🧬 biology

Automated estimation of gadoid and flatfish abundance in stereo-BRUV footage using YOLO object detection

Este estudo apresenta um pipeline automatizado baseado em YOLO que detecta com sucesso gadoides e peixes planos em filmagens de BRUV estéreo de parques eólicos no Mar do Norte, introduzindo uma métrica personalizada para validar sua capacidade de estimar eficientemente a abundância de peixes e demonstrando que a combinação de perspectivas de câmera dupla aumenta a sensibilidade das estimativas de população em comparação com perspectivas únicas.

Autores originais: Mario Lambrette, Anthony W. J. Bicknell, Samuel Gierhart, Matthew J. Witt

Publicado 2026-10-05

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Mario Lambrette, Anthony W. J. Bicknell, Samuel Gierhart, Matthew J. Witt

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo

O fundo do oceano é uma paisagem vasta e mutável onde a vida prospera de formas que são frequentemente invisíveis ao olho humano. Para entender como as populações de peixes mudam ao longo do tempo, os cientistas precisam contá-los, mas fazer isso debaixo d'água é notoriamente difícil. Os métodos tradicionais envolvem frequentemente o arrasto de redes ou armadilhas pelo leito marinho, o que pode prejudicar os próprios ecossistemas que os investigadores tentam estudar. Uma alternativa mais suave surgiu: o vídeo subaquático remoto com isca. Os cientistas descem um sistema de câmera, pesado com uma pequena quantidade de isca para peixes, até ao fundo do oceano. O cheiro da isca atrai os peixes locais, e a câmera os grava por uma hora ou mais. Este método fornece uma janela não invasiva para a vida marinha, mas traz consigo um enorme gargalo. Uma única pesquisa pode gerar centas de gigabytes de filmagens. Para obter uma contagem dos peixes, um especialista humano deve sentar-se e assistir a cada minuto dessas filmagens, quadro a quadro, para contabilizar o número máximo de indivíduos vistos ao mesmo tempo. Este processo manual é lento, caro e limita quanto dado pode vir a ser analisado.

Uma equipa de investigadores da Universidade de Exeter abordou este gargalo ensinando os computadores a fazer a contagem. Eles desenvolveram um sistema de inteligência artificial especializado, concebido para observar vídeos subaquáticos e identificar e contar automaticamente dois grupos específicos de peixes: peixes semelhantes ao bacalhau, conhecidos como gadoides, e peixes planos. O estudo teve lugar no norte do Mar do Norte, uma área pontilhada por parques eólicos offshore onde a equipa estava a monitorizar como estas estruturas massivas afetam a vida de peixes local. Em vez de depender de um único ângulo de câmera, a equipa utilizou um sistema estéreo, que grava a cena a partir de duas perspetivas ligeiramente diferentes simultaneamente, tal como os olhos humanos fazem. Ao treinar a sua IA com milhares de quadros de vídeo anotados, criaram um fluxo de trabalho que podia percorrer horas de filmagens numa fração do tempo que levaria um humano, produzindo contagens fiáveis da abundância de peixes.

Os investigadores não construíram apenas um detetor; construíram um sistema que compreende os desafios específicos da contagem subaquática. Num quadro de vídeo apinhado, os peixes muitas vezes se escondem uns atrás dos outros, tornando difícil determinar exatamente quantos estão presentes. A equipa treinou o seu modelo para reconhecer que, à medida que o número de peixes aumenta, a dificuldade de os contar perfeitamente também aumenta. Introduziram uma nova forma de medir o sucesso que leva em conta esta realidade, aceitando que uma pequena margem de erro é natural quando os peixes estão agrupados densamente. Quando testaram o seu sistema contra as contagens feitas por especialistas humanos, os resultados foram impressionantes. As estimativas do computador coincidiram com as contagens humanas com uma precisão muito elevada, identificando corretamente a presença e os números aproximados de peixes planos e de peixes semelhantes ao bacalhau em quase todos os casos. O sistema foi tão eficaz que poderia substituir uma parte significativa do trabalho manual, reduzindo o tempo necessário para processar os dados da pesquisa de meses para semanas.

