《Agriculture》:YOLO-SD: A Multiscale Detection Network with SimAM Attention and Improved Dilation-Wise Residual Module for Toxic Wild Mushroom Detection in Complex Field Images
编辑推荐:
准确且快速地识别有毒野生蘑菇对于食品安全和公共卫生至关重要,然而现有的视觉检测方法因物种间形态高度相似、野外背景复杂以及尺度变化剧烈而面临严重局限。为解决上述挑战,研究人员提出YOLO-SD,一种基于YOLOv11的改进多尺度检测模型。在骨干网络末端C2PSA
准确且快速地识别有毒野生蘑菇对于食品安全和公共卫生至关重要,然而现有的视觉检测方法因物种间形态高度相似、野外背景复杂以及尺度变化剧烈而面临严重局限。为解决上述挑战,研究人员提出YOLO-SD,一种基于YOLOv11的改进多尺度检测模型。在骨干网络末端C2PSA层之后嵌入轻量级简单注意力模块(SimAM),对深层语义特征进行重新加权,突出判别性区域。与此同时,颈部第一个C3k2模块被替换为采用改进膨胀残差模块(DWR)结构的优化C3k2模块(记为C3k2_DWR),该模块采用双膨胀分支、部分深度卷积以及可学习缩放系数,以较低参数开销增强多尺度特征提取。消融实验验证了两个模块之间显著的互补效应,二者组合在IoU为0.5时达到0.883的平均精度均值(mAP@50),优于各单模块版本及0.865的YOLOv11基线。对比结果表明,YOLO-SD达到89.3%的精确率(Precision)和80.8%的召回率(Recall),优于主流YOLO变体,同时保持较高推理效率。该工作为野生毒蘑菇危害早期预警提供了有效的智能识别解决方案,有助于农业生态安全与食物链风险管理。
一、研究背景与问题
蘑菇因其丰富的营养成分和在生态平衡中的作用而受到重视,其安全利用对公共卫生和可持续生物生产系统至关重要。然而,野生蘑菇的形态多样性以及可食用与有毒物种之间的视觉相似性带来了巨大的识别挑战,导致危及生命的中毒风险,损害食品安全和采集可持续性。传统蘑菇识别主要依赖专家观察,效率低、主观性强,且对采集者、农业推广服务和环境管理者等利益相关者而言难以普及。这些局限凸显了开发高效可靠的毒蘑菇识别方法和系统的必要性。
过去五年,研究重点转向利用先进技术构建自动化识别系统,主要分为分子/生化方法和基于计算机视觉的技术。分子方法如DNA条形码、多重TaqMan实时聚合酶链反应和环介导等温扩增(LAMP)虽具有高准确性,但依赖专业实验室设备且耗时长,不适合野外快速检测。因此,计算机视觉尤其是深度学习成为农业应用中实时识别的更实用方案。早期研究采用多粒度级联森林等传统机器学习模型,随后卷积神经网络(CNN)占据主导。研究者探索了多种CNN架构,包括结合坐标注意力的EfficientNetV2(CA-EfficientNetV2)、改进ShuffleNetV2、改进Xception迁移学习及双线性神经网络,并引入Transformer架构进行蘑菇物种分类。
在此背景下,YOLO系列目标检测器因其独特的框架优势,特别适合野外环境中毒蘑菇的实时识别需求。自2015年YOLOv1提出以来,YOLO系列持续演进,YOLOv2、YOLOv3增强特征提取和多尺度预测能力,YOLOv4系统整合优化策略,YOLOv5简化实现与训练流程,YOLOv6、YOLOv7、YOLOv8进一步细化网络架构,YOLOX、YOLOR、YOLO-NAS探索新架构范式,YOLOv9、YOLOv10及以注意力为中心的YOLOv11持续提升表征学习与精度。YOLOv11以其均衡效率成为本任务的理想起点,但其在12种毒蘑菇的细粒度识别任务中仍存在不足,主要体现在:不同毒蘑菇物种形态高度相似;蘑菇尺寸和视觉特征随生长阶段和野外成像条件变化大;自然野外场景背景复杂杂乱。
二、研究内容与结论
针对上述问题,研究人员提出YOLO-SD,一种基于YOLOv11的改进模型,包含两处针对性修改:在骨干网络末端添加轻量级SimAM注意力模块;将颈部首个C3k2模块替换为优化的C3k2_DWR模块。
