基于多模态数据融合与可解释人工智能（XAI）的甘薯水分胁迫分类研究及其在智能农业中的应用

本综述系统阐述了融合RGB-热成像（TRI）与多源生长指标，应用机器学习（ML）与深度学习（DL）模型（如KNN、ViT-CNN）对甘薯水分胁迫进行智能分类的研究。创新性地重新定义了作物水分胁迫指数（CWSI）的计算方法，提升了田间适用性，并集成梯度加权类激活映射（Grad-CAM）与可解释人工智能（XAI）技术开发了用户友好的图形界面（GUI）系统，为精准农业的水分管理提供了高效、直观的决策支持工具。

　　

1 引言

甘薯（Ipomoea batatas L.）因其对贫瘠土壤的强适应性和高营养价值而成为全球重要的粮食安全作物，其对水分胁迫的高度耐受性也促进了其在气候多变地区的广泛分布。然而，频繁的异常气候事件导致甘薯品质和产量下降。传统的水分胁迫评估方法依赖于光合作用直接测量或土壤水分监测，这些方法通常费时费力且存在主观性，难以进行大规模连续监测。近年来，遥感技术、传感器测量与人工智能（AI）分析技术的结合，使得作物生长状况的快速、精准和早期监测成为可能。

尽管无人机（UAV）平台的多光谱和高光谱成像分析被广泛用于评估作物生长特性，但其操作需要较高的技术知识，且对昂贵设备和复杂数据分析流程的依赖限制了中小规模农场的应用。此外，高空图像采集易受环境因素干扰，难以精确测量作物的细微表型性状。低空成像技术因更接近作物冠层，能获取更精确的数据，成本较低且无需特殊飞行控制技能，更易于被农民采用。

热成像（TRI）相机可连续收集作物级温度数据，获取单株植物的时间序列信息；RGB相机则通过捕捉颜色、亮度和纹理等视觉指标来评估植物状态并检测表面生理变化。作物水分胁迫指数（CWSI）是基于冠层温度与理论最大、最小叶片温度差异计算的代表性指标，能综合反映土壤水分状况、天气变量和植物蒸腾能力，有效用于农业决策过程，如确定最佳灌溉时机和优化水分管理。然而，CWSI的准确性依赖于精确的冠层温度测量，需要高分辨率热像仪、气象传感器和校准算法，技术和经济约束使其在典型农田或小规模农场中的应用仍具挑战性。

人工智能，特别是机器学习（ML）和深度学习（DL）技术，已被积极用于农业决策。ML能实时分析作物生长状况和产量预测，整合卫星、UAV、RGB和TRI、物联网（IoT）传感器及气象信息的数据，精确检测水分胁迫、温度波动和异常生长模式；DL能识别复杂模式并处理大规模数据，捕捉非线性关系和细微环境变量，通过迭代学习提高准确性，并表现出对各种作物和环境条件的高适应性，从而实现实时决策、减少劳动力、提高生产力和质量，实现精准和自动化的农业实践。

本研究基于低空TRI和RGB图像获取的叶片温度和生长指标，开发了ML分类模型来评估田间生长甘薯的水分胁迫水平；并利用TRI和RGB图像构建了DL分类模型。为增强开放田间栽培条件下的实用性，将计算CWSI所需的变量替换为田间可观测变量，并提出了重新定义的指数计算公式。ML模型包括逻辑回归（LR）、随机森林（RF）、K近邻（KNN）、多层感知器（MLP）和支持向量机（SVM）；DL则实施了卷积神经网络（CNN）与Vision Transformer（ViT）的集成。所有模型的性能均基于准确性和K折交叉验证进行评估和比较。最终开发了基于GUI的系统，即甘薯水分监测系统，用于分类甘薯作物的水分胁迫水平并提供相应的管理建议。

2 材料与方法

2.1 样品制备

本研究使用的品种为Jinyulmi，实验田位于庆尚国立大学内东校区，包括两个320平方米（8米×40米）的小区。甘薯扦插于2024年5月开始，使用长度约25-30厘米的幼苗，收获于2024年9月。为帮助扦插后幼苗成活，前三周提供了充足的灌溉。随后，获取甘薯植株的RGB和热图像进行分析。

土壤水分水平分为五类：严重干旱（SD）、干旱（D）、最佳（O）、湿润（W）和严重湿润（SW）。这些类别基于体积含水量（VWC）定义：SD（≤10%）、D（20±2%）、O（30±3%）、W（40±3%）和SW（50%）。总共使用约300个样本，每个处理组约50个样本。

