Deep Learning-Based Meat Freshness Detection with Segmentation and OOD-Aware Classification

Este estudo apresenta um sistema de detecção de frescor de carne baseado em aprendizado profundo que utiliza segmentação U-Net e classificação com mecanismos de rejeição de dados fora de distribuição, demonstrando que o modelo EfficientNet-B0 alcança a maior precisão (98,10%) em imagens RGB e é viável para implantação em dispositivos móveis.

O essencial

Imagine que você está no supermercado, segurando um pacote de carne. Você quer saber se ela está fresca ou se já começou a estragar. Antigamente, você teria que cheirar, tocar ou confiar apenas na cor, o que nem sempre é confiável e pode ser perigoso.

Este artigo de pesquisa é como a criação de um "Super Olho Digital" que ajuda a resolver esse problema. Os pesquisadores da Universidade Auburn e da Universidade Tuskegee desenvolveram um sistema inteligente que usa a câmera do seu celular para dizer se a carne está boa ou ruim, mesmo que ela esteja dentro de um plástico brilhante.

Aqui está como eles fizeram isso, explicado de forma simples:

1. O Problema: Carne "Escondida" e Bagunça

A carne não é fácil de analisar. Ela pode estar:

• Soltinha (na bandeja do açougue).
• Embalada (dentro de plástico, com reflexos de luz, etiquetas e sujeira ao redor).

Se você apenas mostrar uma foto para um computador, ele pode se confundir com o fundo, com o brilho do plástico ou com a bandeja. É como tentar achar um amigo em uma foto de uma festa lotada onde todos estão vestindo roupas iguais e há muita luz piscando.

2. A Solução em Duas Etapas

O sistema deles funciona como um chef de cozinha muito organizado que faz duas coisas antes de decidir:

Etapa 1: O "Recorte Mágico" (Segmentação)

Antes de analisar a carne, o computador usa uma ferramenta chamada U-Net (pense nela como uma tesoura inteligente) para recortar a carne da foto.

• Ele remove a bandeja, o plástico, a luz refletida e o fundo.
• Analogia: É como se você tirasse a carne da bandeja, limpasse o prato e a colocasse em um fundo branco perfeito. Isso ajuda o computador a focar apenas no que importa: a cor e a textura da carne.
• Resultado: Eles conseguiram recortar a carne com 75% de precisão, o que é excelente para limpar a "bagunça" da foto.

Etapa 2: O "Detetive de Frescor" (Classificação)

Depois de ter a carne limpa, o sistema usa vários "detetives" (modelos de Inteligência Artificial) para olhar a carne e dizer: "Está Fresca" ou "Está Estragada".

• Eles testaram 5 tipos diferentes de detetives (alguns são rápidos e leves, outros são mais pesados e complexos).
• O Campeão: O detetive chamado EfficientNet-B0 foi o melhor. Ele acertou 98,1% das vezes! Ele conseguiu distinguir carne fresca de estragada tanto na bandeja quanto dentro do plástico.
• Outros detetives, como o ViT-B/16 (que é muito complexo), tiveram mais dificuldade, como um aluno que estuda demais, mas se perde nos detalhes.

3. O "Botão de Pânico" (Consciência de Erro)

Uma das partes mais legais do estudo é que eles ensinaram o sistema a não chutar quando não tem certeza.

• Imagine que você está em uma sala escura e vê algo que parece um gato, mas pode ser um cachorro. Um sistema burro diria "É um gato!".
• Este sistema, porém, tem um mecanismo de "Sem Resultado". Se a foto estiver muito ruim, com muita luz, ou se a carne estiver em um estado estranho que o sistema nunca viu, ele diz: "Não sei, por favor, peça ajuda a um humano".
• Isso evita que o sistema diga "Está fresca!" para uma carne que já está podre só porque a foto estava escura. É uma medida de segurança.

4. Funciona no Celular? (Velocidade)

Eles não queriam apenas um sistema que funcionasse em computadores gigantes; queriam algo que rodasse no seu celular.

