e a visão computacional já resolva a identificação de espécies, a triagem automática de saúde ainda é inexistente.
• A barreira não é a arquitetura do modelo, mas a falta de dados rotulados. Estudos anteriores foram majoritariamente manuais e não liberaram datasets prontos para ML.
• A avaliação visual humana é oportunista, não sistemática e não escala. Além disso, diagnósticos clínicos precisos (como distinguir sarna de queda de pelo sazonal) são impossíveis apenas com imagens, exigindo uma abordagem de "triagem" (flagging de suspeitos) para revisão de especialistas.

2. Metodologia: O Pipeline de Geração

Os autores propõem um pipeline de três etapas para gerar dados sintéticos de treinamento a partir de imagens reais, focando em duas condições: alopecia (perda de cabelo consistente com sarna) e condição corporal (emaciação).

A. Curadoria de Imagens Base

• Fonte: Imagens do iWildCam 2022.
• Espécies: 8 espécies norte-americanas (ex: cervo-de-cauda-branca, lobo-cinzento, raposa-vermelha, guaxinim).
• Seleção: Uso do MegaDetector para obter caixas delimitadoras (bounding boxes).
• Amostragem: Amostragem estratificada ponderada que prioriza animais no centro da imagem (60% de peso) para garantir consistência, mantendo diversidade de espécies, estações e condições de dia/noite. Um conjunto base de 1.000 imagens foi criado.

B. Edição de Fenótipo (Geração Sintética)

• Modelo Generativo: Utilização do Gemini 3.1 Flash Image.
• Variações Geradas: Cada imagem base gera até 4 variantes:
  1. Sham (Controle Negativo): M0/B0 (Saudável).
  2. Alopecia Apenas: M2/B0 (Perda de cabelo moderada).
  3. Emaciação Apenas: M0/B2 (Costelas visíveis, perda muscular).
  4. Ambos Graves: M3/B3 (Perda severa de cabelo + emaciação severa).
• Prompt de Edição: O modelo recebe coordenadas da caixa delimitadora, identidade da espécie e instruções específicas sobre a distribuição de lesões (ex: focinho e orelhas para canídeos; áreas inacessíveis ao auto-lambe para ungulados).
• Restrição Espacial: Instruções explícitas para editar apenas o animal dentro da caixa, preservando o fundo, iluminação, ruído e metadados da câmera.

C. Controle de Qualidade (QC) de Deriva de Cena

Para garantir que o modelo generativo não alterou a cena original (o que invalidaria o treinamento), um sistema de QC adaptativo foi desenvolvido:

• Pré-filtro "Sham": Gera-se primeiro a variante saudável (M0/B0). Se esta falhar no QC, todas as outras variantes daquela imagem base são descartadas, economizando recursos de API.
• Construção de Máscara: Diferenças de pixels brutos são usadas para criar uma máscara de mudança, ancorada na caixa delimitadora do animal. Imagens onde a máscara cobre >70% da imagem são rejeitadas (re-renderização global).
• Métricas de Pontuação: Calculadas em pixels desfocados fora da máscara:
  • MAE (Erro Absoluto Médio) normalizado por cor.
  • SSIM (Índice de Similaridade Estrutural).
• Lógica Adaptativa:
  • Dia: Passa se MAE normalizado ≤ 7.0 OU SSIM ≥ 0.85 (combinações de falhas complementares).
  • Noite/IR: Limite mais estrito de MAE ≤ 5.0 (fundo muda menos sob infravermelho).

3. Resultados Principais

• Geração de Dados: A partir de 201 imagens base (4 espécies), foram gerados 666 variantes sintéticos.
• Taxa de Aprovação: 553 variantes (83%) passaram no controle de qualidade.
  • O pré-filtro "sham" rejeitou 16% das imagens base, economizando 93 chamadas de API.
  • Variantes mais graves (M3/B3) tiveram taxas de aprovação ligeiramente menores (82%) devido a maiores "drifts" de cena.
• Experimento Sim-to-Real (Transferência):
  • Treinamento: Exclusivamente nos 553 dados sintéticos (160 saudáveis, 393 suspeitos).
  • Teste: Exclusivamente em 70 imagens reais de armadilhas fotográficas (45 saudáveis, 25 com condições suspeitas reportadas pela comunidade).
  • Arquitetura: Backbone DINOv2 ViT-B/14 congelado com cabeças de classificação (Linear e MLP).
  • Desempenho: O modelo MLP alcançou 0.854 de AUROC e 0.811 de precisão balanceada. O modelo linear alcançou 0.734 AUROC.
  • Conclusão: Dados sintéticos puros são suficientes para detectar condições de saúde suspeitas em imagens reais nunca vistas.

4. Contribuições Chave

1. Primeiro Pipeline: Criação do primeiro pipeline para gerar dados de treinamento sintéticos de saúde da vida selvagem a partir de imagens de armadilhas fotográficas, com controle de qualidade adaptativo.
2. Design de Fenótipo: Abordagem que considera a distribuição específica de lesões por espécie e enquadra explicitamente a saída como dados de triagem (suspeita) e não diagnóstico clínico definitivo.
3. Validação Sim-to-Real: Demonstração empírica de que um classificador treinado apenas com dados sintéticos pode generalizar para imagens reais, superando a barreira da falta de dados rotulados.

5. Significado e Limitações

• Significado: Este trabalho remove a barreira de dados para a triagem automatizada de saúde da vida selvagem, permitindo que biólogos e conservacionistas escalem a detecção de doenças (como sarna e emaciação) em grandes redes de câmeras. O dataset sintético será disponibilizado publicamente.
• Limitações:
  • Ambiguidade Diagnóstica: O modelo não distingue sarna de outras causas de queda de pelo (piolhos, muda sazonal), o que é inerente à modalidade visual.
  • Mapeamento Espécie-Condição: A prevalência de sarna em cervos varia regionalmente, exigindo calibração de falsos positivos por região.
  • Postura: O pipeline atual não modifica a postura do animal (que pode indicar doença), embora isso seja planejado para futuras versões.
  • Validação Clínica: O conjunto de teste real é pequeno e baseado em observações da comunidade, não em confirmação clínica, servindo como prova de conceito de viabilidade.

Em suma, o artigo estabelece um novo paradigma para a saúde da vida selvagem, substituindo a dependência de dados rotulados manualmente escassos por uma pipeline robusta de geração de dados sintéticos controlados.