Uma das descobertas mais surpreendentes veio da forma como o sistema utilizou os dois ângulos de câmera. Nas pesquisas tradicionais, os cientistas geralmente escolhem apenas uma visão de câmera para contar os peixes, tratando a segunda câmera como uma reserva ou para medir o comprimento do peixe. Os investigadores descobriram que, ao permitir que o computador olhasse para ambos os ângulos e simplesmente selecionasse a contagem mais alta dos dois, obtinham um quadro muito mais claro da população de peixes. Esta abordagem, que chamaram de "contagem máxima", reduziu o ruído e a incerteza nos dados. Tornou os resultados da pesquisa mais sensíveis às mudanças reais no ambiente. Por exemplo, ao analisar como o número de peixes mudava com a distância das bases das turbinas eólicas, o método de duas câmeras revelou um padrão claro que o método de uma única câmera não captou. Os peixes planos, que tendem a permanecer baixos e a misturar-se com o leito marinho, eram particularmente difíceis de avistar a partir de apenas um ângulo, mas a abordagem de visualização dupla os capturou de forma muito mais eficaz.

O estudo também destacou os benefícios práticos desta automação para a monitorização a longo prazo. Embora a configuração do sistema tenha exigido um investimento inicial de tempo para rotular os dados de treino e ajustar o software, a recompensa foi imediata no terreno. A equipa conseguiu processar os dados da pesquisa de 2024 em apenas 68 dias, comparativamente aos 134 dias da pesquisa do ano anterior, que dependeu inteiramente da contagem manual. Esta velocidade não poupa apenas tempo; permite que os cientistas façam perguntas mais complexas sobre como os ecossistemas marinhos respondem à atividade humana. Os investigadores observaram que, embora o seu sistema seja atualmente adaptado aos peixes e condições específicas do Mar do Norte, a estrutura é aberta e acessível. Prova que, com as ferramentas certas, os enormes volumes de dados de vídeo recolhidos por cientistas marinhos podem ser transformados em conhecimento acionável sem serem enterrados sob o peso do trabalho manual.

O sucesso deste projeto sugere um novo caminho para a conservação marinha. Ao automatizar a tarefa tediosa de contar, os cientistas podem focar a sua energia na interpretação dos dados, em vez de apenas na sua recolha. A capacidade de detetar mudanças subtis na abundância de peixes, como o declínio nos números à medida que se afasta das turbinas eólicas, fornece evidências cruciais para gerir estes locais industriais de forma responsável. Os investigadores enfatizam que, embora o computador seja uma ferramenta poderosa, funciona melhor quando complementa a perícia humana em vez de a substituir inteiramente. O sistema foi concebido para lidar com o grosso da contagem, sinalizando as cenas mais complexas para revisão humana, se necessário. Esta parceria entre o discernimento humano e a velocidade da máquina oferece uma solução escalável para monitorizar a saúde dos nossos oceanos, garantindo que, à medida que construímos mais infraestruturas no leito marinho, possamos também manter um olhar preciso e atento sobre a vida que nela habita.

Resumo Técnico: Estimativa Automatizada de Abundância de Gadídeos e Peixes Planos em Filmagens de Stereo-BRUV Usando Detecção de Objetos YOLO

Definição do Problema
A gestão de ecossistemas marinhos requer o monitoramento robusto para enfrentar pressões antropogênicas, como a sobrepesca, a poluição e a proliferação de infraestruturas de energia renovável offshore. Embora os levantamentos de Vídeo Remoto com Isca (BRUV) ofereçam um método não invasivo e de baixo custo para avaliar populações de peixes, sua utilidade é limitada pela natureza intensiva de mão de obra da análise manual de vídeo. Isso cria um gargalo analítico, particularmente à medida que os volumes de dados crescem para terabytes. Além disso, a análise convencional de BRUV utiliza tipicamente apenas um ponto de vista de câmera de sistemas estéreo, descartando potencialmente dados valiosos da segunda câmera, que é tradicionalmente reservada para medições de comprimento. Há uma necessidade de pipelines automatizados de ponta a ponta que possam enumerar eficientemente táxons específicos e aproveitar a capacidade total dos sistemas stereo-BRUV para melhorar a sensibilidade das estimativas de abundância.

