IA e os Problemas Difíceis do Mundo · Ciências da vida · Nature (computational biology) · 2026-10-20
Preenchendo a lacuna de implantação no monitoramento automatizado de mariposas por meio de modelos de fundação para biodiversidade
Título original: Bridging the deployment gap in automated moth monitoring through biodiversity foundation models
Modelos de reconhecimento de espécies para monitoramento automatizado da biodiversidade são tipicamente treinados em grandes repositórios de imagens de ciência cidadã, criando uma lacuna de domínio em relação às imagens de implantação em campo. Os autores construíram um classificador de mariposas de granularidade fina a partir de cerca de 363,000 imagens de ciência cidadã cobrindo 2,727 espécies e otimizaram o pipeline de aprendizado por transferência por meio de representações pré-treinadas específicas de biodiversidade (BioCLIP2.5), adaptação eficiente em parâmetros e aumento de dados. O pipeline alcançou 85.0% de acurácia Top-1 em um sistema de monitoramento comercial e 89.5% em um dispositivo de borda de baixo custo, elevando o desempenho em campo de 38.9% para 69.7% e de 62.3% para 82.3%, respectivamente.