文章介绍了AquaMonitor数据集，这是首个用于水生无脊椎生物多样性监测的大规模计算机视觉数据集。该数据集包含43,189个样本的2.7百万张图像，涵盖152个类群，并附有DNA序列、生物量和大小测量等多模态数据。AquaMonitor通过标准化采集协议收集，避免了常见的选择偏差问题，为真实环境下的生物监测任务提供了挑战性评估基准。研究团队定义了三个基准任务（监测、分类和少样本学习），并提供了强基线模型。该数据集不仅支持生物多样性监测，还可用于细粒度分类、少样本学习和开放集识别等计算机视觉任务的研究。
计算机视觉技术已被认为是下一代生物多样性监测的重要工具，能够实现全球尺度的环境信息收集。然而，现有的数据集往往过度代表某些类群（如哺乳动物和鸟类），而需要重点监测的无脊椎动物类群却关注较少。AquaMonitor数据集填补了这一空白，为水生无脊椎生物的自动化识别提供了重要资源。
AquaMonitor数据集来自芬兰为期两年的常规淡水监测项目，采用标准化采样协议收集。数据集包含44,854个多视角图像序列，总计2,756,664张图像，覆盖152个分类群。每个样本都附有采样地点、时间等元数据，部分样本还包含DNA条形码、干重和尺寸测量数据。
数据集包含三个重要子集：生物量子集（1,494个样本的干重和尺寸测量）、DNA子集（1,358个样本的COI基因片段序列）和高分辨率显微图像。这些多模态数据为跨领域研究提供了丰富资源。
监测基准模拟真实监测场景，包含训练集和测试集之间的时间偏移、极端类别不平衡和开放集识别等挑战。实验表明，集成模型（结合Swin-T、EfficientNet-B4和多视角模型）表现最佳，加权F1分数达到0.859。
针对47个样本量少于50的类群，研究比较了不同特征提取方法的性能。使用AquaMonitor数据训练的Swin-T模型表现最好（准确率82.9%），而预训练的BioCLIP模型也展现了不错的迁移学习能力。
实验表明，使用分类任务预训练的模型比ImageNet预训练模型在生物量估计任务上表现更好，验证了领域特定表示学习的重要性。
AquaMonitor是首个与常规监测项目同步收集的水生无脊椎生物数据集，避免了常见的选择偏差问题。其多视角序列图像和丰富元数据为计算机视觉和生态学研究提供了独特资源。未来工作可探索多模态融合方法，并将研究扩展到更广泛的地理区域。