Sintesi Tecnica: Meccanismi di Attenzione e Transfer Learning per la Classificazione Robusta dei Danni alle Foglie di Pesco sotto Domain Shift

1. Definizione del Problema

La valutazione della salute degli alberi di pesco è fondamentale per la gestione agricola, tuttavia affronta sfide significative a causa del cambiamento climatico che intensifica sia lo stress abiotico (es. calore, siccità) che le pressioni biotiche (parassiti e malattie). Questi stress si manifestano spesso con sintomi fogliari visivamente simili, rendendo difficile la diagnosi manuale anche per gli esperti. Sebbene il deep learning (DL) offra una soluzione, i modelli esistenti soffrono di un problema di "domain shift": i modelli addestrati su dataset pubblici curati e controllati spesso falliscono quando applicati a immagini reali sul campo a causa delle variazioni di illuminazione, della complessità dello sfondo, della sovrapposizione delle foglie e degli stadi fenologici. Inoltre, la ricerca sulle foglie di pesco è spesso limitata alla classificazione binaria o a piccoli dataset misti, mancando della granularità necessaria per un rilevamento robusto dei danni multi-classe in ambienti agricoli eterogenei.

2. Metodologia

2.1. Acquisizione e Curatela dei Dati

Lo studio ha utilizzato due dataset distinti per affrontare la sfida del domain shift:

• Dataset Benchmark Pubblico: Costruito a partire dal dataset PlantDoc e da un repository Mendeley Data. Dopo una selezione e annotazione manuale, è composto da 1.366 singole immagini di foglie di pesco categorizzate in sei classi: Maculatura batterica (Bacterial spot), Stress abiotico, Stress meccanico, Presenza di acari (Mite presence), Insetti masticatori (Chewing insects) e Sana (Healthy). Il dataset è fortemente sbilanciato, dominato dalla classe "Sana".
• Dataset Locale da Campo: Un nuovo dataset di 180 immagini raccolte in un frutteto commerciale a Jumilla, Murcia, Spagna. Questo dataset contiene solo quattro delle sei classi (escludendo Maculatura batterica e Presenza di acari a causa della loro assenza durante la specifica finestra di campionamento). Serve come banco di prova realistico per valutare la generalizzazione del modello sotto specifiche condizioni locali.

2.2. Architetture dei Modelli e Miglioramenti

Lo studio ha valutato una vasta gamma di architetture di Reti Neurali Convoluzionali (CNN), categorizzate per dimensione dei parametri:

• Leggere (Lightweight): MobileNetV2, MobileNetV3-Large.
• Medie: EfficientNetB0, EfficientNetB3, DenseNet121, ResNet50.
• Grandi (Large): EfficientNetB5, ResNet101, VGG16, VGG19, InceptionV3.

Un contributo metodologico chiave è stato l'integrazione del Convolutional Block Attention Module (CBAM) in alcune backbone selezionate. Il CBAM inferisce sequenzialmente mappe di attenzione spaziale e di canale per raffinare le rappresentazioni delle caratteristiche. Gli autori hanno implementato CBAM all'uscita dell'ultimo stadio convoluzionale di ogni backbone, seguito da global average pooling e un capo di classificazione.

2.3. Design Sperimentale

La ricerca è stata condotta in due fasi:

1. Benchmarking: I modelli sono stati addestrati sul dataset pubblico utilizzando una validazione incrociata k-fold stratificata a 5 parti (ripetuta 3 volte). Sono stati impiegati l'augmentation dei dati (rotazione, flipping, regolazioni di luminosità/contrasto) e la perdita di cross-entropy categorica pesata per le classi per mitigare lo sbilanciamento.
2. Transfer Learning (Adattamento del Dominio): Alcuni modelli selezionati sono stati perfezionati (fine-tuned) sul dataset locale (180 immagini) per valutare l'adattabilità. Sono state confrontate tre strategie:
   • Feature Extraction: Congelamento della backbone, addestramento solo del capo.
   • Fine-tune Last: Scongelamento solo degli ultimi strati.
   • Fine-tune All: Scongelamento dell'intera rete (con un rapporto di scongelamento dello 0.3 nella fase iniziale di benchmark, ma fine-tuning completo nella fase di transfer).

3. Contributi Chiave

• Nuovo Benchmark: Stabilimento di un rigoroso benchmark a 6 classi per la classificazione dei danni alle foglie di pesco utilizzando dati pubblici annotati manualmente.
• Rilascio del Dataset Locale: Raccolta e rilascio pubblico di un dataset locale da campo (180 immagini) per facilitare lo studio del domain shift tra i benchmark pubblici e le condizioni reali del campo.
• Analisi dell'Attenzione Dipendente dall'Architettura: Una valutazione sistematica che dimostra come l'efficacia di CBAM sia altamente dipendente dall'architettura della backbone sottostante.
• Valutazione delle Strategie di Transfer Learning: Identificazione delle strategie di fine-tuning ottimali per diverse architetture al fine di mitigare il domain shift in regimi di bassi dati.