灌溉使用地下滴灌系统进行，土壤水分含量使用便携式土壤水分计（FieldScout TDR-300, Spectrum Technologies, USA）在20厘米深度测量。

甘薯生长在主要生长阶段（根分化、块茎形成、膨大和最终收获）各评估两次。为全面评估作物生长状况，收集了茎长、归一化植被指数（NDVI）、叶绿素荧光（CF）和SPAD值作为生长指标。茎长是基本的形态指标，间接反映水分胁迫条件下的生物量积累和生长抑制；NDVI是基于光合作用的代表性遥感指数，定量指示作物活力和健康，对水分缺乏或生长失衡等胁迫信号高度敏感；CF是能检测光合系统功能异常的生理指标，有助于识别早期不可见的胁迫响应；SPAD值间接估计叶片中的叶绿素含量，从而反映光合能力和氮状态。通过整合这些多样的生长指标，分析了甘薯的水分胁迫响应，并用作ML分类器的输入变量。

2.2 TRI与数据采集

本研究使用FLIR A65手持式红外热像仪获取热图像，该设备配备640×512像素的微测辐射热计传感器，作为TRI温度传感器，能视觉综合监测温度变化。获取的热图像使用FLIR提供的软件FLIR Tools进行校准。为确保叶片和植物冠层温度测量的准确性，发射率设置为0.9。

热图像采集在植物冠层高度约1.05米处手动进行。为最小化直射阳光的影响，图像在上午6:00至7:00从每个作物小区的中心捕获。然后分析收集的图像以确定每个处理组的平均温度和温度分布。此外，还执行了校准过程以确保通过相机镜头捕获的红外数据的准确性。为此，使用冰（0°C）和沸水（100°C）验证设备性能，然后通过FLIR Tools软件应用制造商提供的自动校准功能。

本研究以两种方式利用TRI。首先，从热图像中提取的叶片温度用作间接反映植物生理水分状况的关键指标。叶片温度与其他生长指标（如SPAD和CWSI）整合，作为基于ML的分类模型的输入变量。此外，叶片温度在重新定义CWSI公式以增强田间适用性的过程中被用作叶片表面温度数据。其次，数据直接用作基于CNN的ViT分类模型的输入特征，与RGB图像结合。这种方法旨在通过整合多模态图像信息来提高分类准确性。该模型设计用于增强水分胁迫分类性能并提供水分胁迫的可视化解释。

为纠正局部温度变化和测量误差，叶片温度基于从每个热图像中手动选择的三个独立区域的平均值计算。这些区域是形态上不同的叶面积，首先计算每个区域的平均温度，然后通过平均三个区域的值确定最终叶片温度。该策略用于减少单像素提取引起的噪声，并确保结果的叶片温度值可靠地代表整体叶片状况。

2.3 RGB数据采集

本研究使用Matlab R2024a（MathWorks, USA）开发了RGB图像校正程序，以有效补偿图像采集过程中可能出现的颜色失真和亮度不规则。对于颜色校准，使用国际标准参考目标颜色检查器（X-Rite, USA）以确保捕获图像的颜色准确性。

对RGB图像应用了系统的颜色校准协议以进行颜色校准。将颜色检查器放置在成像框架内，定量计算捕获的RGB值与每个颜色斑块的参考值之间的偏差。计算校正矩阵以最小化每个RGB颜色斑块与其相应参考值之间的差异，并将该矩阵应用于整个图像以校正颜色失真。为进一步提高图像质量，实施了伽马校正和直方图均衡化算法以调整亮度平衡。最后，为提高图像分析准确性，加入了前景-背景分离算法。从而开发了能够同时进行颜色校正和背景去除的高精度图像预处理软件。

2.4 异常值去除

在研究期间（6月：489，7月：1095，8月：815）共获得2399个叶片温度值和相应的热图像。为提高叶片温度数据集的质量，使用正态分布，将平均值±3σ范围外的值视为异常值。因此，去除了生长早期的14个样本、块茎膨大期的1个样本和生长后期的8个样本，使用2374个样本进行模型开发。热图像基于以下标准手动过滤：（i）如果叶区域无法清晰区分，（ii）如果图像失焦，或（iii）如果非作物物体或人体部位出现在画面中。应用这些标准后，保留了总共632张热图像。相同的排除标准也应用于RGB图像，产生了452张有效RGB图像的最终集合。