Metodologia
Os autores desenvolveram um pipeline de visão computacional de ponta a ponta utilizando o framework de detecção de objetos You Only Look Once (YOLOv8) para automatizar a enumeração de Gadidae (bacalhaus) e Pleuronectiformes (peixes planos) em filmagens de BRUV coletadas em parques eólicos offshore no norte do Mar do Norte.

Coleta e Anotação de Dados: Os dados de vídeo foram coletados durante levantamentos em 2022 (n=108 implantações) e 2024 (n=96 implantações). Os dados de treinamento foram extraídos do levantamento de 2022, especificamente o "frame MaxN" (o frame com o número máximo de indivíduos) e cada 1000º frame subsequente. Um total de 2.709 imagens foram anotadas, contendo 16.679 organismos. Para lidar com o desequilíbrio de classes, as espécies foram agrupadas em três classes: 'Pleuronectiformes', 'Gadidae' e 'Invertebrados bentônicos'.
Desenvolvimento do Modelo: Os autores empregaram um processo de otimização de dois estágios. Primeiro, uma busca grosseira avaliou 41 combinações de tamanhos de imagem de entrada (640×640 vs. 1280×1280), arquiteturas de modelo (YOLOv8n a YOLOv8x) e estruturas de dados de treinamento. A configuração ideal utilizou imagens de entrada de 1280×1280 e o framework YOLOv8s (small). Segundo, uma sintonia de hiperparâmetros baseada em algoritmo genético foi realizada ao longo de 100 iterações.
Abordagem de Ensemble: Para mitigar a variabilidade introduzida pela inicialização aleatória de pesos, um ensemble de modelos de cinco modelos distintos foi treinado utilizando os hiperparâmetros otimizados. Durante a inferência, as contagens de detecção de todos os cinco modelos foram calculadas pela média para determinar a estimativa de abundância final para cada frame.
Estimativa de MaxN: O pipeline analisou um frame a cada 2 segundos de vídeo. O número máximo de detecções para uma classe específica em qualquer frame individual foi registrado como o MaxN derivado pelo modelo ( $MaxN_{YOLO}$ ).
Métricas de Avaliação: Métricas padrão (mAP, precisão, recall, RMSE, MAE) foram calculadas. Crucialmente, os autores introduziram uma métrica personalizada, Sucesso de Pico Médio (MPS), para avaliar a precisão ao nível de implantação. O MPS calcula a proporção de previsões que caem dentro de uma tolerância de erro dependente da abundância (variando de 10% em baixa abundância a 20% em alta abundância). O limiar de confiança ideal para implantação foi determinado maximizando a taxa de sucesso de pico para cada táxon.
Análise de Visão Estéreo: O pipeline foi aplicado tanto à visão da câmera esquerda quanto à da direita das unidades stereo-BRUV. Os autores compararam a estimativa de ponto de vista único convencional (câmera direita) contra uma métrica max-MaxN, definida como a estimativa de abundância mais alta entre os dois pontos de vista para cada implantação. Testes estatísticos (testes t pareados, testes de permutação no Coeficiente de Variação e testes de Friedman) foram usados para avaliar viés, variabilidade e sensibilidade à distância das bases das turbinas.

