Deep Feature Optimization for Enhanced Fish Freshness Assessment

ملخص تقني: تحسين الميزات العميقة لتعزيز تقييم طزاجة الأسماك

بيان المشكلة
يعد تقييم طزاجة الأسماك أمراً بالغ الأهمية لسلامة الغذاء والاستقرار الاقتصادي في صناعة المأكولات البحرية. إن طرق التقي्य الحسي التقليدية تتسم بالذاتية، وتستغرق وقتاً طويلاً، ويصعب توسيع نطاقها. وبينما نجحت مقاربات التعلم العميق الحديثة في أتمتة التنبؤ بالطزاجة البصرية، لا تزال هناك تحديات تتعلق بالدقة وشفافية الميزات. وتحديداً، في مجموعة بيانات "طزاجة عيون الأسماك" (FFE) العامة، حققت النماذج العميقة الحالية دقة متوسطة فقط (تتراوح بين 63% إلى 77%)، مما يشير إلى أن التمييز بين الاختلافات الدقيقة بين الفئات في مظهر العين يتطلب تمثيلات أكثر تمييزاً وقابلية للتفسير. علاوة على ذلك، غالباً ما تقيم الدراسات الحالية الشبكات العميقة بطريقة "من النهاية إلى النهاية" (end-to-end) دون تحليل صريح لكيفية تأثير مستويات تجريد الميزات أو آليات الاختيار على الأداء.

المنهجية
تقترح الدراسة إطار عمل موحداً يتكون من ثلاث مراحل، مصمماً لتنقية واستغلال التمثيلات البصرية العميقة لتصنيف طزاجة الأسماك. تسير المنهجية كما يلي:

1. الضبط الدقيق للعمود الفقري العميق (Deep Backbone Fine-Tuning): تم ضبط خمس بنى هندسية للرؤية الحاسوبية من أحدث ما توصل إليه العلم — وهي ResNet-50، وDenseNet-121، وEfficientNet-B0، وConvNeXt-Base، وSwin-Tiny — باستخدام البحث العشوائي (Random search) لتحسين المعلمات الفائقة. وقد أرسى ذلك أساساً قوياً لتصنيف الطزاجة القائم على الصور.
2. استخراج الميزات متعدد المستويات والتصنيف الهجين: بدلاً من الاعتماد فقط على طبقة التصنيف النهائية (softmax)، تم استخراج التضمينات العميقة (deep embeddings) من مراحل التجريد المتوسطة (المستوى المتوسط) والنهائية (المستوى العالي) لكل عمود فقري. وتم تكثيف هذه الميزات عبر التجميع المتوسط العالمي (GAP) وتغذيتها إلى سبعة مصنفات من تعلم الآلة الكلاسيكي: الانحدار اللوجستي، والجيران الأقرب (K-Nearest Neighbors)، وآلات ناقلات الدعم (SVM)، والشبكات العصبية الاصطناعية، والغابة العشوائية (Random Forest)، والأشجار الإضافية (Extra Trees)، وLightGBM، وCatBoost. هدف هذا النهج الهجين إلى تحديد ما إذا كانت آليات القرار الصريحة يمكن أن تعزز القدرة التمييزية بما يتجاوز مخرجات الشبكة العميقة القياسية.
3. اختيار الميزات المضمنة: لمعالونة الأبعاد العالية والارتباط الزائد، تم تطبيق ثلاث طرق لاختيار الميزات المضمنة لتحديد مجموعات فرعية مدمجة ومعلوماتية: Light Gradient Boosting Machine (LGBM)، وRandom Forest (RF)، وانحدار Lasso (L1). دمجت هذه الطرق تقييم أهمية الميزات مباشرة في عملية تدريب النموذج.
4. القابلية للتفسير: تم استخدام تقنية Grad-CAM (رسم خرائط تنشيط الفئة الموزون بالتدرج) لتصور الانتباه المكاني للنماذج، مما أثبت أن القرارات استندت إلى إشارات بصرية ذات معنى تتعلق بطزاجة الأسماك (مثل عتامة العين وبنيتها).

