Descriptron-GBIF Annotator: A browser-based platform for crowdsourced morphological annotation of biodiversity images to help accelerate morphology based biodiversity data

O artigo apresenta o Descriptron-GBIF Annotator, uma plataforma baseada em navegador que utiliza inteligência artificial e ciência cidadã para permitir a anotação morfológica colaborativa de imagens de biodiversidade do GBIF, gerando dados estruturados que alimentam um ciclo de feedback com ferramentas profissionais para acelerar a descrição taxonômica.

O essencial

Imagine que o mundo da biologia tem um problema gigante: existem milhões de animais e plantas no mundo que ainda não foram nomeados ou descritos pelos cientistas, mas os cientistas especializados (taxonomistas) são poucos e estão sobrecarregados. É como se tivéssemos uma biblioteca com milhões de livros, mas apenas alguns poucos bibliotecários para catalogá-los.

Agora, imagine que temos um arquivo digital gigante (o GBIF) cheio de fotos desses animais, mas as fotos são apenas "imagens". Ninguém sabe exatamente o que está escrito nelas em termos de detalhes científicos (como a forma do bico, o padrão das asas, a textura da pele).

É aqui que entra o Descriptron-GBIF Annotator. Vamos explicar como ele funciona usando uma analogia simples:

1. O "Tradutor" Inteligente (A Ferramenta)

Pense no Descriptron como um tradutor universal de fotos que roda direto no seu navegador de internet (como o Chrome ou Safari), sem precisar instalar nada.

• Como você entra: Você vai ao site, digita o nome de um animal (ou escolhe uma foto de um museu) e a ferramenta puxa a foto.
• O "Mágico" (IA): Assim que a foto aparece, uma inteligência artificial (chamada SAM2) olha para a imagem e diz: "Olha, aqui é uma perna, aqui é uma asa, aqui é a cabeça". Ela desenha contornos automáticos, como se fosse um lápis mágico que sabe onde as coisas terminam.
• O "Guia" (Modelos): Mas a IA pode errar. Por isso, a ferramenta oferece um guia de instruções (templates). Se você estiver olhando para um besouro, o guia mostra um desenho esquemático de um besouro e diz: "Agora, clique na parte chamada 'elytra' (asas duras) e diga se ela é lisa ou áspera".
• O Trabalho de Todos (Ciência Cidadã): Qualquer pessoa pode fazer isso. Um estudante, um professor, ou alguém que gosta de observar a natureza na varanda. Você clica, seleciona a parte do corpo e escolhe uma palavra de uma lista (ex: "vermelho", "peludo", "com espinhos").

2. A Ponte entre Amadores e Profissionais (A Arquitetura de Dois Níveis)

O artigo descreve isso como um sistema de dois andares:

• O Térreo (Público): É o Descriptron-GBIF. É onde todo mundo entra, ajuda a "pintar" as fotos e anotar detalhes. É como uma grande festa de voluntários onde todos ajudam a organizar a bagunça.
• O Andar de Cima (Profissionais): Existe uma versão mais avançada, o "Descriptron Portal", usada apenas por cientistas especialistas. Eles usam computadores superpotentes para refinar os dados que o público enviou.
• O Ciclo Virtuoso: É aqui que a mágica acontece.
  1. O público gera muitos dados (anotações).
  2. Os cientistas usam esses dados para "ensinar" a Inteligência Artificial a ficar ainda mais inteligente.
  3. A IA mais inteligente volta para o "Térreo" e ajuda o público a fazer anotações ainda melhores e mais rápidas.
     É como se o público ensinasse a máquina, e a máquina ensinasse o público de volta.

3. O Tesouro Digital (Os Dados)

Quando você termina sua anotação, a ferramenta não apenas salva uma foto. Ela cria um mapa de tesouro digital (conhecido como "Grafo de Conhecimento").

• Ela conecta a foto do animal ao seu nome científico.
• Ela conecta a "perna" do animal ao conceito universal de "perna" (usando um dicionário global de anatomia).
• Ela conecta a cor "vermelha" ao conceito de "cor".

