Deep Feature Optimization for Enhanced Fish Freshness Assessment

Resumo Técnico: Otimização de Recursos Profundos para Avaliação Aprimorada da Frescura de Peixes

Declaração do Problema
Avaliar a frescura de peixes é crítico para a segurança alimentar e a estabilidade econômica na indústria de frutos do mar. Os métodos tradicionais de avaliação sensorial são subjetivos, consomem tempo e são difíceis de escalar. Embora as abordagens recentes de aprendizado profundo tenham automatizado a previsão visual de frescura, desafios permanecem quanto à precisão e à transparência dos recursos. Especificamente, no conjunto de dados público "Frescura dos Olhos de Peixe" (FFE), os modelos profundos existentes alcançaram apenas precisões moderadas (variando de 63% a 77%), sugerindo que distinguir diferenças sutis interclasse na aparência dos olhos requer representações mais discriminativas e interpretáveis. Além disso, estudos existentes frequentemente avaliam redes profundas de maneira ponta a ponta, sem analisar explicitamente como os níveis de abstração de recursos ou mecanismos de seleção impactam o desempenho.

Metodologia
O estudo propõe um framework unificado de três estágios, projetado para refinar e aproveitar representações visuais profundas para classificação de frescura de peixes. A metodologia procede da seguinte forma:

1. Ajuste Fino de Backbones Profundos: Cinco arquiteturas de visão de última geração — ResNet-50, DenseNet-121, EfficientNet-B0, ConvNeXt-Base e Swin-Tiny — foram ajustadas finamente usando busca aleatória para otimização de hiperparâmetros. Isso estabeleceu uma linha de base robusta para classificação de frescura baseada em imagens.
2. Extração de Recursos Multinível e Classificação Híbrida: Em vez de confiar apenas na camada final de classificação softmax, embeddings profundos foram extraídos de estágios intermediários (nível médio) e finais (nível alto) de abstração de cada backbone. Esses recursos foram condensados via Pooling de Média Global (GAP) e alimentados em sete classificadores clássicos de aprendizado de máquina: Regressão Logística, K-Vizinhos Mais Próximos, Máquina de Vetores de Suporte, Redes Neurais Artificiais, Floresta Aleatória, Árvores Extras, LightGBM e CatBoost. Essa abordagem híbrida visou determinar se mecanismos de decisão explícitos poderiam aprimorar o poder discriminativo além das saídas padrão de redes profundas.
3. Seleção de Recursos Incorporada: Para abordar alta dimensionalidade e redundância, três métodos de seleção de recursos incorporados foram aplicados para identificar subconjuntos compactos e informativos: Máquina de Gradiente de Boosting Leve (LGBM), Floresta Aleatória (RF) e regressão Lasso (L1). Esses métodos integraram a avaliação de relevância de recursos diretamente no processo de treinamento do modelo.
4. Interpretabilidade: Grad-CAM (Mapeamento de Ativação de Classe Ponderado por Gradiente) foi empregado para visualizar a atenção espacial dos modelos, validando que as decisões eram baseadas em pistas visuais significativas relacionadas à frescura do peixe (por exemplo, turvação e estrutura do olho).

Principais Contribuições

• Análise Sistemática de Níveis de Abstração: O estudo é o primeiro a analisar sistematicamente como os níveis de abstração de recursos profundos (nível médio vs. nível alto) afetam conjuntamente a classificação de frescura de peixes no conjunto de dados FFE.
• Framework Híbrido Profundo-ML: Demonstra uma integração inovadora onde backbones profundos servem como extratores de recursos para classificadores clássicos de aprendizado de máquina, em vez de depender de aprendizado profundo ponta a ponta.
• Otimização de Recursos: A pesquisa identifica que a seleção de recursos incorporada, particularmente usando LGBM, pode reduzir significativamente a dimensionalidade dos recursos enquanto melhora ou mantém a precisão.
• Benchmarks Abrangentes: O estudo fornece uma avaliação comparativa de cinco arquiteturas de visão diversas (incluindo Transformers e ConvNets modernos) e múltiplos classificadores de ML no mesmo conjunto de dados sob condições idênticas.

Resultados Experimentais
Os experimentos foram conduzidos no conjunto de dados FFE, compreendendo 4.390 imagens em três categorias de frescura ("Altamente Fresco", "Fresco", "Não Fresco").

• Desempenho de Linha de Base: Entre os modelos profundos ajustados finamente, o Swin-Tiny alcançou a maior precisão de 84,85%, seguido de perto pelo ConvNeXt-Base (84,51%).
• Desempenho Híbrido: Usando recursos profundos extraídos dos estágios de alto nível (Estágio 4) do Swin-Tiny combinados com um classificador de Árvores Extras (ET), o sistema alcançou uma precisão de 85,88%, superando o modelo Swin-Tiny autônomo.
• Impacto da Seleção de Recursos: A aplicação de seleção de recursos baseada em LGBM otimizou ainda mais os resultados. A melhor configuração utilizou recursos do Swin-Tiny (reduzidos para 77 recursos, representando uma redução de 90% do conjunto completo de 768 dimensões) classificados por um modelo de Floresta Aleatória (RF), alcançando uma precisão máxima de 85,99%.
• Comparação com o Estado da Arte: A melhor configuração proposta superou estudos recentes no mesmo conjunto de dados FFE por margens significativas: 8,43% sobre Hoang et al. (2025), 8,69% sobre Yildiz et al. (2024) e 22,78% sobre Prasetyo et al. (2022b).
• Análise de Eficiência: Embora o ConvNeXt-Base oferecesse alta precisão, era computacionalmente intensivo. O Swin-Tiny emergiu como a solução mais equilibrada, oferecendo a maior precisão com requisitos moderados de recursos (27,5M de parâmetros, 44,1s por época).

Significado e Alegações
Os autores afirmam que seu framework aborda efetivamente as limitações de estudos anteriores, que frequentemente dependiam de conjuntos de dados pequenos, regiões anatômicas únicas ou recursos exclusivamente artesanais. Ao combinar sistematicamente transformadores de visão modernos com classificadores de ensemble tradicionais e seleção de recursos baseada em boosting, o estudo demonstra uma estratégia que é precisa e generalizável para avaliação visual de qualidade.

O artigo enfatiza que a melhoria decorre da capacidade do framework híbrido de capturar tanto padrões semânticos quanto pistas físicas, enquanto a etapa de seleção de recursos isola subconjuntos compactos e informativos que reduzem o ruído. Os autores observam que, embora os resultados sejam promissores, o framework é atualmente limitado pela escala e condições idealizadas do conjunto de dados FFE. Eles sugerem que trabalhos futuros devem focar no desenvolvimento de representações híbridas que combinem recursos profundos e artesanais para capturar tanto atributos semânticos quanto físicos, e validar a abordagem em conjuntos de dados reais maiores e mais diversos para melhorar a robustez em ambientes industriais.