Tiny-ViT: A Compact Vision Transformer for Efficient and Explainable Potato Leaf Disease Classification

Resumo Técnico: Tiny-ViT para Classificação de Doenças em Folhas de Batata

1. Problema Identificado

A detecção precoce e precisa de doenças em culturas de batata, especificamente a Requeima Precoce (Early Blight) e a Requeima Tardia (Late Blight), é crucial para garantir a saúde das plantações e maximizar o rendimento. Os métodos tradicionais de detecção são lentos, propensos a erros humanos e não escaláveis. Embora existam soluções baseadas em Deep Learning, elas enfrentam desafios significativos:

• Custo Computacional: Muitos modelos de ponta (SOTA) são pesados e não podem ser implantados em dispositivos com recursos limitados (edge devices) usados no campo.
• Falta de Generalização: Modelos frequentemente sofrem de overfitting devido à falta de validação cruzada e uso de conjuntos de dados controlados e pequenos.
• Caixa Preta (Black Box): A maioria dos modelos carece de interpretabilidade, dificultando a confiança dos agricultores nas previsões, pois não explicam por que uma doença foi diagnosticada.

2. Metodologia Proposta

O artigo propõe o Tiny-ViT, uma arquitetura compacta e eficiente baseada em Vision Transformers (ViT), otimizada especificamente para a classificação de doenças em folhas de batata.

• Conjunto de Dados: Utilizou-se um conjunto de dados do Kaggle contendo 1.500 imagens (500 por classe: Requeima Precoce, Requeima Tardia e Saudáveis).
• Pré-processamento: As imagens passaram por redimensionamento, CLAHE (Equalização de Histograma Adaptativa de Contraste) para realce de características, Blur Gaussiano para redução de ruído e normalização de pixels.
• Divisão e Aumento de Dados: O conjunto foi dividido em 75% para treino, 10% para validação e 15% para teste. Foi aplicado aumento de dados (rotação, espelhamento, zoom e ajuste de brilho) no conjunto de treino para melhorar a generalização.
• Arquitetura do Modelo (Tiny-ViT Customizado):
  • Baseado no modelo TinyViT de 5M parâmetros.
  • Modificações: Adição de duas camadas extras: uma camada transformadora adicional para extrair características mais detalhadas e uma camada feedforward adicional para melhorar o aprendizado de fronteiras de decisão não lineares.
• Explicabilidade (XAI): Integração do Grad-CAM (Gradient-weighted Class Activation Mapping) para visualizar as regiões da imagem que mais influenciaram a decisão do modelo, garantindo transparência.
• Comparação: O modelo foi comparado com baselines como DEIT Small, SWIN Tiny e MobileViT XS.

3. Principais Contribuições

1. Arquitetura Otimizada: Proposta de uma versão customizada do Tiny-ViT que equilibra alta precisão com baixo custo computacional, ideal para sistemas com recursos limitados.
2. Avaliação Robusta: Implementação de um framework de avaliação abrangente que inclui validação cruzada estratificada (5-fold), Métrica de Correlação de Matthews (MCC) e Intervalos de Confiança (CI), superando a dependência de apenas acurácia em testes simples.
3. Interpretabilidade: Incorporação de XAI via Grad-CAM, permitindo que os usuários vejam visualmente as áreas de doença nas folhas, aumentando a confiança no sistema.
4. Eficiência Computacional: Demonstração de que o modelo é viável para aplicações em tempo real em dispositivos de borda, com tempos de inferência competitivos.

4. Resultados Experimentais

O Tiny-ViT proposto superou todos os modelos de base em todas as métricas principais:

• Acurácia:
  • Acurácia de Teste: 99,85% (o mais alto entre todos os modelos).
  • Acurácia Média de Validação Cruzada (CV): 99,82%, demonstrando excelente generalização e estabilidade.
  • Comparação: Superou MobileViT XS (99,55%), SWIN Tiny (99,30%) e DEIT Small (99,48%).
• Métricas de Confiabilidade:
  • MCC (Matthews Correlation Coefficient): 0,9990, indicando uma correlação quase perfeita entre previsões e rótulos reais.
  • Intervalo de Confiança (CI): [0,9980, 0,9995], mostrando baixa variância e alta confiabilidade.
• Eficiência e Tempo de Inferência:
  • O modelo apresentou o menor tempo de inferência em teste (0,57 segundos), sendo ligeiramente mais rápido que o MobileViT XS (0,54s) e significativamente mais rápido que o SWIN Tiny (0,86s), mantendo a maior precisão.
• Análise de Erros: A matriz de confusão revelou apenas 2 erros de classificação em 225 amostras de teste (1 Requeima Precoce classificada como Tardia e 1 Saudável classificada como Precoce), demonstrando alta robustez.
• Visualização: O Grad-CAM confirmou que o modelo foca corretamente nas áreas lesionadas das folhas, validando a lógica de decisão.

5. Significado e Impacto

Este trabalho preenche lacunas críticas na aplicação de IA na agricultura:

• Viabilidade Prática: Ao reduzir o custo computacional sem sacrificar a precisão, o Tiny-ViT torna possível a implantação de sistemas de diagnóstico de doenças em dispositivos móveis ou embarcados no campo, permitindo que agricultores realizem diagnósticos em tempo real.
• Confiança do Usuário: A integração de explicabilidade (XAI) resolve o problema da "caixa preta", permitindo que os usuários entendam e confiem nas previsões do modelo.
• Generalização: A alta performance em validação cruzada sugere que o modelo é robusto o suficiente para lidar com variações em dados do mundo real, não apenas em dados controlados de laboratório.

Em conclusão, o Tiny-ViT representa um avanço significativo na classificação de doenças de plantas, oferecendo uma solução que é simultaneamente precisa, eficiente e explicável, pronta para ser integrada em sistemas de agricultura de precisão.