Resumo Técnico: Mecanismos de Atenção e Aprendizado por Transferência para Classificação Robusta de Danos em Folhas de Pessegueiro sob Mudança de Domínio

1. Definição do Problema

A avaliação da saúde dos pessegueiros é crítica para o manejo agrícola, mas enfrenta desafios significativos devido às mudanças climáticas que intensificam tanto o estresse abiótico (ex: calor, seca) quanto as pressões bióticas (pragas e doenças). Esses estressores frequentemente se manifestam como sintomas foliares visualmente semelhantes, tornando o diagnóstico manual difícil até mesmo para especialistas. Embora o aprendizado profundo (Deep Learning - DL) ofereça uma solução, os modelos existentes sofrem de um problema de "mudança de domínio" (domain shift): modelos treinados em conjuntos de dados públicos curados e controlados falham ao serem aplicados em imagens de campo do mundo real devido a variações na iluminação, complexidade do fundo, sobreposição de folhas e estágios fenológicos. Além disso, a pesquisa sobre folhas de pessegueiro é frequentemente limitada à classificação binária ou a conjuntos de dados pequenos e mistos, carecendo da granularidade necessária para uma detecção de danos multiclasse robusta em ambientes agrícolas heterogêneos.

2. Metodologia

2.1. Aquisição e Curadoria de Dados

O estudo utilizou dois conjuntos de dados distintos para enfrentar o desafio da mudança de domínio:

• Dataset de Referência Público: Construído a partir do dataset PlantDoc e de um repositório Mendeley Data. Após seleção manual e anotação, compreendeu 1.366 imagens individuais de folhas de pessegueiro categorizadas em seis classes: Mancha bacteriana (Bacterial spot), Estresse abiótico, Estresse mecânico, Presença de ácaros (Mite presence), Insetos mastigadores (Chewing insects) e Saudável (Healthy). O dataset é altamente desbalanceado, dominado pela classe "Saudável".
• Dataset de Campo Local: Um novo dataset de 180 imagens coletadas em um pomar comercial em Jumilla, Murcia, Espanha. Este dataset contém apenas quatro das seis classes (excluindo Mancha bacteriana e Presença de ácaros devido à ausência destes durante o período específico de amostragem). Serve como um banco de testes realista para avaliar a generalização do modelo sob condições locais específicas.

2.2. Arquiteturas de Modelos e Melhorias

O estudo avaliou uma ampla gama de arquiteturas de Redes Neurais Convolucionais (CNN), categorizadas pelo tamanho de parâmetros:

• Leves (Lightweight): MobileNetV2, MobileNetV3-Large.
• Médias (Medium): EfficientNetB0, EfficientNetB3, DenseNet121, ResNet50.
• Pesadas (Large): EfficientNetB5, ResNet101, VGG16, VGG19, InceptionV3.

Uma contribuição metodológica fundamental foi a integração do Módulo de Atenção de Bloco Convolucional (CBAM) em backbones selecionados. O CBAM infere sequencialmente mapas de atenção de canal e espacial para refinar as representações de características. Os autores implementaram o CBAM na saída do estágio convolucional final de cada backbone, seguido de pooling de média global e um cabeçalho de classificação.

2.3. Desenho Experimental

A pesquisa foi conduzida em duas fases:

1. Benchmarking: Modelos foram treinados no dataset público usando validação cruzada de 5 dobras estratificada (repetida 3 vezes). Aumentação de dados (rotação, inversão, ajustes de brilho/contraste) e perda de entropia cruzada categórica ponderada por classe foram empregados para mitigar o desbalanceamento.
2. Aprendizado por Transferência (Adaptação de Domínio): Modelos selecionados foram ajustados (fine-tuned) no dataset local (180 imagens) para avaliar a adaptabilidade. Três estratégias foram comparadas:
   • Extração de Características (Feature Extraction): Congelando o backbone, treinando apenas o cabeçalho.
   • Ajuste do Último Camada (Fine-tune Last): Descongelando apenas as camadas finais.
   • Ajuste Total (Fine-tune All): Descongelando toda a rede (com uma razão de descongelamento de 0,3 na fase inicial de benchmarking, mas ajuste total na fase de transferência).

3. Principais Contribuições

• Novo Benchmark: Estabelecimento de um rigoroso benchmark de 6 classes para classificação de danos em folhas de pessegueiro utilizando dados públicos anotados manualmente.
• Lançamento de Dataset Local: Coleta e lançamento público de um dataset de campo local (180 imagens) para facilitar o estudo da mudança de domínio entre benchmarks públicos e condições do mundo real.
• Análise de Atenção Dependente de Arquitetura: Uma avaliação sistemática demonstrando que a eficácia do CBAM é altamente dependente da arquitetura do backbone subjacente.
• Avaliação de Estratégia de Aprendizado por Transferência: Identificação de estratégias de ajuste fino ideais para diferentes arquiteturas para mitigar a mudança de domínio em regimes de baixos dados.