Isso transforma uma foto estática em um dado vivo e pesquisável. Em vez de apenas ver uma foto de um inseto, um computador no futuro poderá perguntar: "Mostre-me todos os insetos com antenas longas e patas traseiras grossas", e o sistema encontrará isso instantaneamente, porque você ajudou a descrever isso.

4. Publicação Instantânea

Assim como você publica um post no Instagram, você pode publicar suas anotações no Zenodo (uma espécie de biblioteca científica online).

• Você recebe um DOI (um número de identificação único, como uma "certidão de nascimento" para seus dados).
• Seu trabalho se torna oficial, citável e acessível a todos os cientistas do mundo.

Resumo da Ópera

O Descriptron-GBIF Annotator é uma ferramenta que pega a curiosidade do público, a inteligência da IA e a estrutura dos cientistas e as mistura em um único lugar.

• Antes: Milhões de fotos de animais existiam, mas eram "cegas" para os computadores (apenas pixels).
• Agora: Com a ajuda de pessoas comuns, essas fotos ganham "olhos" e "cérebro", transformando-se em dados que podem acelerar a descoberta de novas espécies e ajudar a salvar a biodiversidade.

É como transformar uma pilha de fotos antigas e esquecidas em um livro de receitas gigante e organizado, onde cada ingrediente (parte do animal) é descrito com precisão, permitindo que a humanidade cozinhe (descubra) a verdadeira riqueza da vida na Terra.

Resumo técnico

Resumo Técnico: Descriptron-GBIF Annotator

1. O Problema

A ciência da biodiversidade enfrenta uma crise taxonômica crítica: estima-se que 80% das espécies do mundo ainda não foram descritas, especialmente em grupos hiperdiversos como artrópodes ("taxa escuros"). Existe um descompasso entre o número de espécies que necessitam de descrição e a escassez de taxonomistas profissionais.

• Dados não estruturados: O Global Biodiversity Information Facility (GBIF) mobilizou mais de 2,7 bilhões de registros de ocorrência, mas a maioria consiste apenas em localidade, data e nome taxonômico, sem informações morfológicas estruturadas.
• Falta de ferramentas para o público: Embora existam milhões de imagens de espécimes de alta resolução acessíveis publicamente, não há ferramentas amplamente disponíveis que permitam a não especialistas contribuírem com observações morfológicas estruturadas.
• Limitação das plataformas existentes: Plataformas de ciência cidadã como iNaturalist e Notes from Nature focam em identificação de ocorrência ou transcrição de rótulos, não na anotação morfológica detalhada.

2. Metodologia e Arquitetura do Sistema

O Descriptron-GBIF Annotator é uma ferramenta baseada em navegador, sem necessidade de instalação, projetada como a primeira camada (Tier 1) de uma arquitetura de dois níveis.

• Implementação Técnica:

  • O aplicativo é um único arquivo HTML (~270 KB) contendo todo o código (HTML, CSS, JS), permitindo execução local ou em qualquer servidor estático.
  • Execução Client-Side: A lógica de processamento ocorre no navegador do usuário, utilizando ONNX Runtime Web para inferência de modelos de IA.
  • Integração de Dados: Conecta-se diretamente à API do GBIF (para imagens de espécimes) e ao repositório Zenodo BioSysLit (para figuras extraídas de publicações taxonômicas).

• Inteligência Artificial e Segmentação:

  • Utiliza o modelo SAM2 (Segment Anything Model 2) para segmentação assistida por IA.
  • Arquitetura Híbrida: Um backend leve (FastAPI) executa o codificador SAM2.1-Tiny para gerar embeddings das imagens. O navegador executa o decodificador de máscaras via ONNX, permitindo predição de máscaras em tempo real (<100ms) baseada em prompts do usuário (pontos positivos/negativos, caixas delimitadoras).
  • Ferramentas de Anotação: Inclui pincel, borracha, pontos de referência (keypoints), linhas (para suturas) e calibração de escala.

