Résumé technique : Détection de pucerons par hyperspectralisme à partir de peu d'échantillons via FastGAN, classification basée sur les Transformers et IA explicable

Problématique

La détection précoce des infestations de pucerons (Aphis fabae) dans les cultures, spécifiquement sur la fève (Vicia faba), est cruciale pour prévenir les pertes de rendement et minimiser l'application inutile de pesticides. Bien que l'imagerie hyperspectrale (HSI) combinée à l'analyse de la divergence d'information spectrale (SID) offre une méthode non destructive pour surveiller la santé des plantes, l'application de l'apprentissage profond à ce domaine est sévèrement contrainte par la rareté des ensembles de données étiquetées. Les réseaux de neurones convolutifs profonds (CNN) et les Vision Transformers (ViT) nécessitent généralement de grands volumes de données pour généraliser efficacement ; les petits ensembles de données limitent la complexité des modèles et augmentent le risque de surapprentissage (overfitting). De plus, les feuilles infestées présentent une forte hétérogénéité dans les motifs spectraux et structurels (par exemple, des motifs de lésions variables, une décoloration), ce qui les rend plus difficiles à modéliser que les feuilles saines.

Méthodologie

L'étude propose un cadre efficace en termes de données, intégrant la génération de données synthétiques, la classification par apprentissage profond et l'IA explicable (XAI) pour répondre à la rareté des données dans la détection des pucerons par imagerie hyperspectrale.

1. Jeu de données et prétraitement

L'étude a utilisé des images SID hyperspectrales de feuilles de fèves collectées dans des conditions contrôlées en serre, couvrant des échantillons sains et infestés par les pucerons. Le prétraitement comprenait l'étalonnage de la réflectance, l'extraction de la région d'intérêt (ROI), la normalisation par variance normale standard (SNV) et l'élimination du bruit. Pour adapter les cubes hyperspectraux aux architectures 2D, deux stratégies ont été employées : (i) la génération de représentations à trois canaux via l'analyse en composantes principales (PCA-RGB) ou des bandes VIS/NIR sélectionnées, et (ii) le maintien d'un empilement de bandes étroites (710–825 nm) identifiées comme discriminantes pour le stress causé par les pucerons. Le jeu de données a été partitionné au niveau de la plante (70 % entraînement, 15 % validation, 15 % test), le test restant entièrement réel pour garantir une évaluation objective.

2. Génération de données synthétiques (FastGAN)

Pour augmenter le limité jeu de données SID, les auteurs ont employé FastGAN, un cadre de génération léger conçu pour la synthèse haute résolution à partir de données à faible échantillonnage (few-shot).

• Architecture : Le générateur utilise un suréchantillonnage hiérarchique et des blocs résiduels liés via des modules d'excitation de canal par couche de saut (Skip-Layer Channel-wise Excitation - SLE) pour stabiliser l'entraînement et préserver le contexte multi-échelle. Le discriminateur utilise des convolutions multi-échelles avec normalisation spectrale.
• Entraînement : Le modèle a été entraîné en utilisant une perte logistique non saturante avec une pénalité de gradient R1. Des augmentations différentiables (translation, cutout, luminosité/contraste) ont été appliquées aux échantillons réels et synthétiques pour régulariser l'entraînement.
• Sortie : Un générateur convergé a produit 10 000 images SID synthétiques qui préservent la structure spatiale et spectrale des échantillons réels.

3. Évaluation de la qualité des images

La fidélité des images générées a été quantifiée par la distance de Fréchet Inception (FID). Deux variantes ont été utilisées :

• FID de l'encodeur HSI : Caractéristiques dérivées d'un CNN 3D auto-supervisé entraîné sur des cubes SID réels.
• FID de la PCA-RGB : Cubes hyperspectraux réduits à trois composantes principales et traités par un modèle Inception-V3.
  Les résultats indiquent que, bien que les feuilles saines convergent rapidement vers des scores FID faibles (75–90), les feuilles infestées nécessitent plus d'itérations pour se stabiliser (100 FID) en raison de la plus grande hétérogénéité des motifs d'infection.

4. Architectures de classification

Quatre modèles d'apprentissage profond ont été entraînés et évalués sur des jeux de données réels uniquement et sur des jeux augmentés par GAN (Real+GAN) :

• VGG16 : Un CNN profond classique avec des filtres convolutifs uniformes de 3×3.
• ResNet-50 : Utilise des connexions de saut résiduelles pour atténuer la disparition du gradient.
• EfficientNet : Applique une mise à l'échelle composée pour équilibrer la profondeur, la largeur et la résolution du réseau.
• Vision Transformer (ViT-B/16) : Remplace les convolutions par des mécanismes d'auto-attention pour capturer les dépendances spatiales à longue portée.
  Tous les modèles ont été initialisés avec les poids d'ImageNet et affinés pour la classification binaire (sain vs infesté).