4. Resultados

4.1. Desempenho de Benchmark (Dataset Público)

• Melhores Desempenhos: A família EfficientNet superou consistentemente outras arquiteturas. A EfficientNetB5 alcançou a maior acurácia geral (91,9%) e o maior F1-score ponderado (0,922) entre modelos sem atenção. A DenseNet121 também apresentou um desempenho forte (92,6% de acurácia).
• Impacto do CBAM: A integração do CBAM gerou resultados dependentes da arquitetura.
  • EfficientNetB5 + CBAM emergiu como o melhor modelo geral, alcançando 93,3% de acurácia e um F1-score ponderado de 93,6%. Mostrou ganhos significativos na detecção de classes minoritárias (ex: classificação perfeita de Mancha bacteriana).
  • InceptionV3 + CBAM mostrou a maior melhoria relativa, particularmente no recall para classes minoritárias.
  • EfficientNetB3 + CBAM apresentou um compromisso (trade-off): enquanto o F1 macro melhorou, o F1 ponderado diminuiu ligeiramente, indicando um deslocamento de foco para as classes minoritárias em detrimento da acurácia agregada.
  • Em alguns casos (ex: DenseNet121), adicionar o CBAM resultou em ganhos negligenciáveis ou negativos de desempenho.

4.2. Desempenho de Aprendizado por Transferência (Dataset Local)

• Gap de Domínio: Modelos treinados apenas com dados públicos tiveram um desempenho ruim no dataset local (ex: F1-scores de base frequentemente abaixo de 0,5), confirmando um gap de domínio significativo.
• Estratégias de Ajuste Fino (Fine-Tuning): O "Ajuste Total" (Fine-tune All - FTA) geralmente rendeu os melhores resultados para arquiteturas mais profundas (DenseNet121, ResNet50, EfficientNetB5), enquanto o "Ajuste da Última Camada" (Fine-tune Last - FTL) foi por vezes superior para modelos mais leves. A extração de características isolada foi insuficiente.
• Melhor Adaptação: EfficientNetB3 + CBAM provou ser a arquitetura mais robusta sob mudança de domínio, alcançando 94,6% de acurácia e um F1 macro de 93,0% após o ajuste fino nos dados locais.
• Adaptabilidade do MobileNet: O modelo MobileNetV3-Large demonstrou uma adaptabilidade excepcional, melhorando seu F1-score de 0,39 para 0,92 (+135% de melhoria relativa) após o ajuste fino, superando modelos maiores no domínio local.
• CBAM na Transferência: Modelos aprimorados com CBAM geralmente mostraram maiores ganhos de transferência em comparação com seus equivalentes sem atenção, sugerindo que os mecanismos de atenção ajudam a rede a focar em características discriminativas, apesar das mudanças de distribuição.

5. Significância e Alegações

O artigo afirma que, embora o aprendizado profundo ofereça um framework para a avaliação automatizada de danos em culturas, sua implementação no mundo real da agricultura exige o enfrentamento da mudança de domínio e do desbalanceamento de classes. O estudo demonstra que:

1. A Robustez é Dependente da Arquitetura: Não existe um modelo ou mecanismo de atenção universalmente superior. A escolha do backbone (ex: EfficientNet vs. MobileNet) e a inclusão de módulos de atenção (CBAM) devem ser adaptadas à distribuição de dados específica e aos requisitos de transferência.
2. Mecanismos de Atenção Auxiliam na Detecção de Minorias: O CBAM melhora significamente a detecção de classes sub-representadas (classes minoritárias) ao refinar a extração de características, embora isso possa vir acompanhado de compensações no desempenho das classes majoritárias.
3. Aprendizado por Transferência é Essencial: O ajuste fino simples de extração de características é insuficiente para adaptar modelos às condições de campo locais. Estratégias sistemáticas de ajuste fino são necessárias para reduzir o gap entre os benchmarks públicos e a implementação no mundo real.
4. Viabilidade de Implementação com Baixos Dados: A pesquisa prova que modelos robustos e implantáveis podem ser desenvolvidos utilizando dados locais mínimos (180 imagens) quando combinados com pré-treinamento em grandes datasets públicos e estratégias de ajuste fino apropriadas.

Os autores concluem que suas descobertas fornecem uma base metodológica para o desenvolvimento de sistemas adaptativos de classificação de doenças agrícolas, embora notem que trabalhos futuros são necessários para avaliar os custos computacionais em dispositivos de borda (edge devices) e para generalizar esses achados para outras espécies de culturas.