Principais Resultados

Desempenho de Detecção: O ensemble de modelos final alcançou alta precisão de detecção, com pontuações de precisão média (mAP) de $0,896 \pm 0,009$ para Gadidae e $0,814 \pm 0,009$ para Pleuronectiformes.
Estimativa de Abundância: O $MaxN_{YOLO}$ mostrou uma concordância muito forte com as contagens humanas anotadas por especialistas ( $MaxN_{Human}$ ), com correlações de postos de Spearman ( $\rho$ ) variando de 0,955 a 0,987 e coeficientes de determinação ( $R^2$ ) de 0,874 a 0,987 em ambos os anos de levantamento. O modelo exibiu um viés negativo leve e consistente (subcontagem), que foi mais pronunciado para Pleuronectiformes em altas abundâncias, provavelmente devido à oclusão.
Benefícios da Visão Estéreo: Comparar o ponto de vista único (câmera direita) com a abordagem max-MaxN revelou que o uso de ambos os pontos de vista reduziu significativamente a variabilidade das estimativas de abundância (menor Coeficiente de Variação).
Sensibilidade Estatística: A métrica max-MaxN demonstrou maior sensibilidade a variáveis experimentais (distância das bases das turbinas) do que o ponto de vista único. Enquanto o ponto de vista único falhou em detectar diferenças significativas na abundância entre as faixas de distância para ambos os táxons, a métrica max-MaxN revelou diferenças significativas para Pleuronectiformes ( $p = 0,043$ ), mas não para Gadidae ( $p = 0,146$ ). Testes de permutação indicaram que o aumento no tamanho do efeito foi estatisticamente significativo apenas para Pleuronectiformes ( $\Delta W = 0,092, p = 0,003$ ), enquanto a diferença para Gadidae não foi significativa ( $\Delta W = 0,061, p = 0,114$ ).
Eficiência: A implementação do pipeline automatizado reduziu o tempo decorrido do término do trabalho de campo até as estimativas finais de MaxN de 134 dias (2022, manual) para 68 dias (2024, automatizado com validação manual).

Significância e Alegações
O artigo afirma que pipelines de detecção de objetos personalizados podem aumentar efetivamente a eficiência e o escopo analítico do monitoramento marinho baseado em vídeo dentro de sistemas de levantamento definidos. O estudo demonstra que:

A Automação é Viável: Pipelines baseados em YOLO podem automatizar a enumeração de táxons de peixes comercialmente importantes com alta precisão, substituindo parcialmente a anotação manual em programas de monitoramento de vários anos.
Utilidade dos Dados Estéreo: A análise automatizada torna prático utilizar ambos os pontos de vista de sistemas stereo-BRUV. A abordagem "max-MaxN", que seleciona a contagem mais alta entre as duas câmeras, aumenta a sensibilidade das estimativas de abundância às variáveis experimentais e reduz a variabilidade, melhorando assim o poder estatístico sem esforço de campo adicional.
Inovação de Métrica: A introdução do Sucesso de Pico Médio (MPS) fornece um framework de avaliação mais apropriado para dados de BRUV do que as métricas de erro padrão, pois considera a natureza da abundância das contagens de erro (ex: oclusão).
Acessibilidade: O fluxo de trabalho depende de frameworks de código aberto e pode ser executado em hardware de gama média (NVIDIA RTX A4000), oferecendo uma rota de menor custo para pesquisadores adotarem a análise automatizada, desde que invistam na anotação inicial dos dados de treinamento.

Os autores mantêm uma postura modesta, observando que, embora os métodos automatizados sejam eficazes para táxons abundantes em monitoramentos de vários anos, os anotadores humanos permanecem como o padrão para a precisão absoluta. Eles também reconhecem que os modelos são adaptados a condições específicas e que a identificação ao nível de espécie foi limitada pela disponibilidade de dados de treinamento, sugerindo que a generalização mais ampla pode exigir abordagens baseadas em modelos de fundação mais extensos ou esforços de anotação mais amplos.

Mais como este