CAFOSat: A Strongly Annotated Dataset for Infrastructure-Aware CAFO Mapping Using High-Resolution Imagery

Resumo Técnico: CAFOSat

Definição do Problema
As Operações de Alimentação Animal Concentrada (CAFOs) são nós críticos para a vigilância de doenças e planejamento de resiliência climática, mas representam riscos significativos à saúde pública e ao meio ambiente. Apesar de sua importância, o mapeamento escalável de CAFOs é dificultado por fontes de dados fragmentadas, localizações de pontos ruidosas (frequentamente referindo-se a centroides de parcelas ou estradas de acesso, em vez de pegadas da instalação) e anotações inconsistentes, além de subnotificação sistemática. Os conjuntos de dados existentes são frequentemente limitados geograficamente, carecem de detalhes ao nível de infraestrutura (ex: galpões, lagoas de dejetos) e sofrem de baixa generalização devido à variabilidade visual das CAFOs entre diferentes tipos de gado e regiões. Além disso, a natureza intensiva em mão de obra para refinar manualmente geolocalizações fracas para alinhá-las com imagens de alta resolução cria um gargalo para a criação de conjuntos de dados de treinamento de alta qualidade.

Metodologia
Os autores apresentam o CAFOSat, um conjunto de dados fortemente anotado e consciente da infraestrutura, cobrindo 20 estados dos EUA. A construção do CAFOSat segue um pipeline de cinco etapas projetado para transformar inventários fracos e publicamente disponíveis em dados de treinamento de alta fidelidade:

1. Agregação e Padronização de Dados: O processo começa pela agregação de inventários de localização de CAFOs de fontes federais, estaduais e acadêmicas (ex: CAFOMaps). As coordenadas iniciais são mapeadas para imagens NAIP de alta resolução (0,6m) e patches de tamanho fixo de 833×833 pixels são extraídos.
2. Anotador de IA e Pré-filtragem: Para reduzir o esforço manual, um classificador binário baseado em ResNet é treinado em um pequeno conjunto de amostras verificadas manualmente (do RegLab). Este "anotador de IA" pré-filtra patches candidatos do inventário mais amplo, retendo apenas aqueles com previsões de alta confiança (softmax ≥ 0,8) para revisão humana.
3. Refinamento de Coordenadas (Fraco-para-Forte): Um algoritmo de refinamento inovador converte coordenadas ruidosas em anotações de pontos espacialmente precisas. Isso envolve:
   • Extração de cinco patches sobrepostos (um centralizado e quatro deslocados diagonalmente) ao redor da coordenada fraca.
   • Aplicação de GradCAM para gerar mapas de calor de atenção específicos da classe para os patches previstos como CAFOs.
   • Limiarização dos mapas de calor para isolar regiões de ativação, convertendo-as em polígonos e aplicando agrupamento de ligação simples (single-linkage clustering) para agrupar estruturas contíguas.
   • Cálculo do centroide do maior cluster como a coordenada refinada.
4. Verificação Manual e Anotação de Infraestrutura: Um total de 4.513 amostras são verificadas manualmente. Além da classificação binária, os anotadores fornecem rótulos ao nível de infraestrutura, incluindo contagens de galpões e lagoas de dejetos, e a presença de áreas de pastagem ou outras estruturas.
5. Negativos Curados e Aumentação Sintética:
   • Negativos Difíceis (Hard Negatives): Amostras não-CAFO são geradas usando amostragem guiada por cobertura do solo (estratificada entre pastagem, cultura agrícola, etc.) com um buffer de exclusão de 1,5 km ao redor de CAFOs conhecidos para garantir que sejam negativos reais.
   • Aumentação Sintética: Um pipeline guiado por prompts utiliza GroundingDINO para detecção de infraestrutura de vocabulário aberto e Stable Diffusion para inpainting. Isso remove estruturas específicas (ex: galpões) e as substitui por conteúdo de fundo semanticamente plausível (ex: campo de grama), criando variações que preservam o rótulo para diversificar a distribuição de treinamento sem alterar o rótulo do tipo de CAFO.

Principais Contribuições

• Conjunto de Dados de Referência (Benchmark): O CAFOSat compreende mais de 45.000 patches de imagem (39.257 base + 6.454 sintéticos) abrangendo 20 estados e quatro principais tipos de CAFO (Suínos, Aves, Laticínios, Bovinos). Inclui anotações de nível de infraestrutura únicas e um conjunto curado de negativos difíceis.
• Pipeline de Anotação Escalável: Os autores propõem um framework de humano-no-loop que reduz significativamente o esforço de anotação manual enquanto melhora a qualidade do rótulo através de pré-filtragem por IA e refinamento baseado em GradCAM.
• Avaliação Abrangente: O artigo fornece uma suíte de benchmarking rigorosa avaliando CNNs modernas, Vision Transformers (ViT, Swin) e modelos de Visão-Linguagem (CLIP, RemoteCLIP) em configurações de distribuição interna e fora da distribuição (estados não vistos).
• Reprodutibilidade: Todo o código, scripts de processamento de dados, ferramentas de anotação e carregadores de dados são liberados publicamente para facilitar a adoção.

Resultados

• Impacto da Qualidade da Anotação: Experimentos demonstram que o refinamento de coordenadas fracas para alinhar com a infraestrutura real melhora significamente o desempenho de classificação. Modelos treinados em patches refinados superam consistentemente aqueles treinados em coordenadas de levantamento fracas em todas as arquiteturas.
• Desempenho do Modelo: Modelos baseados em Transformer (ex: Swin-B, EfficientNet) geralmente superam as CNNs clássicas (ResNet) em termos de acurácia, F1-score e precisão média (mean Average Precision - mAP). Aves é identificada como a classe mais fácil de reconhecer, enquanto Laticínios é o mais desafiador devido à semelhança visual com instalações de Bovinos.
• Generalização entre Conjuntos de Dados: Modelos treinados no CAFOSat generalizam bem para conjuntos de dados externos (METER-ML, RegLab) e estados não vistos, enquanto modelos treinados em conjuntos de dados menores e menos diversos têm dificuldade ao serem transferidos para o CAFOSat.
• Aumentação Sintética: O treinamento no conjunto aumentado sintético produz um desempenho comparável ao treinamento em dados verificados manualmente (uma queda de apenas ~0,6% em F1 e ~2,2% em mAP para Swin-B), sugerindo que o inpainting direcionado pode diversificar efetivamente os dados de treinamento e melhorar a robustez, particularmente para modelos baseados em transformer.

Significância
O artigo postula que o desalinhamento entre as coordenadas de inventário público e as pegadas reais das instalações é um gargalo primário para o mapeamento de CAFOs. O CAFOSat aborda isso demonstrando que o refinamento de rótulos de pontos fracos é um driver de primeira ordem para o desempenho, muitas vezes rivalizando o impacto da mudança de arquiteturas de modelos. Ao fornecer um conjunto de dados com granularidade de nível de infraestrutura e amostragem negativa robusta, o CAFOSat permite uma avaliação de risco e modelagem epidemiológica mais precisas. O trabalho destaca que o contexto global e as pistas de layout (capturados bem por transformers) são críticos para distinguir CAFOs de instalações agrícolas visualmente semelhantes. Embora o conjunto de dados seja centrado nos EUA e herde vieses de inventários públicos, ele estabelece uma fundação para o mapeamento de gado escalável e consciente da infraestrutura, bem como para trabalhos futuros em detecção, segmentação e monitoramento temporal.