A semi-supervised deep learning model for defective lime classification

• Angel-Moisés Hernández-Ponce ^[1] ; Francisco-Javier Ornelas-Rodríguez ^[1] ; Juan-Bautista Hurtado-Ramos ^[1] ; Pedro-Alfonso Ramírez-Pedraza ^[2] ; José-Joel González-Barbosa ^[1]
  1. [1] Instituto Politécnico Nacional

     Instituto Politécnico Nacional

     México

     
  2. [2] Consejo Nacional de Ciencia y Tecnología
• Localización: Ingeniería e Investigación, ISSN-e 2248-8723, ISSN 0120-5609, Vol. 44, Nº. 3, 2024
• Idioma: inglés
• Títulos paralelos:
  • Modelo semisupervisado de aprendizaje profundo para la clasificación de limones
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Para los consumidores, el criterio predominante en la selección de frutas es la calidad visual, un factor que los modelos de clasificación emulan cuando emplean imágenes como datos de entrada. La mayoría de los paradigmas de clasificación presuponen un equilibrio entre las clases. En el ámbito de la detección de frutas defectuosas, las bases de datos suelen presentar un desequilibrio pronunciado entre el recuento de frutas sanas y defectuosas. Esta disparidad puede comprometer la solidez de los modelos de clasificación o introducir sesgos derivados de la insuficiencia de datos. En este estudio se introduce un marco de clasificación semisupervisada basado en la detección de anomalías para identificar frutos defectuosos de limón (Citrus aurantifolia). El modelo emplea el error de reconstrucción de una red neuronal autoencoder y una probabilidad de anomalía calculada para localizar muestras dentro de un espacio bidimensional diseñado para tal propósito. A partir de los rangos de parámetros definidos, los limones se clasifican como sanos o defectuosos. El modelo de clasificación propuesto fue entrenado mediante la base de datos de acceso público Fruits360 y evaluado con un conjunto de 118 imágenes de limones nuevas y sin etiquetar. El modelo de clasificación obtuvo una precisión del 94 %, una recuperación del 0,88 y un valor F1 0,91 en el conjunto de pruebas. Estos resultados corroboran que los modelos basados en la detección de anomalías constituyen una solución prometedora a los retos inherentes de las tareas de clasificación no equilibradas; ofrecen la ventaja de requerir datos de entrenamiento mínimos y tiempos de entrenamiento reducido, manteniendo la eficacia incluso cuando el conjunto de datos de evaluación diverge sustancialmente del conjunto de entrenamiento. Así, el modelo propuesto puede servir como herramienta de apoyo en las decisiones de agricultores, productores y consumidores.

  • English

    For consumers, the predominant fruit selection criterion is visual quality, a factor that classification models emulate when employing images as input data. Most classification paradigms presuppose a balance across classes. In the field of defective fruit detection, databases commonly exhibit a pronounced imbalance between healthy and defective fruit counts. Such disparity can compromise the robustness of classification models or introduce biases stemming from insufficient data. This study introduces a semi-supervised classification framework based on anomaly detection to identify defective lime fruits (Citrus aurantifolia). The framework employs the reconstruction error obtained from an autoencoder neural network and a calculated anomaly probability to locate samples within a two-dimensional space designed for such purpose. Based on the defined parameter ranges, the limes are categorized as either healthy or defective. The proposed classification model underwent training utilizing the publicly accessible Fruits360 database and was tested with a set of 118 new and unlabeled lime images. The classification model attained a precision of 94%, a recall of 0.88, and an F1-score of 0.91 across the test set. These results corroborate that models based on anomaly detection constitute a promising solution to the inherent challenges of unbalanced classification tasks. They offer the advantage of requiring minimal training data and reduced training times while maintaining efficacy, even when the evaluation dataset diverges substantially from the training set. Thus, the proposed model can serve as a decision support tool for farmers, producers, and consumers.