• Eles testaram os modelos em um smartphone comum (Samsung Galaxy A55).
• O Vencedor Rápido: O MobileNetV3-Small é super rápido (leva menos de 1 segundo para analisar), perfeito para usar no mercado.
• O Equilíbrio Perfeito: O EfficientNet-B0 (o mais preciso) também é rápido o suficiente (cerca de 17 milissegundos) para ser usado em tempo real.

Resumo da História

Os pesquisadores criaram um aplicativo de IA que:

1. Limpa a foto da carne (remove o fundo e o plástico).
2. Analisa a carne com alta precisão (quase 98% de acerto).
3. Sabe quando não sabe (se a foto for ruim, ele avisa para não confiar).
4. Funciona no celular de forma rápida.

Por que isso é importante?
Isso pode ajudar a evitar que as pessoas comam carne estragada (o que causa doenças) e também ajuda a reduzir o desperdício de comida (não jogando fora carne que ainda está boa só porque parece um pouco diferente). É como ter um especialista em segurança alimentar no seu bolso, pronto para ajudar a fazer escolhas mais seguras e inteligentes.

Resumo técnico

Título: Detecção de Frescor de Carnes Baseada em Deep Learning com Segmentação e Classificação Consciente de OOD

1. Problema e Motivação

O aumento do consumo de carne exige ferramentas práticas para monitorar a qualidade e a segurança alimentar. A deterioração da carne não apenas aumenta o risco de doenças transmitidas por alimentos, mas também causa perdas econômicas e desperdício.

• Limitações Atuais: Métodos convencionais (análise química, avaliação sensorial) são invasivos, caros e dependem de especialistas. Sistemas baseados em sensores (narizes eletrônicos, imagens hiperespectrais) exigem hardware especializado.
• Desafios Visuais: Abordagens baseadas em visão computacional (câmeras RGB) são de baixo custo, mas enfrentam dificuldades com ruídos de fundo, reflexos, brilho (glare) e interferências de embalagens (plástico, rótulos).
• Lacunas na Literatura: A maioria dos estudos foca apenas em carnes desembaladas e em ambientes controlados. Poucos trabalhos abordam a robustez em condições reais (embaladas) ou incorporam mecanismos para lidar com dados fora da distribuição (OOD), o que pode levar a previsões excessivamente confiantes em cenários não vistos.

2. Metodologia

O trabalho propõe um pipeline de duas etapas que combina segmentação e classificação, utilizando uma abordagem de "abstenção" para dados incertos.

• Conjunto de Dados:

  • Dados Unificados: Combinação de três conjuntos de dados públicos (carne desembalada) e um novo conjunto coletado em abril de 2024 (carne embalada).
  • Classes In-Distribution (ID): Quatro classes: Carne Fresca Embalada, Carne Estragada Embalada, Carne Fresca Desembalada, Carne Estragada Desembalada.
  • Dados OOD (No Result): Um conjunto separado de 800 imagens irrelevantes (bandejas vazias, fundos, etc.) para avaliar a capacidade de rejeição do modelo.
  • Pré-processamento: Limpeza rigorosa para remover duplicatas e near-duplicates (usando perceptual hashing), resultando em 6.256 imagens únicas.
  • Rótulos: Baseados em critérios visuais da AMSA (cor, umidade, textura) e tempo de exposição (10-36h como fresco), servindo como um proxy visual de frescor.

• Arquitetura e Pipeline:

  1. Segmentação (Pré-processamento): Utilização de U-Net com codificadores ResNet (18/34/50) para isolar a região da carne e remover o fundo (bandejas, reflexos).
     • Estratégia de Rótulo: Máscaras "pseudo-ground truth" geradas via algoritmo GrabCut adaptativo, validadas manualmente em uma subamostra.
     • Objetivo: Padronizar a entrada para o classificador, focando no interior da carne.
  2. Classificação: Cinco backbones diferentes foram avaliados para classificar as 4 classes ID:
     • CNNs: ResNet-50, EfficientNet-B0, MobileNetV3-Small.
     • Transformers: Vision Transformer-Base/16 (ViT-B/16), Swin Transformer-Tiny (Swin-T).
  3. Mecanismo de Abstenção (OOD-Aware): Se a confiança do modelo (probabilidade máxima do softmax) estiver abaixo de um limiar ($\tau$), o sistema retorna "No Result" em vez de forçar uma classificação. Foram testados escores de confiança: MSP (probabilidade máxima), Energy Score e ODIN.

