Deep Feature Optimization for Enhanced Fish Freshness Assessment

Résumé technique : Optimisation des caractéristiques profondes pour une évaluation améliorée de la fraîcheur du poisson

Énoncé du problème
L'évaluation de la fraîcheur du poisson est cruciale pour la sécurité alimentaire et la stabilité économique dans l'industrie des produits de la mer. Les méthodes traditionnelles d'évaluation sensorielle sont subjectives, chronophages et difficiles à mettre à l'échelle. Bien que les approches récentes d'apprentissage profond aient automatisé la prédiction visuelle de la fraîcheur, des défis subsistent concernant la précision et la transparence des caractéristiques. Plus précisément, sur le jeu de données public « Fraîcheur des yeux de poisson » (FFE), les modèles profonds existants n'ont atteint que des précisions modérées (allant de 63 % à 77 %), ce qui suggère que la distinction des différences subtiles interclasses dans l'apparence des yeux nécessite des représentations plus discriminantes et interprétables. De plus, les études existantes évaluent souvent les réseaux profonds de manière bout-en-bout sans analyser explicitement comment les niveaux d'abstraction des caractéristiques ou les mécanismes de sélection impactent les performances.

Méthodologie
L'étude propose un cadre unifié en trois étapes conçu pour affiner et exploiter les représentations visuelles profondes pour la classification de la fraîcheur du poisson. La méthodologie se déroule comme suit :

1. Ajustement fin du socle profond : Cinq architectures de vision de pointe — ResNet-50, DenseNet-121, EfficientNet-B0, ConvNeXt-Base et Swin-Tiny — ont été ajustées finement en utilisant une recherche aléatoire pour l'optimisation des hyperparamètres. Cela a établi une base robuste pour la classification de la fraîcheur basée sur les images.
2. Extraction de caractéristiques multi-niveaux et classification hybride : Au lieu de se fier uniquement à la couche de classification softmax finale, des plongements profonds ont été extraits des étapes d'abstraction intermédiaires (niveau moyen) et finales (niveau élevé) de chaque socle. Ces caractéristiques ont été condensées par mise en moyenne globale (GAP) et alimentées dans sept classificateurs classiques d'apprentissage automatique : régression logistique, k-plus proches voisins, machine à vecteurs de support, réseaux de neurones artificiels, forêt aléatoire, arbres supplémentaires, LightGBM et CatBoost. Cette approche hybride visait à déterminer si des mécanismes de décision explicites pouvaient améliorer le pouvoir discriminant au-delà des sorties standard des réseaux profonds.
3. Sélection de caractéristiques intégrée : Pour faire face à la haute dimensionnalité et à la redondance, trois méthodes de sélection de caractéristiques intégrées ont été appliquées pour identifier des sous-ensembles compacts et informatifs : Light Gradient Boosting Machine (LGBM), forêt aléatoire (RF) et régression Lasso (L1). Ces méthodes ont intégré l'évaluation de la pertinence des caractéristiques directement dans le processus d'entraînement du modèle.
4. Interprétabilité : Grad-CAM (Cartographie d'activation de classe pondérée par le gradient) a été employé pour visualiser l'attention spatiale des modèles, validant que les décisions étaient basées sur des indices visuels significatifs liés à la fraîcheur du poisson (par exemple, la turbidité et la structure de l'œil).

Contributions clés

• Analyse systématique des niveaux d'abstraction : L'étude est la première à analyser systématiquement comment les niveaux d'abstraction des caractéristiques profondes (niveau moyen vs niveau élevé) affectent conjointement la classification de la fraîcheur du poisson sur le jeu de données FFE.
• Cadre hybride Deep-ML : Elle démontre une intégration novatrice où les socles profonds servent d'extracteurs de caractéristiques pour des classificateurs d'apprentissage automatique classiques, plutôt que de reposer sur un apprentissage profond bout-en-bout.
• Optimisation des caractéristiques : La recherche identifie que la sélection de caractéristiques intégrée, en particulier l'utilisation de LGBM, peut réduire considérablement la dimensionnalité des caractéristiques tout en améliorant ou en maintenant la précision.
• Étalonnage complet : L'étude fournit une évaluation comparative de cinq architectures de vision diverses (incluant des Transformers et des ConvNets modernes) et de plusieurs classificateurs ML sur le même jeu de données dans des conditions identiques.

Résultats expérimentaux
Les expériences ont été menées sur le jeu de données FFE, comprenant 4 390 images réparties en trois catégories de fraîcheur (« Très frais », « Frais », « Pas frais »).

• Performance de base : Parmi les modèles profonds ajustés finement, Swin-Tiny a atteint la précision la plus élevée de 84,85 %, suivi de près par ConvNeXt-Base (84,51 %).
• Performance hybride : En utilisant des caractéristiques profondes extraites des étapes de haut niveau (Étape 4) de Swin-Tiny combinées à un classificateur Extra Trees (ET), le système a atteint une précision de 85,88 %, surpassant le modèle Swin-Tiny autonome.
• Impact de la sélection de caractéristiques : L'application de la sélection de caractéristiques basée sur LGBM a进一步优化 les résultats. La meilleure configuration a utilisé des caractéristiques de Swin-Tiny (réduites à 77 caractéristiques, représentant une réduction de 90 % par rapport à l'ensemble complet de 768 dimensions) classées par un modèle de forêt aléatoire (RF), atteignant une précision maximale de 85,99 %.
• Comparaison avec l'état de l'art : La meilleure configuration proposée a surpassé les études récentes sur le même jeu de données FFE avec des marges significatives : 8,43 % de plus que Hoang et al. (2025), 8,69 % de plus que Yildiz et al. (2024) et 22,78 % de plus que Prasetyo et al. (2022b).
• Analyse d'efficacité : Bien que ConvNeXt-Base offre une haute précision, il était intensif en calcul. Swin-Tiny s'est imposé comme la solution la plus équilibrée, offrant la précision la plus élevée avec des exigences de ressources modérées (27,5 M de paramètres, 44,1 s par époque).

Importance et revendications
Les auteurs affirment que leur cadre répond efficacement aux limites des études précédentes, qui reposaient souvent sur de petits jeux de données, des régions anatomiques uniques ou exclusivement des caractéristiques conçues à la main. En combinant systématiquement des transformers de vision modernes avec des classificateurs d'ensemble traditionnels et une sélection de caractéristiques basée sur le boosting, l'étude démontre une stratégie à la fois précise et généralisable pour l'évaluation visuelle de la qualité.

L'article souligne que l'amélioration découle de la capacité du cadre hybride à capturer à la fois des motifs sémantiques et des indices physiques, tandis que l'étape de sélection de caractéristiques isole des sous-ensembles compacts et informatifs qui réduisent le bruit. Les auteurs notent que, bien que les résultats soient prometteurs, le cadre est actuellement limité par l'échelle et les conditions idéalisées du jeu de données FFE. Ils suggèrent que les travaux futurs devraient se concentrer sur le développement de représentations hybrides combinant des caractéristiques profondes et conçues à la main pour capturer à la fois les attributs sémantiques et physiques, et valider l'approche sur des jeux de données réels plus vastes et plus diversifiés afin d'améliorer la robustesse dans les environnements industriels.