5. IA explicable (XAI)

Pour interpréter les décisions du modèle, l'étude a comparé Grad-CAM et LayerCAM. LayerCAM a été sélectionné pour sa capacité à générer des cartes de localisation à plus haute résolution en agrégeant les gradients de plusieurs couches convolutives, préservant ainsi les détails spatiaux fins cruciaux pour la détection des infestations de pucerons à petite échelle.

Résultats clés

1. Qualité des données synthétiques

FastGAN a réussi à générer des images synthétiques réalistes. La progression visuelle a montré que, si la génération des feuilles saines s'est stabilisée rapidement (FID < 100 vers ~70 itérations), la génération des feuilles infestées a présenté des oscillations et a nécessité environ 120 itérations pour se stabiliser, reflétant la complexité de la modélisation des symptômes de maladies hétérogènes.

2. Performance de classification

• Impact de l'augmentation : L'augmentation du jeu de données a considérablement amélioré la robustesse de la classification pour toutes les architectures, réduisant les faux négatifs et améliorant la généralisation, particulièrement pour les modèles entraînés sur de petits ensembles de données.
• Comparaison des modèles :
  • ViT : A atteint la performance la plus élevée, atteignant une précision parfaite (1,00) et des scores F1 (1,00) avec 2 000–10 000 échantillons, et maintenant une performance élevée (0,97) même avec 100 000 échantillons. Le mécanisme d'auto-attention s'est avéré supérieur pour capturer les motifs spectro-spatiaux complexes.
  • EfficientNet : A démontré une performance solide et équilibrée (score F1 de 0,95 avec 20 000 échantillons) et une haute sensibilité aux caractéristiques de la maladie.
  • ResNet-50 : A montré des améliorations modérées par rapport à VGG16 avec un comportement stable à travers les échelles de jeux de données.
  • VGG16 : A présenté des signes de surapprentissage sur de petits jeux de données et une performance dégradée à mesure que la complexité du jeu de données augmentait, montrant une capacité d'adaptation réduite à des données diverses.
• Matrices de confusion : Les architectures avancées (ViT et EfficientNet) ont significativement réduit les faux négatifs par rapport à VGG16, qui peinait à détecter les feuilles infestées (taux élevé de faux négatifs).

3. Explicabilité

Les visualisations LayerCAM ont révélé que les couches de caractéristiques de niveau intermédiaire (Feature 5) d'EfficientNet fournissaient la localisation la plus précise des infestations de pucerons, mettant en évidence des altérations spécifiques de la texture et de la structure. Les couches plus profondes (Features 7–8) se concentraient sur les structures globales de la plante, tandis que les couches peu profondes manquaient de contexte sémantique. Cela a confirmé que les couches intermédiaires conservent l'information fine critique nécessaire à la détection des maladies.

Signification et contributions

L'article revendique quatre contributions principales :

1. Développement de framework : La création d'un cadre basé sur FastGAN capable de générer des images SID synthétiques à partir de jeux de données hyperspectraux limités de feuilles de fèves infestées par les pucerons.
2. Comparaison architecturale : Une évaluation complète de quatre familles distinctes d'apprentissage profond (VGG16, ResNet-50, EfficientNet, ViT) sous des conditions réelles et augmentées par GAN.
3. Robustesse "few-shot" : Démonstration que l'augmentation de données synthétiques améliore efficacement la robustesse de la détection des pucerons dans des conditions de peu d'échantillons, atténuant le surapprentissage des modèles d'apprentissage profond.
4. Interprétabilité : L'intégration de LayerCAM pour identifier les régions d'images spécifiques contribuant à la classification, offrant des informations biologiquement plus significatives que le Grad-CAM traditionnel.

Conclusion

L'étude conclut que la combinaison de l'imagerie hyperspectrale avec l'augmentation de données par FastGAN et l'apprentissage par transformeurs offre une approche prometteuse et efficace en termes de données pour la détection précoce et non destructive des pucerons. Le Vision Transformer est apparu comme le modèle le plus fiable pour discriminer les feuilles saines des feuilles infestées, grâce à sa capacité à capturer le contexte global et les dépendances à longue portée. Bien que le framework ait montré un potentiel significatif, les auteurs notent des limites concernant la généralisabilité à d'autres systèmes plante-ravageur, la nécessité de valider la fidélité spectrale et l'exigence de tests futurs dans des conditions de terrain non contrôlées. Les conclusions suggèrent que de telles approches intégrées pourraient contribuer à une meilleure surveillance des cultures et à des stratégies de gestion des ravageurs plus durables.