4. Risultati

4.1. Prestazioni del Benchmark (Dataset Pubblico)

• Top Performer: La famiglia EfficientNet ha superato costantemente le altre architetture. EfficientNetB5 ha ottenuto la precisione complessiva più alta (91,9%) e il punteggio F1 pesato (0,922) tra i modelli senza attenzione. Anche DenseNet121 si è dimostrata molto forte (92,6% di accuratezza).
• Impatto di CBAM: L'integrazione di CBAM ha prodotto risultati dipendenti dall'architettura.
  • EfficientNetB5 + CBAM è emersa come il modello con le migliori prestazioni complessive, raggiungendo il 93,3% di accuratezza e un F1-score pesato del 93,6%. Ha mostrato guadagni significativi nella rilevazione delle classi minoritarie (es. classificazione perfetta della Maculatura batterica).
  • InceptionV3 + CBAM ha mostrato il miglioramento relativo maggiore, in particolare nel richiamo (recall) per le classi minoritarie.
  • EfficientNetB3 + CBAM ha mostrato un compromesso: mentre l'F1 macro è migliorato, l'F1 pesato è leggermente diminuito, indicando uno spostamento del focus verso le classi minoritarie a scapito dell'accuratezza aggregata.
  • In alcuni casi (es. DenseNet121), l'aggiunta di CBAM ha prodotto guadagni di prestazione trascurabili o negativi.

4.2. Prestazioni del Transfer Learning (Dataset Locale)

• Gap di Dominio: I modelli addestrati esclusivamente sui dati pubblici hanno ottenuto scarse prestazioni sul dataset locale (es. F1-score di base spesso inferiori a 0,5), confermando un significativo gap di dominio.
• Strategie di Fine-Tuning: "Fine-tune All" (FTA) ha generalmente prodotto i migliori risultati per le architetture più profonde (DenseNet121, ResNet50, EfficientNetB5), mentre "Fine-tune Last" (FTL) è stata talvolta superiore per i modelli più leggeri. La sola estrazione delle caratteristiche (feature extraction) è stata insufficiente.
• Miglior Adattamento: EfficientNetB3 + CBAM si è rivelata l'architettura più robusta sotto domain shift, raggiungendo il 94,6% di accuratezza e un F1-score macro del 93,0% dopo il fine-tuning sui dati locali.
• Adattabilità di MobileNet: Il modello MobileNetV3-Large ha dimostrato un'eccezionale adattabilità, migliorando il suo F1-score da 0,39 a 0,92 (+135% di miglioramento relativo) dopo il fine-tuning, superando i modelli più grandi nel dominio locale.
• CBAM nel Transfer: I modelli potenziati con CBAM hanno generalmente mostrato guadagni di transfer maggiori rispetto ai loro omologhi senza attenzione, suggerendo che i meccanismi di attenzione aiutino la rete a concentrarsi su caratteristiche discriminanti nonostante i cambiamenti di distribuzione.

5. Significato e Rivendicazioni

Il paper sostiene che, sebbene il deep learning offra un framework per la valutazione automatizzata dei danni alle colture, il suo dispiegamento nell'agricoltura reale richiede di affrontare il domain shift e lo sbilanciamento delle classi. Lo studio dimostra che:

1. La Robustezza è Dipendente dall'Architettura: Non esiste un modello o un meccanismo di attenzione universalmente superiore. La scelta della backbone (es. EfficientNet vs. MobileNet) e l'inclusione di moduli di attenzione (CBAM) devono essere personalizzate in base alla specifica distribuzione dei dati e ai requisiti di transfer.
2. I Meccanismi di Attenzione Aiutano la Rilevazione delle Minoranze: CBAM migliora significativamente la rilevazione delle classi sottorappresentate (classi minoritarie) raffinando l'estrazione delle caratteristiche, sebbene ciò possa comportare dei compromessi sulla prestazione delle classi di maggioranza.
3. Il Transfer Learning è Essenziale: La semplice estrazione delle caratteristiche è insufficiente per adattarsi alle condizioni reali del campo. Sono necessarie strategie di fine-tuning sistematiche per colmare il divario tra i benchmark pubblici e l'implementazione nel mondo reale.
4. Fattibilità del Deployment con Bassi Dati: La ricerca dimostra che modelli robusti e pronti per l'uso possono essere sviluppati utilizzando una quantità minima di dati locali (180 immagini) combinando pre-addestramento su grandi dataset pubblici e appropriate strategie di fine-tuning.

Gli autori concludono che le loro scoperte forniscono una base metodologica per lo sviluppo di sistemi adattivi di classificazione delle malattie agricole, pur notando che sono necessari lavori futuri per valutare i costi computazionali sui dispositivi edge e per generalizzare queste scoperte ad altre specie colturali.