A Lightweight Browser-Based CNN for Fresh Produce Freshness Classification Using MobileNetV2

Resumo Técnico: Uma CNN Leve Baseada em Navegador para Classificação de Frescor de Produtos Agrícolas Utilizando MobileNetV2

Definição do Problema
As perdas pós-colheita de produtos frescos ameaçam a segurança alimentar global, particularmente em cadeias de suprimentos com recursos limitados, onde a avaliação da qualidade depende da inspeção manual subjetiva. Embora o aprendizado de máquina tenha melhorado a eficiência agrícola em áreas como detecção de pragas e previsão de rendimento, ferramentas acessíveis para que os stakeholders da linha de frente tomem decisões de manuseio e armazenamento permanecem subatendidas. As abordagens de visão computacional existentes frequentemente dependem de equipamentos de sensoriamento especializados, medições laboratoriais ou conectividade contínante à nuvem, limitando sua implementação em ambientes agrícolas de baixa conectividade. Além disso, muitos estudos priorizam a classificação de acurácia de destaque, negligenciando a calibração de confiança preditiva, a robustez contra vazamento de dados e arquiteturas de implantação prática. Este estudo aborda a necessidade de um sistema de classificação visual leve que opere em dispositivos comuns sem infraestrutura especializada, enquanto avalia rigorosamente o desempenho além das simples métricas de acurácia.

Metodologia
O estudo propõe um sistema de dois componentes: uma Rede Neural Convolucional (CNN) baseada em MobileNetV2 para classificação binária (fresco vs. podre) e uma aplicação web baseada em navegador para inferência no lado do cliente.

• Dados e Pré-processamento: O sistema utiliza um conjunto de dados público de aproximadamente 30.000 imagens rotuladas abrangendo nove tipos de produtos (maçã, banana, bordo, pimentão, pepino, quiabo, laranja, batata e tomate). A divisão original de treino/teste do conjunto de dados foi mantida para garantir a comparabilidade com benchmarks anteriores, embora o conjunto de teste cubra apenas sete dos nove tipos. As imagens foram redimensionadas para 224×224 pixels e escalonadas para o intervalo [0, 1]. Aumentos de dados em tempo real (rotação, zoom, cisalhamento, inversão horizontal) foram aplicados durante o treinamento.
• Arquitetura do Modelo: A MobileNetV2 foi selecionada como a espinha dorsal devido ao seu equilíbrio entre acurácia e eficiência computacional. A base convolucional pré-treinada no ImageNet foi congelada para extração de características, com uma cabeça de classificação compacta anexada (global average pooling, uma camada densa de 128 unidades com ReLU, dropout e uma saída sigmoide). O modelo contém ~2,42 milhões de parâmetros totais, sendo apenas ~164.000 treináveis.
• Treinamento e Avaliação: O modelo foi treinado usando TensorFlow com o otimizador Adam e perda de entropia cruzada binária. As métricas de avaliação incluíram acurácia, precisão, recall, F1-score, ROC-AUC, Precisão Média, Brier score e Erro de Calibração Esperada (ECE). Crucialmente, uma auditoria de vazamento de dados foi realizada usando hashing MD5 e agrupamento por chave de origem para identificar e remover duplicatas exatas de bytes e duplicatas próximas entre os conjuntos de treino e teste.
• Comparação de Baseline: Para contextualizar a MobileNetV2, o estudo a comparou com ResNet50, EfficientNetB0 e VGG16. Esses baselines foram treinados sob um protocolo correspondente usando suas respectivas funções de pré-processamento nativas para garantir uma extração de características justa.
• Implantação: O modelo treinado foi convertido para TensorFlow.js e implantado como uma aplicação web estática. A inferência ocorre inteiramente no lado do cliente, não exigindo servidor, conexão contínua com a internet ou hardware especializado. A aplicação fornece uma classificação, um "Índice de Frescor Visual" (VFI) derivado da confiança, heurísticas de armazenamento indicativas e um relatório PDF exportável.

Principais Contribuições

1. Classificação Caracterizada por Confiabilidade: Desenvolvimento de um classificador MobileNetV2 avaliado não apenas por acurácia, mas também por métricas de classe, medidas de discriminação (ROC-AUC) e análise de calibração.
2. Indicador de Confiança Calibrado: Derivação do Índice de Frescor Visual (VFI), definido como a probabilidade estimada pelo modelo da classe fresca, escalonada de 0 a 100. O estudo posiciona explicitamente isso como um indicador de confiança calibrado, em vez de uma medida direta de frescor físico-químico.
3. Implantação no Navegador do Lado do Cliente: Implementação de uma aplicação baseada em navegador usando TensorFlow.js que permite inferência offline e sem servidor, reduzindo a dependência de infraestrutura especializada.
4. Auditoria de Robustez Rigorosa: Uma análise abrangente de vazamento demonstrando que o alto desempenho não é apenas um artefato de duplicação de dados entre treino e teste, juntamente com uma análise comparativa dos impactos do pré-processamento específico da arquitetura.

Resultados

• Desempenho: No conjunto de teste retido (6.738 imagens), o modelo MobileNetV2 alcançou uma acurácia geral de 98,46%, um F1-score macro-médio de 0,985 e um ROC-AUC de 0,9989.
• Calibração: Os escores de confiança do modelo foram bem calibrados, com um Erro de Calibração Esperada (ECE) de 0,0051 e um Brier score de 0,0122, indicando que as probabilidades preditas acompanham de perto a acurácia empírica.
• Robustez ao Vazamento: A auditoria revelou que 60% das imagens originais de teste eram duplicatas exatas de bytes das imagens de treinamento. Ao reavaliar em um subconjunto "limpo de origem" (316 imagens) livre de duplicatas identificadas, a acurácia permaneceu estável em 99,37%, sugerindo que o desempenho do modelo é robusto e não é impulsionado apenas pela sobreposição de dados.
• Comparação de Baseline: Sob um cronograma de treinamento curto e fixo de seis épocas com pré-processamento nativo, ResNet50, EfficientNetB0 e VGG16 alcançaram acurácias comparáveis (95,5%–97,5%). A MobileNetV2 foi mantida para implantação devido ao seu footprint significativamente menor (2,42M de parâmetros vs. ~10x mais para a ResNet50) e adequação para inferência no lado do cliente.

Significância e Alegações
O artigo afirma que este trabalho preenche a lacuna entre a visão computacional de alto desempenho e a implantação prática e acessível em ambientes de recursos limitados. Ao combinar uma arquitetura MobileNetV2 leve com uma interface baseada em navegador e capaz de operar offline, o sistema oferece uma alternativa viável às soluções de monitoramento que exigem muita infraestrutura. O estudo enfatiza que o Índice de Frescor Visual é uma ferramenta para triagem e suporte à decisão baseada em confiança visual, e não uma medida validada de vida útil física ou qualidade físico-química. Os autores afirmam que a capacidade do sistema de operar sem conectividade contínua ou hardware especializado o torna potencialmente adequado para ambientes agrícolas de baixa conectividade, desde que os usuários compreendam a natureza heurística da orientação de armazenamento e o escopo visual da avaliação. O trabalho conclui que, embora o sistema atual seja um classificador binário, sua avaliação caracterizada por confiabilidade e framework de implantação fornecem uma base para extensões futuras em detecção de defeitos multiclasse e sensoriamento IoT integrado.