Domain-Aware Lightweight Spectral-Grouped Convolutions for Hyperspectral Fish Freshness Classification

Resumen Técnico: SGNet para la Clasificación de la Frescura de Pescado mediante Imágenes Hiperespectrales

Planteamiento del Problema
La imagen hiperespectral (HSI) ofrece un método no destructivo para evaluar la frescura del pescado mediante la detección de cambios bioquímicos en las bandas espectrales. Sin embargo, la aplicación del aprendizaje profundo en este dominio enfrenta tres desafíos específicos que los modelos genéricos no logran abordar:

1. Dominancia Espectral: La información sobre la frescura es transportada principalmente por patrones de reflectancia dependientes de la longitud de onda, más que por texturas espaciales.
2. Estructura de Etiquetas Ordinales: Las etiquetas de frescura representan una evolución temporal continua (días), donde un error de un día es menos severo que un error de varios días, aunque los modelos de clasificación estándar tratan las clases como mutuamente independientes.
3. Escasez y Redundancia de Datos: Los conjuntos de datos de entrenamiento suelen ser pequeños y las bandas espectrales adyacentes son altamente redundantes. La mezcla indiscriminada de todas las bandas en arquitecturas estándar corre el riesgo de entrelazar respuestas correlacionadas y no relacionadas, lo que conduce al sobreajuste y a la amplificación del ruido.

Los enfoques existentes dependen de características diseñadas manualmente (limitando su capacidad para capturar interacciones complejas) o adaptan arquitecturas pesadas de teledetección o imágenes naturales (por ejemplo, ResNet, Vision Transformers) que son computacionalmente costosas y poco adecuadas para datos de calidad alimentaria de muestras pequeñas y alta dimensionalidad.

Metodología: SGNet
Los autores proponen SGNet (Spectral-Grouped Network), una arquitectura ligera diseñada específicamente para la estructura de los datos hiperespectrales de alimentos. En lugar de trasplantar arquitecturas genéricas, SGNet emplea una composición de operadores eficientes que separan el procesamiento espectral y espacial.

• Factorización Espectral-Espacial: La innovación central es el desacoplamiento de la extracción de características espectrales y espaciales para evitar el entrelazamiento prematuro de respuestas de longitud de onda no relacionadas.
  • Vía Espectral: Utiliza convoluciones de punto agrupadas ($g=8$) para confinar las interacciones entre bandas a subconjuntos locales de canales. Esto reduce la sensibilidad al ruido y gestiona la redundancia espectral.
  • Vía Espacial: Utiliza una convolución de profundidad paralela ($k=7$) para capturar la estructura tisular local y los patrones espaciales, preservando al mismo tiempo la independencia espectral.
• Mecanismo de Atención Dual: Un mecanismo de compuerta ligero acopla la excitación de compresión (squeeze-and-excitation) por canal con una compuerta espacial. Esto resalta de forma adaptativa las características informativas con menos del 5% de los parámetros del bloque, evitando la alta demanda de datos de los mecanismos de autoatención.
• Codificador Jerárquico: La red apila estos bloques en tres etapas con dimensiones de canal crecientes (64, 128, 256) y resolución espacial decreciente, imitando la filosofía multiescala de los transformadores jerárquicos pero utilizando primitivas convolucionales eficientes.
• Objetivo de Entrenamiento: El modelo se entrena utilizando la pérdida de entropía cruzada estándar, pero se evalúa utilizando métricas con conciencia ordinal (Error Absoluto Medio, Kappa Ponderado Cuadrático) para reflejar la naturaleza continua de la degradación de la frescura.

Contribuciones Clave

1. Arquitectura: Una factorización espectral-espacial explícita mediante convoluciones agrupadas y una vía de profundidad, que evita el entrelazamiento de características espectrales no relacionadas.
2. Eficiencia: Un mecanismo de atención dual ligero que proporciona énfasis selectivo sin el costo computacional de la autoatención.
3. Conjunto de Datos: Un conjunto de datos de salmón refrigerado de 16 días ($N=800$ cubos, 462 bandas espectrales) con una separación estricta a nivel de empaque para evitar la fuga de datos, publicado para apoyar la reproducibilidad.
4. Benchmarking: Una comparación exhaustiva contra bases de comparación convolucionales y de transformadores reentrenados bajo condiciones idénticas.

Resultos Experimentales
Evaluado en el conjunto de datos de salmón de 16 días, SGNet logró:

• Precisión: 97.8% de precisión de clasificación top-1.
• Error Ordinal: 0.64 días de Error Absoluto Medio (MAE).
• Eficiencia: Solo 4.75 millones de parámetros.

Rendimiento Comparativo:

• SGNet superó a ResNet-50 (25.6M de parámetros), ViT-B/16 (86M de parámetros), Swin-T y ConvNeXt-T tanto en precisión como en MAE.
• Logró una reducción de parámetros de 5.4× en comparación con ResNet-50 y una reducción de 18× en comparación con ViT-B/16.
• El rendimiento de inferencia alcanzó las 420 imágenes/segundo en una sola GPU NVIDIA A100, demostrando su idoneidad para la inspección industrial en tiempo real.

Estudios de Ablación
Eliminar cualquier componente degradó el rendimiento. Notablemente, eliminar la vía espacial de profundidad o el mecanismo de atención dual causó una caída mayor en la precisión y aumentó el MAE de manera más significativa que eliminar la convolución agrupada, validando la necesidad de la especialización tanto espectral como espacial.

Significancia y Reivindicaciones
El artículo argumenta que la factorización consciente del dominio es una ruta más productiva para la evaluación precisa de la frescura hiperespectral que simplemente aumentar la capacidad del modelo. Los resultados sugieren que los sesgos inductivos proporcionados por las convoluciones agrupadas y de profundidad son particularmente valiosos en el régimen de muestras pequeñas y alta dimensionalidad característico de la inspección de calidad de alimentos.

Los autores señalan que los errores residuales se concentran en la ventana de deterioro tardío (días 15–16), lo que atribuyen a la realidad biológica de la superposición de marcadores de degradación en el deterioro avanzado, más que a un fallo del modelo. Aunque el presente trabajo se centra en una sola especie bajo condiciones controladas, los hallazgos indican que respetar la dominancia espectral, la estructura ordinal y la escasez de muestras de los datos hiperespectrales de alimentos produce un modelo preciso y desplegable a una fracción del costo de las arquitecturas genéricas. Se identifica como trabajo futuro la extensión de esto a la transferencia entre especies y la incorporación de objetivos de entrenamiento explícitamente consistentes con el rango.