An Ensemble Deep Learning Approach for Reliable and Scalable Lemon Leaf Disease Classification

Resumo Técnico: Uma Abordagem de Aprendizado Profundo de Conjunto para a Classificação Confiável e Escalável de Doenças em Folhas de Limão

Definição do Problema
O cultivo de limão é vital para a economia rural em Bangladesh e globalmente, mas as plantas de limão são altamente suscetíveis a várias doenças foliares, como o cancro cítrico, antracnose, mancha gordurosa e fuligem. Essas infecções reduzem significativamente o rendimento e a qualidade dos frutos. Os métodos de detecção tradicionais são intensivos em mão de obra, propensos ao erro humano e frequentemente impraticáveis para a produção em larga escala. Embora estudos recentes tenham explorado Redes Neurais Convolucionais (CNNs) e abordagens de aprendizado de máquina híbridas para a detecção automatizada, permanecem desafios em relação à generalização do modelo, adaptabilidade às condições de campo (iluminação, variações de fundo) e robustez contra dados ruidosos. Este estudo aborda a necessidade de um sistema automatizado e confiável, capaz de diagnóstico precoce e preciso de doenças em nove classes distintas (oito doenças e uma classe saudável).

Metodologia
A pesquisa propõe um framework de aprendizado profundo de conjunto (ensemble) projetado para aumentar a robustez e a precisão da predição. A metodologia segue um pipeline estruturado:

1. Conjunto de Dados e Pré-processamento: O estudo utiliza um conjunto de dados de 1.354 imagens compreendendo nove classes: Antracnose, Cancro Bacteriano, Cancro Cítrico, Vírus do Enrolamento, Deficiência Foliar, Folha Seca, Folha Saudável, Fuligem e Ácaros. As imagens foram redimensionadas para 224×224 pixels e divididas em conjuntos de treinamento (70%), validação (15%) e teste (15%).
2. Arquiteturas Base: Dois modelos CNN pré-treinados foram selecionados por suas características de eficiência e desempenho:
   • InceptionV3: Escolhido por suas camadas profundas e convoluções eficientes, oferecendo alta precisão com computação reduzida.
   • MobileNetV2: Selecionado por sua arquitetura compacta usando resíduos invertidos e gargalos lineares, tornando-o adequado para aplicações com recursos limitados.
3. Estratégia de Conjunto (Ensemble): As predições do InceptionV3 e do MobileNetV2 foram combinadas usando uma técnica de fusão de conjunto para aproveitar os pontos fortes de ambos os modelos e melhorar a confiabilidade geral.
4. Configuração de Treinamento: Os modelos foram treinados por até 200 épocas com um tamanho de lote (batch size) de 32, utilizando o otimizador Adam (taxa de aprendizado de 0,0001) e perda de entropia cruzada categórica. A interrupção precoce (early stopping) com paciência de 10 épocas foi empregada para evitar o sobreajuste (overfitting).
5. Treinamento Adversário: Para garantir a confiabilidade sob condições ruidosas, o treinamento adversário foi aplicado ao modelo de conjunto. Isso envolveu a introdução de perturbações (valores epsilon variando de 0 a 0,2) para avaliar e melhorar a estabilidade do modelo contra distorções de entrada.
6. Explicabilidade: O Mapeamento de Ativação de Classe ponderado pelo Gradiente (Grad-CAM) foi utilizado para visualizar as regiões específicas das imagens das folhas que influenciaram as predições do modelo, fornecendo interpretabilidade.

Principais Resultados

• Desempenho dos Modelos Individuais: O modelo InceptionV3 alcançou uma acurácia de teste de 98,89%, enquanto o MobileNetV2 atingiu 97,45%. Ambos os modelos demonstraram forte convergência e generalização.
• Desempenho do Conjunto (Ensemble): O modelo de conjunto proposto alcançou o maior desempenho com uma acurácia de teste de 99,27%. A matriz de confusão indicou uma classificação quase perfeita em todas as classes, com apenas erros menores de classificação (ex: um Vírus do Enrolamento classificado incorretamente como Antracnose).
• Robustez Adversária: Sob condições adversárias, o modelo de conjunto manteve uma acurácia de pico de 84,70% em um nível de perturbação ($\epsilon$) de 0,1, demonstrando maior resiliência a entradas ruidosas em comparação ao treinamento padrão.
• Visualização: As visualizações de Grad-CAM destacaram com sucesso as regiões infectadas, como o dano por ácaros, com alta confiança (99,52%), validando que o modelo foca em características biologicamente relevantes.
• Benchmarking: O conjunto proposto superou trabalhos anteriores citados na literatura, incluindo estudos que utilizaram VGG19 (95%), conjuntos híbridos de VGG19/AlexNet/Xception (96,51%) e DenseNet-121 (98,56%).

Significância e Alegações
O artigo alega que a integração do InceptionV3 e do MobileNetV2 em um framework de conjunto aumenta significativamente a robustez e a precisão da classificação de doenças em folhas de limão em comparação com abordagens de modelo único. O estudo enfatiza que:

• Confiabilidade: A abordagem de conjunto mitiga efetivamente as limitações de arquiteturas individuais, alcançando 99,27% de acurácia em um conjunto de dados multiclasse.
• Robustez: A aplicação de treinamento adversário aumenta a capacidade do modelo de lidar com dados ruidosos, um fator crítico para o deployment agrícola no mundo real.
• Interpretabilidade: O uso de Grad-CAM fornece confiança nas predições ao confirmar visualmente que o modelo identifica as regiões doentes corretas.
• Aplicação Prática: Os autores desenvolveram um protótipo de aplicação web ("LeafLife") para demonstrar a capacidade do sistema de reconhecimento de doenças em tempo real.

Limitações e Direções Futuras
Os autores reconhecem modestamente várias limitações, incluindo o tamanho relativamente pequeno do conjunto de dados (1.354 imagens), inconsistências na qualidade das imagens, pré-processamento subótimo e desequilíbrio de classes. Eles sugerem que trabalhos futuros devem focar no uso de conjuntos de dados maiores, de alta qualidade e equilibrados para aumentar ainda mais a acurácia de detecção e a robustez. Além disso, propõem refinar as etapas de pré-processamento para lidar melhor com as condições de campo.