CNN Backbones with PCA and Gaussian Membership Function Pipelines for Maize Pest Identification: A Comparative Accuracy-Efficiency Study

Resumen Técnico: Backbones de CNN con Pipelines de PCA y Función de Membresía Gaussiana para la Identificación de Plagas del Maíz

Planteamiento del Problema
La identificación precisa de plagas del maíz morfológicamente similares —específicamente el gusano de la espiga (Spodoptera frugiperda), el gusano africano (Spodoptera exempta) y el barrenador del tallo del maíz (Busseola fusca)— es crítica para una gestión agrícola eficaz, ya que cada una requiere estrategias de control distintas. La identificación visual se ve dificultada por las similitudes en color, textura y estructura corporal, complicadas por las variaciones en el estadio de vida, la pose, la iluminación y la calidad de la imagen. Aunque las Redes Neuronales Convolucionales (CNN) han mostrado potencial en la clasificación agrícola, su despliegue en entornos de campo con recursos limitados (por ejemplo, teléfonos inteligentes, drones) se ve a menudo limitado por las altas demandas computacionales. Investigaciones previas establecieron que la combinación de VGG16 con el Análisis de Componentes Principales (PCA) y Funciones de Membresía Gaussiana (GMF) mejoró el rendimiento de la clasificación, pero el costo computacional de VGG16 sigue siendo una barrera. Este estudio aborda la brecha de si los backbones de CNN ligeros pueden retener los beneficios predictivos del marco PCA-GMF reduciendo significativamente los requisitos computacionales.

Metodología
El estudio evaluó cuatro backbones de CNN: VGG16 (como referencia de alto rendimiento), MobileNetV2, EfficientNet-B0 y MobileNetV3-Large. Estos fueron probados a través de tres pipelines de procesamiento distintos:

1. Solo CNN: Utilizando el vector de características agrupado (pooled) del backbone.
2. CNN–PCA: Aplicando PCA para reducir la dimensionalidad de las características manteniendo al menos el 95% de la varianza acumulada.
3. CNN–PCA–GMF: Mapeando adicionalmente los componentes reducidos de PCA en tres funciones de membresía gaussianas superpuestas (Baja, Media, Alta) para crear una representación difusa.

Configuración Experimental:

• Dataset: 7,500 imágenes (2,500 por clase) de las tres especies de plagas, divididas en 60:20:20 para entrenamiento, validación y prueba.
• Preprocesamiento: Las imágenes se redimensionaron a 224×224. Se aplicó un preprocesamiento específico de la arquitectura (por ejemplo, conversión a BGR para VGG16, escalado para MobileNet). El aumento de datos (data augmentation) incluyó rotaciones, desplazamientos, cizallamientos, zooms y volteos horizontales.
• Estrategia de Entrenamiento: Las capas convolucionales del backbone se congelaron (pesos pre-entrenados de ImageNet). Solo se entrenaron las cabezas de clasificación. Se utilizó una estructura de cabeza consistente (capa densa de 512 unidades con ReLU, BatchNorm, Dropout 0.3; seguida de una capa densa de 128 unidades con ReLU, Dropout 0.3; y una salida softmax de 3 unidades) en todas las configuraciones.
• Evaluación: Se utilizaron diez semillas aleatorias para evaluar la variabilidad. El rendimiento se midió mediante exactitud (accuracy), precisión, exhaustividad (recall) y puntuación F1. La eficiencia se midió mediante el recuento de parámetros, FLOPs y latencia de inferencia en una GPU NVIDIA L4. La significancia estadística se determinó mediante ANOVA de Welch y comparaciones post-hoc de Games-Howell.

