面向农业害虫可解释性多分类的Transformer增强混合深度学习模型研究

《Scientific Reports》:Transformer augmented hybrid deep learning for explainable multi class pest classification

【字体: 大 中 小 】 时间:2026年04月05日 来源:Scientific Reports 3.9

编辑推荐:

  为应对农业害虫对全球粮食安全构成的持续威胁,研究人员针对19种害虫,开展了一项面向可解释性的多类别害虫图像分类研究。他们系统评估了多种深度学习架构,包括经典CNN、复合缩放模型、残差架构、自动化NAS模型及新颖的CNN-Transformer混合设计。研究发现,结合注意力机制的混合模型(如Hybrid EfficientNetV2-S + Transformer)性能最优,验证了卷积特征层次与全局自注意力机制结合的有效性,为开发智能精准农业系统提供了指导。

  
想象一下,辛勤耕作的农田里,潜伏着无数微小的“入侵者”——农业害虫。它们悄无声息地吞噬着作物的叶片、茎秆和果实,是导致全球农作物减产、威胁粮食安全的主要元凶之一。传统的害虫监测主要依赖人工巡查,不仅耗时耗力、效率低下,而且对专业知识的依赖性强,难以在广袤的田间实现快速、精准的识别与响应。随着农业数字化浪潮的推进,利用人工智能技术,特别是基于深度学习的图像识别方法,对害虫进行自动化、智能化的监测与分类,成为了一个极具潜力的突破口。然而,田间环境复杂多变,害虫目标小、背景干扰大,对算法的鲁棒性和准确性提出了严峻挑战。为了克服这些难题,探索能够实现高效、准确、可解释的多类别害虫识别方法,对于推动精准农业实践、保障粮食稳产增收具有至关重要的意义。
在此背景下,研究人员在《Scientific Reports》上发表了一项研究,系统地探究了多种深度学习架构在害虫图像多分类任务中的性能。他们旨在回答一个核心问题:在众多先进的深度学习模型中,哪些架构或策略能最有效地从复杂的田间图像中识别出多种害虫?为此,他们构建了一个覆盖19种害虫物种的数据集,并设计了一套包含模型评估与图像预处理的综合性实验方案。
为开展研究,作者主要应用了以下关键技术方法:首先,在图像预处理阶段,采用了多种图像分割算法(包括GrabCut、Watershed、SLIC和Felzenszwalb算法)对田间害虫图像进行前景隔离与背景简化,生成结构优化的图像表示以供下游分类模型使用。其次,在模型构建与评估方面,研究系统地实验了多种深度学习架构,包括经典的卷积神经网络(CNN)如MobileNetV2、VGG16;复合缩放模型如EfficientNetB0/B3、EfficientNetV2-B0;残差架构如ResNet50;自动化神经架构搜索(NAS)模型如Xception、NASNetLarge;以及新颖的混合CNN-Transformer设计,包括Hybrid InceptionResNetV2、Hybrid ResNet50 + CBAM、Hybrid EffNet-Transformer和Hybrid EfficientNetV2-S + Transformer。研究通过验证集准确率、宏观F1分数(macro-F1)和验证损失等指标对这些模型进行了全面比较。
研究结果
1. 多种深度学习架构的性能比较
研究对所有测试的深度学习模型进行了系统的性能评估。结果表明,不同的模型在应对19类害虫分类任务时表现存在显著差异。总体而言,更先进或更复杂的模型架构倾向于获得更好的性能。这一部分通过量化指标,初步揭示了模型设计对分类效果的影响。
2. 注意力增强混合模型的优越性
一个关键的发现是,引入了注意力机制的混合模型 consistently(持续地)超越了独立的、传统的卷积神经网络。特别是那些将卷积神经网络(CNN)的特征提取能力与Transformer架构的全局自注意力(self-attention)机制相结合的混合设计,在多项评估指标上均显示出优势。这证明了结合局部特征感知与全局上下文建模对于提升复杂场景下害虫分类的鲁棒性和准确性是有效的。
3. 最优模型性能表现
在所有被评估的模型中,Hybrid EfficientNetV2-S + Transformer 混合模型取得了最佳的综合性能。其在验证集上的准确率达到0.8800,宏观F1分数(macro-F1)为0.849,验证损失为0.4560。这一结果明确地将该模型定位为本研究中解决多类别害虫图像分类任务的最有效解决方案。
研究结论与讨论
本研究的核心结论是,在农业害虫的多类别图像分类任务中,注意力增强的混合深度学习模型,尤其是结合了高效卷积基础(如EfficientNetV2-S)与Transformer自注意力模块的混合架构,展现出显著优于传统卷积神经网络模型的性能。这验证了将卷积操作在局部特征层次提取方面的优势,与自注意力机制在捕获长距离、全局依赖关系方面的能力相结合的策略的有效性。这种组合使模型能够更好地处理田间图像中常见的背景复杂、目标物尺度多变、姿态多样等挑战。
该研究的意义在于,它通过一项严谨、全面的基准测试,为基于计算机视觉的智能害虫监测领域提供了重要的架构选型指导。研究结果不仅确认了CNN-Transformer混合范式在农业图像分析中的潜力,也为开发实际可部署的、高精度的精准农业害虫识别系统指明了有希望的技术方向。通过促进早期、准确的害虫自动识别,此类技术有望显著提升病虫害管理的时效性和针对性,减少对化学农药的过度依赖,从而为保障全球粮食安全生产、推动农业可持续发展贡献技术力量。未来,如何进一步优化模型效率以适应边缘计算设备,以及增强模型的可解释性以获取农业专家的信任,将是值得深入探索的方向。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号