• Templates Morfológicos e Ontologia:

  • O sistema possui uma biblioteca de 25 grupos taxonômicos (ex: Formicidae, Coleoptera, Aves, Fungi) cobrindo 124 visualizações padronizadas.
  • Cada região anatômica é vinculada a termos de ontologias formais: UBERON (anatomia geral), HAO (anatomia de himenópteros), PO (botânica), entre outras.
  • Suporta 335 CURIEs de ontologia com 745 menções possíveis, permitindo a captura de atributos controlados (textura, cor, densidade de cerdas, etc.).

• Arquitetura de Dois Níveis (Two-Tier):

  • Tier 1 (Público): O Annotator do GBIF para coleta de dados via crowdsourcing.
  • Tier 2 (Profissional): O "Descriptron Portal", uma workbench acelerada por GPU para taxonomistas, permitindo ajuste fino (fine-tuning) de modelos SAM2, morfometria geométrica e geração automática de descrições de espécies.
  • Feedback Loop: As anotações públicas (Tier 1) geram dados de treinamento para melhorar os modelos de IA do Tier 2, cujos resultados validados retornam para melhorar a ferramenta pública.

3. Principais Contribuições

• Acessibilidade Radical: Ferramenta "zero-install" que democratiza a anotação morfológica, eliminando barreiras de software e hardware.
• Interoperabilidade de Dados: Suporte a múltiplos formatos de exportação:
  • Darwin Core JSON: Para integração com infraestrutura de biodiversidade.
  • COCO JSON: Padrão para treinamento de modelos de visão computacional (Detectron2, OpenCV).
  • Traits CSV: Para análise estatística.
  • JSON-LD (Knowledge Graph): Um formato inovador que cria um grafo de conhecimento ligando espécimes, regiões anatômicas e traços morfológicos via ontologias (UBERON, Dublin Core).
• Pipeline de Publicação Zenodo: Integração nativa para depositar anotações como conjuntos de dados citáveis com DOIs diretamente do navegador, garantindo os princípios FAIR (Findable, Accessible, Interoperable, Reusable).
• Análise de Literatura: Capacidade de anotar figuras extraídas de artigos taxonômicos (BioSysLit), extraindo dados morfológicos estruturados da literatura existente.

4. Resultados e Funcionalidades Demonstradas

• Fluxo de Trabalho: O sistema permite buscar espécimes, carregar imagens de alta resolução, selecionar o template morfológico correto baseado na classificação taxonômica, realizar anotações assistidas por IA e exportar dados estruturados.
• Validação de Ontologia: A estrutura de exportação JSON-LD permite a visualização em ferramentas como Cytoscape e o Playground JSON-LD, conectando-se a redes de dados vinculados como Wikidata e o grafo de conhecimento do GBIF.
• Escalabilidade: A arquitetura permite que dados gerados por cidadãos (hobbyistas, estudantes) sejam agregados para treinar modelos de IA profissionais, criando um ciclo virtuoso de melhoria contínua.

5. Significado e Impacto

O Descriptron-GBIF Annotator representa um avanço significativo na informática da biodiversidade:

• Ponte entre Cidadãos e Especialistas: Adapta o modelo de ciência cidadã (pioneiro pelo iNaturalist e Notes from Nature) para a coleta de dados morfológicos estruturados, uma lacuna crítica anteriormente intransponível para não especialistas.
• Solução para a Crise Taxonômica: Oferece uma abordagem escalável para descrever a biodiversidade, transformando imagens estáticas em recursos morfológicos ricos e legíveis por máquinas.
• Futuro da Taxonomia: Ao criar um ecossistema onde a anotação pública alimenta a IA profissional e vice-versa, o sistema promete acelerar a descoberta e descrição de espécies, especialmente em grupos negligenciados ("dark taxa").

Disponibilidade:

• Aplicação Web: https://descriptrongbifannotator.org
• Código Fonte (GitHub): https://github.com/alexrvandam/Descriptron-GBIF_Annotator
• Portal Profissional: https://descriptronportal.org