المساهمات الرئيسية

• التحليل المنهجي لمستويات التجريد: تعد هذه الدراسة الأولى التي تحلل بشكل منهجي كيف تؤثر مستويات تجريد الميزات العميقة (المستوى المتوسط مقابل المستوى العالي) بشكل مشترك على تصنيف طزاجة الأسماك في مجموعة بيانات FFE.
• إطار العمل الهجين (العميق-الآلي): يظهر البحث دمجاً مبتكراً حيث تعمل الأعمدة الفقارية العميقة كمستخرجات للميزات بدلاً من الاعتماد الكلي على التعلم العميق من النهاية إلى النهاية.
• تحسين الميزات: حددت الدراسة أن اختيار الميزات المضمن، وتحديداً باستخدام LGBM، يمكن أن يقلل بشكل كبير من أبعاد الميزات مع تحسين الدقة أو الحفاظ عليها.
• التقييم المرجعي الشامل: تقدم الدراسة تقييماً مقارناً لخمس بنى رؤية متنوعة (بما في ذلك المحولات - Transformers والشبكات الالتفافية الحديثة - ConvNets) وعدة مصنفات لتعلم الآلة على نفس مجموعة البيانات تحت ظروف متطابقة.

النتائج التجريبية
أُجريت التجارب على مجموعة بيانات FFE، التي تضم 4,390 صورة عبر ثلاث فئات للطزاجة ("طازجة جداً"، "طازجة"، "غير طازجة").

• أداء خط الأساس: من بين النماذج العميقة التي تم ضبطها بدقة، حقق نموذج Swin-Tiny أعلى دقة بلغت 84.85%، يليه عن قرب نموذج ConvNeXt-Base بنسبة 84.51%.
• الأداء الهجين: باستخدام الميزات العميقة المستخرجة من المراحل عالية المستوى (المرحلة 4) من نموذج Swin-Tiny مع مصنف الأشجار الإضافية (Extra Trees)، حقق النظام دقة قدرها 85.88%، متفوقاً على نموذج Swin-Tiny المستقل.
• تأثير اختيار الميزات: أدى تطبيق اختيار الميزات القائم على LGBM إلى تحسين النتائج بشكل أكبر. حقق أفضل تكوين، والذي استخدم ميزات من Swin-Tiny (تم تقليصها إلى 77 ميزة، وهو ما يمثل انخفاضاً بنسبة 90% من المجموعة المكونة من 768 بُعداً) مصنفة بواسطة نموذج Random Forest (RF)، ذروة دقة بلغت 85.99%.
• المقارنة مع أحدث ما توصل إليه العلم: تفوق التكوين المقترح الأفضل على الدراسات الحديثة في مجموعة بيانات FFE نفسها بفوارق كبيرة: 8.43% عن دراسة Hoang et al. (2025)، و8.69% عن دراسة Yildiz et al. (2024)، و22.78% عن دراسة Prasetyo et al. (2022b).
• تحليل الكفاءة: بينما قدم نموذج ConvNeyst-Base دقة عالية، إلا أنه كان مكثفاً حوسبياً. برز نموذج Swin-Tiny كأفضل حل متوازن، حيث قدم أعلى دقة مع متطلبات موارد معتدلة (27.5 مليون معلمة، و44.1 ثانية لكل حقبة تدريبية).

الأهمية والادعاءات
يزعم المؤلفون أن إطار عملهم يعالج بفعالية أوجه القصور في الدراسات السابقة، التي اعتمدت غالباً على مجموعات بيانات صغيرة، أو مناطق تشريحية واحدة، أو ميزات يدوية الصنع حصراً. ومن خلال الجمع المنهجي بين المحولات البصرية الحديثة والمصنفات التجميعية التقليدية واختيار الميزات القائم على التعزيز، تظهر الدراسة استراتيجية تتسم بالدقة والقدرة على التعميم للتقييم البصري للجودة.

تؤكد الورقة أن التحسن نابع من قدرة الإطار الهجين على التقاط الأنماط الدلالية والإشارات الفيزيائية، بينما يعمل خطوة اختيار الميزات على عزل المجموعات الفرعية المعلوماتية والمدمجة التي تقلل الضوضاء. ويشير المؤلفون إلى أنه بينما تبدو النتائج واعدة، فإن إطار العمل مقيد حالياً بنطاق وظروف مجموعة بيانات FFE المثالية. ويقترحون أن العمل المستقبلي يجب أن يركز على تطوير تمثيلات هجينة تجمع بين الميزات العميقة واليدوية لالتقاط السمات الدلالية والفيزيائية معاً، والتحقق من النهج على مجموعات بيانات واقعية أكبر وأكثر تنوعاً لتحسين المتانة في البيئات الصناعية.