Resultos Clave

• Rendimiento Predictivo: La configuración VGG16–PCA–GMF logró la mayor exactitud (98.89% ± 0.20%) y puntuación F1 (98.88% ± 0.20%). Entre los modelos ligeros, EfficientNet-B0–PCA–GMF logró el rendimiento más cercano (98.14% ± 0.38% de exactitud), una diferencia de solo 0.75 puntos porcentuales respecto a VGG16–PCA–GMF. MobileNetV3-Large y MobileNetV2 mostraron caídas de rendimiento progresivamente mayores al combinarse con PCA-GMF.
• Impacto de los Pipelines: El PCA por sí solo no mejoró significativamente la exactitud para EfficientNet-B0, MobileNetV3-Large o VGG16, y redujo significativamente la exactitud para MobileNetV2. Sin embargo, la adición de la etapa de Función de Membresía Gaussiana (GMF) mejoró significativamente el rendimiento para todos los backbones en comparación con sus contrapartes de solo CNN o CNN–PCA.
• Eficiencia Computacional:
  • VGG16–PCA–GMF: 15.267 millones de parámetros, 30.714 GFLOPs, ~111.8 ms de latencia.
  • EfficientNet-B0–PCA–GMF: 5.296 millones de parámetros, 0.790 GFLOPs, ~98.0 ms de latencia. Esto representa una reducción del 65.3% en parámetros y una reducción del 97.4% en FLOPs en comparación con VGG16, con un compromiso de exactitud mínimo.
  • Variantes de MobileNet: MobileNetV2 y MobileNetV3-Large ofrecieron ahorros computacionales aún mayores (por ejemplo, MobileNetV2 redujo la latencia en un 51.3% y los FLOPs en un 98.0%) pero incurrieron en mayores penalizaciones de exactitud (3.81 y 1.92 puntos porcentuales, respectivamente).

Contribuciones Clave

1. Evaluación Sistemática: El estudio proporciona una comparación controlada de backbones ligeros frente a una referencia pesada (VGG16) dentro de un marco unificado de PCA-GMF, aislando los efectos de la arquitectura del backbone y la transformación de características.
2. Validación de PCA-GMF en Modelos Ligeros: Demuestra que el pipeline PCA-GMF, previamente validado en VGG16, sigue siendo beneficioso para arquitecturas ligeras, aumentando significativamente el rendimiento sobre las líneas base estándar de CNN o CNN–PCA.
3. Análisis de Compromiso (Trade-off): La investigación identifica puntos operativos específicos para diferentes necesidades de despliegue. Se identifica a EfficientNet-B0 como el equilibrio óptimo para una alta exactitud con ganancias sustanciales de eficiencia, mientras que las variantes de MobileNet ofrecen una eficiencia extrema a costa de una mayor reducción de la exactitud.

Significancia y Reivindicaciones
Los autores afirman que sus hallazgos identifican a EfficientNet-B0–PCA–GMF como el candidato más fuerte para equilibrar el rendimiento predictivo y la eficiencia computacional en la identificación de plagas de maíz de grano fino. El estudio sugiere que las CNN ligeras pueden retener un alto rendimiento predictivo mientras reducen sustancialmente las demandas computacionales, lo que las hace viables para herramientas de identificación de plagas con recursos limitados.

El documento mantiene un alcance modesto respecto a sus conclusiones:

• Contexto de Despliegue: Las métricas de eficiencia (latencia, FLOPs) se midieron en un entorno de computación de alto rendimiento (HPC) utilizando una GPU NVIDIA L4. Los autores declaran explícitamente que las conclusiones sobre el despliegue en dispositivos de borde (por ejemplo, teléfonos inteligentes, Raspberry Pi) requieren pruebas de rendimiento en el dispositivo objetivo, ya que las reducciones de latencia no necesariamente escalan proporcionalmente a través de diferentes hardware.
• Generalización: Los resultados son específicos para las tres especies de plagas y el conjunto de datos utilizado. Los autores señalan que los hallazgos pueden no generalizarse a otras especies de plagas, ubicaciones o condiciones de campo sin una validación adicional.
• Optimización: El estudio utilizó hiperparámetros fijos y backbones congelados; el ajuste fino (fine-tuning) podría alterar las clasificaciones relativas de rendimiento de los modelos.

En resumen, el artículo establece que, si bien VGG16–PCA–GMF ofrece la exactitud absoluta más alta, el pipeline EfficientNet-B0–PCA–GMF ofrece una alternativa altamente eficiente con una pérdida de rendimiento insignificante, proporcionando una vía práctica para desarrollar herramientas de identificación de plagas accesibles para agricultores y profesionales de la extensión.