A Lightweight Browser-Based CNN for Fresh Produce Freshness Classification Using MobileNetV2

Resumen Técnico: Una CNN ligera basada en navegador para la clasificación de la frescura de productos agrícolas utilizando MobileNetV2

Planteamiento del Problema
Las pérdidas poscosecha de productos agrícolas amenazan la seguridad alimentaria mundial, particularmente en las cadenas de suministro con recursos limitados donde la evaluación de la calidad depende de la inspección manual subjetiva. Si bien el aprendizaje automático ha mejorado la eficiencia agrícola en áreas como la detección de plagas y la previsión del rendimiento, las herramientas accesibles para que los actores de primera línea tomen decisiones sobre manipulación y almacenamiento siguen estando desatendidas. Los enfoques actuales de visión por computadora suelen depender de equipos de detección especializados, mediciones de laboratorio o conectividad continua a la nube, lo que limita su despliegue en entornos agrícolas de baja conectividad. Además, muchos estudios priorizan la precisión de la clasificación de alto nivel mientras descuidan la calibración de la confianza predictiva, la robustez ante la fuga de datos y las arquitecturas de despliegue práctico. Este estudio aborda la necesidad de un sistema de clasificación visual ligero que opere en dispositivos comunes sin infraestructura especializada, evaluando rigurosamente el rendimiento más allá de las simples métricas de precisión.

Metodología
El estudio propone un sistema de dos componentes: una Red Neuronal Convolucional (CNN) basada en MobileNetV2 para la clasificación binaria (fresco vs. podrido) y una aplicación web basada en el navegador para la inferencia en el lado del cliente.

• Datos y Preprocesamiento: El sistema utiliza un conjunto de datos público de aproximadamente 30,000 imágenes etiquetadas que abarcan nueve tipos de productos (manzanas, plátanos, amargos, pimientos, pepinos, quimbombó, naranjas, papas y tomates). La división original de entrenamiento/prueba del conjunto de datos se mantuvo para asegurar la comparabilidad con referencias previas, aunque el conjunto de prueba cubre solo siete de los nueve tipos. Las imágenes se redimensionaron a 224×224 píxeles y se reescalaron al rango [0, 1]. Se aplicó aumentación sobre la marcha (rotación, zoom, cizallamiento, volteo horizontal) durante el entrenamiento.
• Arquitectura del Modelo: Se seleccionó MobileNetV2 como la base debido a su equilibrio entre precisión y eficiencia computacional. La base convolucional preentrenada con ImageNet fue congelada para la extracción de características, añadiendo una cabeza de clasificación compacta (promedio global de agrupación, una capa densa de 128 unidades con ReLU, dropout y una salida sigmoide). El modelo contiene aproximadamente 2.42 millones de parámetros totales, de los cuales solo ~164,000 son entrenables.
• Entrenamiento y Evaluación: El modelo fue entrenado utilizando TensorFlow con el optimizador Adam y pérdida de entropía cruzada binaria. Las métricas de evaluación incluyeron precisión (accuracy), precisión (precision), exhaustividad (recall), F1-score, ROC-AUC, precisión promedio, puntuación de Brier y el Error de Calibración Esperada (ECE). Crucialmente, se realizó una auditoría de fuga de datos utilizando hashing MD5 y agrupación por clave de origen para identificar y eliminar duplicados exactos de bytes y duplicados cercanos entre los conjuntos de entrenamiento y de prueba.
• Comparación con Línea Base: Para contextualizar a MobileNetV2, el estudio lo comparó con ResNet50, EfficientNetB0 y VGG16. Estas líneas base fueron entrenadas bajo un protocolo coincidente utilizando sus respectivas funciones de preprocesamiento nativas para asegurar una extracción de características justa.
• Despliegue: El modelo entrenado fue convertido a TensorFlow.js y desplegado como una aplicación web estática. La inferencia ocurre enteramente en el lado del cliente, requiriendo ningún servidor, conexión constante a Internet o hardware especializado. La aplicación genera una clasificación, un "Índice de Frescura Visual" (VFI) derivado de la confianza, heurísticas de almacenamiento indicativas y un informe PDF exportable.

Contribuciones Clave

1. Clasificación Caracterizada por la Fiabilidad: Desarrollo de un clasificador MobileNetV2 evaluado no solo por precisión, sino también por métricas de clase, medidas de discriminación (ROC-AUC) y análisis de calibración.
2. Indicador de Confianza Calibrado: Derivación del Índice de Frescura Visual (VFI), definido como la probabilidad estimada del modelo para la clase fresca escalada de 0 a 100. El estudio posiciona esto explícitamente como un indicador de confianza calibrado en lugar de una medida directa de la frescura fisicoquímica.
3. Despliegue en Navegador del Lado del Cliente: Implementación de una aplicación basada en el navegador utilizando TensorFlow.js que permite la inferencia sin servidor y fuera de línea, reduciendo la dependencia de infraestructura especializada.
4. Auditoría de Robustez Rigurosa: Un análisis exhaustivo de fuga que demuestra que el alto rendimiento no es solo un artefacto de la duplicación de datos de entrenamiento y prueba, junto con un análisis comparativo de los impactos del preprocesamiento específico de la arquitectura.

Resultados

• Rendimiento: En el conjunto de prueba reservado (6,738 imágenes), el modelo MobileNetV2 logró una precisión general del 98.46%, un F1-score promedio de 0.985 y un ROC-AUC de 0.9989.
• Calibración: Las puntuaciones de confianza del modelo estuvieron bien calibradas, con un Error de Calibración Esperada (ECE) de 0.0051 y una puntuación de Brier de 0.0122, lo que indica que las probabilidades predichas siguen de cerca la precisión empírica.
• Robustez ante la Fuga: La auditoría reveló que el 60% de las imágenes de prueba originales eran duplicados exactos de bytes de las imágenes de entrenamiento. Al reevaluar en un subconjunto "limpio de origen" (316 imágenes) libre de los duplicados identificados, la precisión se mantuvo estable en 99.37%, lo que sugiere que el rendimiento del modelo es robusto y no impulsado únicamente por el traslape de datos.
• Comparación con la Línea Base: Bajo un esquema de entrenamiento corto y fijo de seis épocas con preprocesamiento nativo, ResNet50, EfficientNetB0 y VGG16 lograron precisiones comparables (95.5%–97.5%). Se mantuvo MobileNetV2 para el despliegue debido a su huella significativamente menor (2.42M de parámetros frente a ~10 veces más para ResNet50) y su idoneidad para la inferencia en el lado del cliente.

Significancia y Reivindicaciones
El artículo afirma que este trabajo cierra la brecha entre la visión por computadora de alto rendimiento y el despliegue práctico y accesible. Al combinar una arquitectura ligera MobileNetV2 con una interfaz basada en el navegador capaz de funcionar sin conexión, el sistema ofrece una alternativa viable a las soluciones de monitoreo que requieren mucha infraestructura. El estudio enfatiza que el Índice de Frescura Visual es una herramienta para el triaje y el apoyo a la decisión basada en la confianza visual, no una medida validada de la vida útil física o la calidad fisicoquímica. Los autores aseguran que la capacidad del sistema para operar sin conectividad continua o hardware especializado lo hace potencialmente adecuado para entornos agrícolas de baja conectividad, siempre que los usuarios comprendan la naturaleza heurística de la guía de almacenamiento y el alcance exclusivamente visual de la evaluación. El trabajo concluye que, si bien el sistema actual es un clasificador binario, su evaluación caracterizada por la fiabilidad y su marco de despliegue proporcionan una base para futuras extensiones hacia la detección de defectos multicapa y la integración de sensores IoT.