Deep Learning for Saffron Adulteration Detection from Stigma Images: A Comparative Study of AlexNet, ResNet, and VGG16

Resumo Técnico: Aprendizado Profundo para Detecção de Adulteração de Açafrão a partir de Imagens de Estigmas

Definição do Problema
O açafrão (Crocus sativus L.) é um tempero de alto valor suscetível à adulteração motivada economicamente (EMA), onde materiais fraudulentos, como seda de milho tingida, estames de cártamo e raízes de plantas coloridas, são misturados com estigmas autênticos para imitar a aparência e aumentar o peso bruto. Embora as técnicas laboratoriais convencionais, como HPLC, GC–MS e espectroscopia UV–Vis, ofereçam alta precisidade, elas são destrutivas, demoradas, dispendiosas e exigem infraestrutura especializada, o que limita sua utilidade para triagem pós-colheita rápida. As abordagens de visão computacional existentes, que dependem de características extraídas manualmente (handcrafted features), muitas vezes falham em generalizar sob iluminação variável ou variabilidade morfológica natural. Há uma necessidade de um sistema automatizado rápido, não destrutivo e de baixo custo para autenticar a qualidade do açafrão em linhas de processamento pós-colheita.

Metodologia
O estudo empregou uma análise comparativa de três arquiteturas de Redes Neurais Convolucionais (CNN) — AlexNet, ResNet e VGG16 — utilizando aprendizado por transferência (transfer learning) para distinguir entre estigmas de açafrão autênticos e contrafeitos.

• Conjunto de Dados: Foi montado um conjunto de dados curado de 1.020 imagens RGB rotuladas por especialistas, compreendendo 719 amostras autênticas (abrangendo os graus Sargol, Negin e Pushal) e 301 amostras contrafeitas (mímicos de adulterantes comuns preparados em laboratório). Para evitar o vazamento de dados (data leakage), cada amostra física foi fotografada apenas uma vez.
• Pré-processamento: As imagens foram capturadas usando uma Canon 700D DSLR. O pré-processamento envolveu o corte de 10% das margens das bordas, a aplicação de máscaras binárias para isolar os filamentos e a homogeneização do fundo via limiarização RGB (substituindo pixels com valores >180 por branco). As imagens foram redimensionadas para entradas específicas da arquitetura (ex: 227×227 para AlexNet) e normalizadas.
• Aumento de Dados: Uma estratégia de aumento de dados online foi aplicada durante o treinamento, incluindo rotações aleatórias (0–360°) e inversões horizontais/verticais para aumentar a robustez. Os conjuntos de validação e teste não foram aumentados.
• Configuração do Modelo: As camadas de classificação finais dos modelos pré-treinados (pesos do ImageNet) foram substituídas por uma camada totalmente conectada de duas unidades e ativação softmax. Os modelos foram ajustados (fine-tuned) de ponta a ponta usando Gradiente Descendente Estocástico (SGD) com momento (0,9), um tamanho de lote (mini-batch) de 64 e uma taxa de aprendizado inicial de 1e-4 por 50 épocas.
• Implementação: O treinamento foi conduzido em um sistema baseado em CPU (Intel Core i5-6200U, 8GB RAM) usando MATLAB R2020a. O conjunto de dados foi dividido em 80% para treinamento e 20% para validação, com um conjunto de teste separado para avaliação final.
• Avaliação: O desempenho foi medido utilizando Acurácia, Sensibilidade (Recall para contrafeitos), Especificidade (Recall para autênticos), Precisão (PPV) e Valor Preditivo Negativo (NPV).

Resultados Principentes
O estudo avaliou a capacidade dos modelos em detectar a adulteração visual:

• AlexNet: Alcançou a maior acurácia geral de 96,49%. Demonstrou 100% de sensibilidade (identificando corretamente todas as amostras contrafeitas) e 93,75% de especificidade. Apresentou convergência rápida dentro de 15–20 épocas.
• ResNet-50: Alcançou 94,74% de acurácia. Exibiu 100% de especificidade e 100% de precisão, mas menor sensibilidade (90%), resultando em três falsos negativos (classificando erroneamente amostras adulteradas como autênticas).
• VGG16: Alcançou 87,72% de acurácia. Embora tenha atingido 100% de sensibilidade, sua especificidade foi significativamente menor (79,41%), levando a uma maior taxa de falsos positivos (classificando erroneamente amostras autênticas como adulteradas). Os autores atribuem este desempenho inferior à profundidade do modelo e à contagem de parâmetros em relação ao tamanho do conjunto de dados, bem como às restrições computacionais do treinamento baseado em CPU, que limitaram a convergência eficaz.

Significância e Alegações
O artigo afirma que o aprendizado profundo, especificamente as CNNs, oferece uma alternativa viável, rápida e não destrutiva para a análise química de autenticação de açafrão. A principal contribuição é demonstrar que mesmo arquiteturas relativamente compactas como a AlexNet podem capturar efetivamente as características morfológicas e cromáticas salientes necessárias para distinguir estigmas genuínos de contrafeitos visuais, superando modelos mais profundos neste contexto específico devido a melhores dinâmicas de otimização em conjuntos de dados de tamanho moderado.

Os autores posicionam este trabalho como uma base para integrar a triagem impulsionada por IA no controle de qualidade pós-colheita, classificação e inspeções de exportação. Eles enfatizam que a alta sensibilidade do modelo AlexNet é particularmente valiosa para aplicações de triagem onde perder uma amostra adulterada (falso negativo) representa um risco econômico maior do que um alarme falso.

Limitações e Direções Futuras
Os autores reconhecem explicitamente várias limitações:

1. Condições de Imagem: O estudo utilizou iluminação controlada e fundos uniformes, o que pode não replicar totalmente ambientes pós-colheita do mundo real complexos com filamentos sobrepostos e iluminação variável.
2. Validação: As métricas de desempenho basearam-se em uma única divisão aleatória de dados sem validação cruzada k-fold.
3. Restrições de Hardware: O treinamento em uma CPU, particularmente para a VGG16, provavelmente prejudicou a convergência ideal.
4. Generalização: O estudo não empregou validação cruzada ou testes em conjuntos de dados diversos e de grande escala.

O trabalho futuro sugerido pelos autores inclui a validação dos modelos em conjuntos de dados maiores e mais diversos, o emprego de validação cruzada k-fold, o uso de aceleração por GPU, a integração de IA explicável (XAI) para transparência e o desenvolvimento de modelos leves para inferência em dispositivos (ex: via smartphones) para implantação no mundo real. Os autores também propõem explorar pipelines híbridos de imagem-espectroscopia para uma autenticação mais robusta.