An Optimal Ensemble Deep Learning Framework for Non-Destructive Egg Quality Analysis Supporting Food Packaging Applications

Resumen Técnico: Un Marco de Aprendizaje Profundo de Ensamble Óptimo para el Análisis No Destructivo de la Calidad del Huevo

Planteamiento del Problema
La industria del procesamiento y empaque de huevos enfrenta pérdidas económicas significativas y riesgos de contaminación debido a las grietas en la cáscara que ocurren durante la manipulación y distribución. La inspección tradicional depende del grado manual (evaluación visual, luz de candelaria), lo cual es laborioso, subjetivo y no apto para entornos de alto rendimiento. Si bien existen enfoques automatizados, estos suelen depender de arquitecturas costosas y computacionalmente pesadas, condiciones de imagen controladas o procesos de preprocesamiento complejos, lo que limita su implementación práctica en entornos industriales con recursos limitados. Existe una necesidad clara de una solución de aprendizaje profundo ligera, no destructiva y robusta, capaz de operar eficazmente bajo condiciones industriales variables sin requerir hardware especializado.

Metodología
El estudio propone un marco de red neuronal convolucional (CNN) de ensamble ligera y no destructiva, diseñado para la detección automatizada de grietas en huevos. La metodología abarca los siguientes componentes clave:

• Conjunto de Datos: Un conjunto de datos curado de 1,400 imágenes en escala de grises (32×32 píxeles) que comprende huevos con y sin grietas (tanto de cáscara blanca como marrón). El conjunto de datos incluye diversos fondos, distancias de cámara e imperfecciones naturales de la superficie (p. ej., suciedad, manchas) para reducir los falsos positivos. Se incluyó un subconjunto de superficies no huevo con grietas para generalizar los patrones de las grietas. Los datos se dividieron en 80:20 para entrenamiento y prueba, con medidas estrictas para evitar la fuga de datos.
• Arquitectura: La innovación central es un CNN de ensamble de múltiples ramas que consiste en tres modelos CNN paralelos e independientes. Cada rama procesa la misma imagen de entrada pero utiliza un tamaño de núcleo (kernel) convolucional distinto: 3×3, 5×5 y 7×7.
  • Extracción de Características: Cada rama emplea 32 núcleos distintos para extraer características espaciales complementarias a escalas fina, media y amplia, produciendo 32 mapas de características. Las salidas pasan por una activación ReLU y capas de max-pooling de 3×3.
  • Fusión: Los mapas de características agrupados de cada rama se aplanan en vectores de características unidimensionales y se pasan a través de una capa densa que contiene 55 neuronas con activación ReLU. Los vectores resultantes de 55 dimensiones de las tres ramas se concatenan en un único vector fusionado de 165 dimensiones.
  • Regularización: Se aplica una tasa de dropout de 0.2 después de la capa densa para mitigar el sobreajuste, lo cual es particularmente importante dado el tamaño limitado del conjunto de datos.
  • Clasificación: La capa final utiliza una activación Softmax para clasificar los huevos en "con grieta" o "sin grieta".
• Entrenamiento: Los modelos se entrenaron desde cero (sin pesos preentrenados de ImageNet) utilizando el optimizador Adam, pérdida de entropía cruzada categórica dispersa (Sparse Categorical Crossentropy) y un tamaño de lote de 32 durante 30 épocas.
• Evaluación: El rendimiento se evaluó mediante validación cruzada de cinco pliegues, un conjunto de prueba independiente y comparaciones de referencia contra EfficientNetB0, MobileNetV2, GoogLeNet, ResNet50, VGG16 y VGG19. Las métricas incluyeron precisión, puntuación F1, AUC, FLOPs, utilización de RAM y tiempo de inferencia. La robustez se probó bajo iluminación variable (cambios de brillo y color).

Contribuciones Clave

1. Diseño de Ensamble de Múltiples Núcleos: El estudio introduce una arquitectura novedosa que integra tres ramas de CNN independientes con núcleos de 3×3, 5×5 y 7×7 para extraer características espaciales complementarias, mejorando la robustez sin aumentar excesivamente la profundidad del modelo.
2. Eficiencia Computacional: El marco logra un alto rendimiento con un costo computacional mínimo, requiriendo solo 4.9 millones de FLOPs y 1.66 GB de RAM, lo que lo hace adecuado para el despliegue en entornos con recursos limitados.
3. Despliegue de Baja Latencia: El sistema permite la clasificación de alto rendimiento con un tiempo de inferencia medio de 25.5 ms por imagen, soportando la automatización a escala industrial.
4. Robustez ante Condiciones Variables: El modelo demuestra confiabilidad bajo condiciones de iluminación variable (cambios de brillo y color) y utiliza el preprocesamiento en escala de grises para reducir la dependencia de la información de color, simplificando la complejidad del sistema.

Resultos

• Rendimiento de Clasificación: El CNN de ensamble propuesto logró una precisión del 97.50%, una puntuación F1 de 0.97 y un AUC de 0.93 en el conjunto de prueba independiente.
• Comparación de Referencia: El modelo superó a todas las arquitecturas de referencia. EfficientNetB0, el competidor más cercano, logró un 96.79% de precisión. Modelos más grandes como VGG16 y VGG19 funcionaron cerca de los niveles de clasificación aleatoria (AUC ~0.5–0.61), probablemente debido al sobreajuste en el conjunto de datos limitado.
• Extracción de Características: El enfoque de ensamble superó significativamente a los modelos de un solo núcleo (3×3, 5×5 o 7×7 por sí solos), demostrando que la fusión de características multiescala produce una clasificación más equilibrada y confiable.
• Métricas Computacionales:
  • FLOPs: 4.9 millones (el más bajo entre todos los modelos probados).
  • Utilización de RAM: 1.66 GB (significativamente menor que los referentes, p. ej., VGG19 con 8.44 GB).
  • Tiempo de Inferencia: 25.5 ms por imagen.
• Productividad: El sistema automatizado reduce el tiempo de inspección aproximadamente 100 veces en comparación con la clasificación manual (36 ms por huevo frente a >3,600 ms), permitiendo un rendimiento de ~97,200 huevos por hora.
• Robustez: Bajo iluminación variable (iluminación brillante, oscura y de color), el modelo mantuvo una precisión promedio de aproximadamente el 94%.
• Pruebas de Confianza: El modelo mostró predicciones estables para huevos claramente con grietas y sin grietas (confianza media >90%). Los huevos con grietas leves mostraron una confianza menor (~51–78%), lo que indica la dificultad de distinguir defectos sutiles de las texturas naturales de la cáscara.

Significancia y Reivindicaciones
El artículo afirma que este marco proporciona una solución práctica, precisa y computacionalmente eficiente para la inspección no destructiva de la calidad del huevo. Al eliminar la necesidad de iluminación especializada o redes preentrenadas de gran tamaño, el sistema permite la integración de la IA en las líneas de empaque de alimentos existentes con cambios mínimos en la infraestructura. Los autores destacan que el sistema apoya el ODS 9 (Industria, Innovación e Infraestructura) al fomentar infraestructuras industriales resilientes y sostenibles. El estudio enfatiza que el modelo propuesto equilibra una alta precisión de clasificación con baja latencia y uso de recursos, abordando la brecha específica de desarrollar sistemas que sean simultáneamente precisos, de bajo costo y robustos para las condiciones del mundo real. Los autores señalan que, si bien el modelo funciona bien, los huevos ligeramente agrietados siguen siendo un subproblema desafiante que requiere un ajuste cuidadoso de los umbrales para aplicaciones críticas de seguridad.