数据集基于Kaggle公开蘑菇物种数据集构建,人工筛选12种代表性毒蘑菇物种,经清洗和去重后保留1801张有效图像,通过自定义Python数据增强流程(包括旋转翻转、亮度调整、裁剪缩放、噪声添加)扩充至7561张标注图像,按8:1:1划分训练、验证和测试集。实验采用SGD优化器,初始学习率0.01,动量0.937,权重衰减0.005,训练150轮,批量大小4,输入分辨率统一为640×640像素。
三、关键技术方法
研究人员采用的主要技术方法包括:基于YOLOv11的基线架构;轻量级SimAM注意力模块,采用无参数设计,通过能量函数驱动,对深层语义特征进行自适应重新加权;改进的膨胀残差模块(DWR),将膨胀分支从三个(膨胀率1、3、5)减少为两个(膨胀率1、2),部分标准膨胀卷积替换为深度卷积,并在残差连接中引入可学习缩放系数α;Grad-CAM++类激活热图可视化方法。
四、研究结果
消融实验:C3k2_DWR模块单独使用时,召回率从78.6%提升至80.8%,但精确率从85.8%降至77.2%,mAP_0.5略降至86.1%,表明多尺度膨胀卷积单独使用虽提升不同尺度目标的检测覆盖,但引入更多误检。SimAM模块单独嵌入时各指标均有不同程度下降,精确率降至82.3%,mAP_0.5:0.95从70.2%降至67.5%,表明独立特征重加权缺乏多尺度特征增强配合时无法有效适应细粒度识别任务。完整YOLO-SD模型达到最佳平衡:精确率89.3%(较基线提升3.5%),召回率80.8%,mAP_0.5达88.3%(较基线提升近2%),mAP_0.5:0.95达70.5%,参数量保持约2.57M,FLOPs保持6.3G。
与其他模型对比:YOLO-SD在毒蘑菇检测任务中取得最佳综合性能,精确率89.3%,mAP_0.5为88.3%,mAP_0.5:0.95为70.5%。相比YOLOv8-n、YOLOv10-n、YOLOv11-n和YOLOv12-n,mAP_0.5分别提升3.6%、5.8%、1.8%和4.9%;精确率分别超出2.4%、6.3%、3.5%和8.0%;召回率达到领先的80.8%,分别提升6.9%、9.5%、2.2%和2.6%。参数量2.57M略低于基线YOLOv11-n的2.58M,FLOPs保持6.3G。
训练与测试结果:所有损失指标持续下降并在80轮后稳定收敛,无过拟合迹象。精确率、召回率和mAP在训练早期快速上升并稳定在高水平。各类别中,铜绿球盖菇(Stropharia aeruginosa)AP最高达0.990,乳牛肝菌(Lactarius turpis)、赭红拟口蘑(Tricholomopsis rutilans)和柠檬黄鹅膏(Amanita citrina)AP超过0.93;波赫假杯伞(Verpa bohemica)、簇生黄韧伞(Hypholoma fasciculare)和豹斑鹅膏(Amanita pantherina)表现相对较低,AP分别为0.649、0.769和0.804。整体F1分数在置信度阈值0.56时达到峰值0.84。混淆矩阵显示,柠檬黄鹅膏正确分类率达1.00,铜绿球盖菇、赭红拟口蘑和橙黄拟蜡伞(Hygrophoropsis aurantiaca)正确率均高于0.9;波赫假杯伞正确率最低为0.62。相似物种间存在相互误分类现象,如11%的鹿花菌(Gyromitra esculenta)样本被误分类为褐鹿花菌(Gyromitra infula),20%的绒边乳菇(Lactarius torminosus)样本被误分类为乳牛肝菌。
模型可视化:Grad-CAM++热图显示,相比基线YOLOv11-n,YOLO-SD的激活区域更集中于蘑菇菌体,对目标关键判别部位响应更强,背景区域无关激活更少,表明SimAM注意力模块与改进DWR模块的组合有助于模型聚焦目标本身、抑制背景干扰并学习更具判别性的特征。
五、讨论与结论
研究结果表明,SimAM模块和改进DWR模块协同工作:SimAM模块对深层特征重新加权以突出蘑菇分类关键区域,仅增加极少模型复杂度;改进DWR模块通过优化膨胀分支、采用深度卷积和引入可学习缩放因子,增强复杂自然环境中的多尺度特征提取。训练动态分析验证了架构改进带来稳定收敛和更低最终损失值。可视化结果确认YOLO-SD对判别性蘑菇特征产生更集中的关注,同时有效抑制背景干扰。
本研究为毒蘑菇检测提供了可行且实用的工程解决方案,可支持生物系统监测、野生采集安全指导和生物资源可持续利用,为环境管理者、农业从业者和食品安全监管者提供实用技术工具,促进食品安全和生态保护。未来工作将使用地理异质数据集进行额外验证,并将模型扩展到更广泛的真菌物种识别。