Deep Feature Optimization for Enhanced Fish Freshness Assessment

Sintesi Tecnica: Ottimizzazione delle Caratteristiche Profonde per una Valutazione Migliorata della Freschezza del Pesce

Dichiarazione del Problema
Valutare la freschezza del pesce è fondamentale per la sicurezza alimentare e la stabilità economica nel settore ittico. I metodi tradizionali di valutazione sensoriale sono soggettivi, richiedono molto tempo e difficili da scalare. Sebbene recenti approcci di deep learning abbiano automatizzato la previsione visiva della freschezza, permangono sfide riguardanti l'accuratezza e la trasparenza delle caratteristiche. Nello specifico, sul dataset pubblico "Freschezza degli Occhi del Pesce" (FFE), i modelli profondi esistenti hanno raggiunto solo accuratezze moderate (da 63% a 77%), suggerendo che distinguere sottili differenze inter-classe nell'aspetto degli occhi richiede rappresentazioni più discriminative e interpretabili. Inoltre, gli studi esistenti valutano spesso le reti profonde in modo end-to-end senza analizzare esplicitamente come i livelli di astrazione delle caratteristiche o i meccanismi di selezione impattino sulle prestazioni.

Metodologia
Lo studio propone un framework unificato a tre fasi, progettato per rifinire e sfruttare le rappresentazioni visive profonde per la classificazione della freschezza del pesce. La metodologia procede come segue:

1. Fine-tuning del Backbone Profondo: Cinque architetture visive all'avanguardia—ResNet-50, DenseNet-121, EfficientNet-B0, ConvNeXt-Base e Swin-Tiny—sono state sottoposte a fine-tuning utilizzando la ricerca casuale per l'ottimizzazione degli iperparametri. Ciò ha stabilito una baseline robusta per la classificazione della freschezza basata su immagini.
2. Estrazione di Caratteristiche a Più Livelli e Classificazione Ibrida: Invece di affidarsi esclusivamente al livello finale di classificazione softmax, sono state estratte embedding profonde dalle fasi intermedie (di livello medio) e finali (di alto livello) di ciascun backbone. Queste caratteristiche sono state condensate tramite Global Average Pooling (GAP) e inserite in sette classificatori classici di machine learning: Regressione Logistica, K-Nearest Neighbors, Support Vector Machine, Reti Neurali Artificiali, Random Forest, Extra Trees, LightGBM e CatBoost. Questo approccio ibrido mirava a determinare se meccanismi decisionali espliciti potessero migliorare il potere discriminativo oltre le uscite standard delle reti profonde.
3. Selezione delle Caratteristiche Incorporata: Per affrontare l'alta dimensionalità e la ridondanza, sono stati applicati tre metodi di selezione delle caratteristiche incorporate per identificare sottoinsiemi compatti e informativi: Light Gradient Boosting Machine (LGBM), Random Forest (RF) e regressione Lasso (L1). Questi metodi hanno integrato la valutazione della rilevanza delle caratteristiche direttamente nel processo di addestramento del modello.
4. Interpretabilità: Grad-CAM (Gradient-weighted Class Activation Mapping) è stato impiegato per visualizzare l'attenzione spaziale dei modelli, validando che le decisioni fossero basate su segnali visivi significativi relativi alla freschezza del pesce (ad esempio, torbidità e struttura dell'occhio).

Contributi Chiave

• Analisi Sistematica dei Livelli di Astrazione: Lo studio è il primo ad analizzare sistematicamente come i livelli di astrazione delle caratteristiche profonde (livello medio vs. alto) influenzino congiuntamente la classificazione della freschezza del pesce sul dataset FFE.
• Framework Ibrido Deep-ML: Dimostra un'integrazione innovativa in cui i backbone profondi fungono da estrattori di caratteristiche per classificatori classici di machine learning, piuttosto che affidarsi al deep learning end-to-end.
• Ottimizzazione delle Caratteristiche: La ricerca identifica che la selezione delle caratteristiche incorporata, in particolare utilizzando LGBM, può ridurre significativamente la dimensionalità delle caratteristiche migliorando o mantenendo l'accuratezza.
• Benchmarking Completo: Lo studio fornisce una valutazione comparativa di cinque diverse architetture visive (inclusi Transformer e moderni ConvNet) e molteplici classificatori ML sullo stesso dataset in condizioni identiche.

Risultati Sperimentali
Gli esperimenti sono stati condotti sul dataset FFE, composto da 4.390 immagini distribuite in tre categorie di freschezza ("Molto Fresco", "Fresco", "Non Fresco").

• Prestazioni della Baseline: Tra i modelli profondi sottoposti a fine-tuning, Swin-Tiny ha raggiunto la massima accuratezza dell'84,85%, seguito da vicino da ConvNeXt-Base (84,51%).
• Prestazioni Ibride: Utilizzando caratteristiche profonde estratte dalle fasi di alto livello (Fase 4) di Swin-Tiny combinate con un classificatore Extra Trees (ET), il sistema ha raggiunto un'accuratezza dell'85,88%, superando il modello Swin-Tiny autonomo.
• Impatto della Selezione delle Caratteristiche: L'applicazione della selezione delle caratteristiche basata su LGBM ha ulteriormente ottimizzato i risultati. La configurazione migliore ha utilizzato caratteristiche da Swin-Tiny (ridotte a 77 caratteristiche, rappresentando una riduzione del 90% rispetto all'insieme completo di 768 dimensioni) classificate da un modello Random Forest (RF), raggiungendo un'accuratezza massima del 85,99%.
• Confronto con lo Stato dell'Arte: La migliore configurazione proposta ha superato gli studi recenti sullo stesso dataset FFE con margini significativi: 8,43% in più rispetto a Hoang et al. (2025), 8,69% in più rispetto a Yildiz et al. (2024) e 22,78% in più rispetto a Prasetyo et al. (2022b).
• Analisi dell'Efficienza: Sebbene ConvNeXt-Base offrisse alta accuratezza, era computazionalmente intensivo. Swin-Tiny si è rivelata la soluzione più equilibrata, offrendo la massima accuratezza con requisiti di risorse moderati (27,5M di parametri, 44,1 secondi per epoca).

Significato e Affermazioni
Gli autori affermano che il loro framework affronta efficacemente i limiti degli studi precedenti, che spesso si basavano su piccoli dataset, singole regioni anatomiche o esclusivamente su caratteristiche manuali. Combinando sistematicamente moderni transformer visivi con classificatori ensemble tradizionali e selezione delle caratteristiche basata su boosting, lo studio dimostra una strategia che è sia accurata che generalizzabile per la valutazione visiva della qualità.

Il documento sottolinea che il miglioramento deriva dalla capacità del framework ibrido di catturare sia pattern semantici che segnali fisici, mentre il passaggio di selezione delle caratteristiche isola sottoinsiemi compatti e informativi che riducono il rumore. Gli autori notano che, sebbene i risultati siano promettenti, il framework è attualmente limitato dalla scala e dalle condizioni idealizzate del dataset FFE. Suggeriscono che il lavoro futuro dovrebbe concentrarsi sullo sviluppo di rappresentazioni ibride che combinino caratteristiche profonde e manuali per catturare sia attributi semantici che fisici, e sulla validazione dell'approccio su dataset reali più ampi e diversificati per migliorare la robustezza negli ambienti industriali.