• Validação:

  • Uso de Validação Cruzada Aninhada (5x3) para seleção de hiperparâmetros e avaliação, evitando vazamento de dados.
  • Ajuste fino (fine-tuning) completo das redes.
  • Avaliação de latência em dispositivo móvel (TensorFlow Lite).

3. Principais Contribuições

1. Pipeline Unificado: Um sistema que processa tanto carnes embaladas quanto desembaladas, lidando com complexidades visuais como reflexos de filme plástico.
2. Segmentação como Pré-processamento: Demonstração de que a segmentação U-Net padroniza a região de interesse, melhorando a estabilidade do aprendizado de características.
3. Benchmark Comparativo: Avaliação rigorosa de CNNs e Transformers sob o mesmo protocolo de validação cruzada aninhada.
4. Consciência de OOD e Abstenção: Implementação de um mecanismo de segurança que rejeita entradas incertas ou irrelevantes, crucial para aplicações de segurança alimentar onde erros são custosos.
5. Análise de Desempenho em Dispositivo: Relatório de latência em smartphones, oferecendo insights sobre o compromisso entre precisão e eficiência para implantação real.

4. Resultados

• Segmentação:

  • O ResNet-34 foi selecionado como codificador, alcançando um IoU (Interseção sobre União) de 74,94% e um Coeficiente Dice de 81,88%. Isso confirmou a eficácia na supressão de fundo.

• Classificação (Conjunto de Teste ID):

  • EficientNet-B0 obteve a maior precisão: 98,10%.
  • ResNet-50 e MobileNetV3-Small empataram em segundo lugar: 97,63%.
  • Swin-T: 97,51%.
  • ViT-B/16: Desempenho inferior (94,42%), possivelmente devido à necessidade de mais dados e regularização para capturar estruturas espaciais neste domínio específico.
  • A maioria dos erros ocorreu dentro da mesma condição de embalagem (distinguir fresco vs. estragado), indicando que a distinção visual é sutil, especialmente com reflexos.

• Detecção de OOD:

  • O Energy Score e o ODIN geralmente superaram o MSP (baseline) na separação entre dados ID e OOD (maior AUROC/AUPR).
  • O mecanismo de abstenção permitiu rejeitar amostras de baixa confiança, evitando previsões errôneas em cenários ambíguos.

• Eficiência Computacional (Latência em Smartphone - Galaxy A55):

  • MobileNetV3-Small: Mais rápido (6,36 ms) com alta precisão (97,63%).
  • EfficientNet-B0: Melhor equilíbrio precisão/latência (17,21 ms com 98,10% de precisão).
  • ViT-B/16: Mais lento (462,75 ms) e menos preciso, mostrando o custo de modelos grandes em dispositivos móveis sem quantização avançada.

5. Significado e Conclusão

Este trabalho avança o estado da arte na detecção de frescor de carnes ao:

1. Expandir o escopo: Incluir carnes embaladas, que são mais comuns no varejo e mais difíceis de analisar visualmente.
2. Aumentar a segurança: Introduzir um mecanismo de "No Result" que previne decisões de baixa confiança, alinhando-se a protocolos de segurança alimentar onde a incerteza deve levar a uma verificação manual.
3. Viabilidade de Implantação: Demonstrar que modelos leves (EfficientNet, MobileNet) podem atingir alta precisão com latência aceitável em smartphones, tornando a tecnologia acessível para consumidores e varejistas.

O estudo conclui que a combinação de segmentação, inferência consciente de OOD e validação cruzada rigorosa fornece uma base robusta e escalável para sistemas práticos de monitoramento de segurança alimentar. Trabalhos futuros devem focar em validação microbiológica real e expansão para condições de iluminação e câmeras mais diversas.