2.5 CWSI获取

为使用常规CWSI公式计算指数，需要获取理论定义的湿（T_wet）和干（T_dry）叶片温度。然而，在实际田间条件下，由于环境多变性和技术限制，通常难以直接测量或准确推导这些参考值。因此，本研究基于田间可测量变量重新定义了常规CWSI公式，以定量评估作物水分胁迫。

为实现这一点，提出了一种使用固定T_dry和可测量环境变量的修改经验方法。使用TRI相机实时测量叶片温度（T_c），并使用便携式土壤水分传感器获取土壤水分含量。气温（T_a）和相对湿度（RH）从当地气象管理部门检索。基于这些田间获取的数据，通过以下过程计算CWSI。

方程1估计水分胁迫校正系数（δ），该系数基于RH和土壤水分条件定量反映作物的水分胁迫水平。δ在本研究中被引入以将水分相关的生理胁迫纳入计算，代表相对于最佳生长条件的水分缺乏程度。它使用土壤水分含量和RH计算，并公式化为基值2、调整项（0.1×|土壤水分-30|）和蒸腾相关项（2×（1-RH/100））的总和。该公式反映了在高RH下蒸腾潜力降低和在低土壤水分下水分胁迫加剧的生理响应。为防止过度校正，δ被限制在最大值6（δ≤6）。通过这种方法，可以更准确地表示水分条件对植物生长的影响。

随后，在方程2中，通过从T_a中减去δ来估计T_wet，从而基于实际气温间接估计理想湿叶片温度。T_dry固定为34°C，这是实验小区中观察到的最高叶片温度。

最后，如方程3所示，使用公式（T_c - T_wet)/(T_dry - T_wet)计算CWSI。该公式考虑了升高和降低的叶片温度作为水分胁迫的指标。此外，CWSI值被限制在最小0.05，以最小化潜在传感器误差引起的失真。

2.6 ML模型开发的变量选择

在本研究中，为开发用于分类甘薯水分胁迫的机器学习模型，从第2.1节提出的生长指标、从热图像获得的叶片温度和CWSI中选择了最重要的变量。为此，使用了RF算法。RF是一种基于多个决策树的集成模型，非常适合变量重要性分析，因为它重复使用关键变量构建树分裂，并客观评估模型对每个变量的依赖程度。

此外，为每个生长阶段选择了关键生长指标：生长早期（6月）、块茎膨大（7月）和生长后期（8月）。这允许识别影响作物生长的生长阶段特异性因素，并提供数据以分析季节或月度模式。此外，了解每个生长阶段哪些变量最重要，可以深入了解应监测的环境因素。最终，减少不必要的变量提高了模型性能。因此，该方法能够提取关键生长指标以支持水分管理决策。

如表1所示，使用RF选择了总共四个贡献分数最高的生长指标。对于生长早期，选择的变量是叶片温度、CWSI、茎长和CF。对于块茎膨大期，最有影响的指标是CWSI、SPAD、叶片温度和NDVI。最后，对于生长后期，选择的变量是CWSI、茎长、叶片温度和CF。通过该分析，确定了在作物生长和产量预测中最有影响的变量，为优化模型性能奠定了基础。

2.7 ML模型开发

在本研究中，使用了五种ML模型：LR、RF、KNN、MLP和SVM。LR是一种线性分类模型，预测水分胁迫发生的概率。它计算高效、可解释，并且适用于类别分离相对清晰的数据集，允许直观理解不同变量的影响。

RF是一种集成模型，通过组合多个决策树预测水分胁迫水平。它在各种环境中表现出稳健的性能，并有效学习变量之间的复杂关系。KNN通过比较新实例与训练集中k个最近邻的相似性进行分类。由于它直接反映数据模式，因此在适应数据可变性方面灵活。MLP是一种能够学习非线性水分胁迫模式的多层神经网络。它结合多样特征实现高表示能力，并能有效建模复杂关系。SVM是一种强大的分类算法，使用超平面分离水分胁迫水平。即使数据不是线性可分的，它也可以使用核函数学习复杂模式。

基于每个模型的 characteristics 和通过RF选择的集成数据集，对每个生长阶段分别进行训练。总共使用了300个集成数据样本，每个阶段50个样本。数据根据五种水分胁迫水平进行分层：SD、D、O、W和SW，比例为1:1:2:1:1。O级样本的比例 intentionally 加倍以避免环境偏差。在实验期间，甘薯在两个温室单元中栽培——一个在D条件下，另一个在W条件下。为平衡环境条件的影响，从两个单元收集O条件样本。数据集分为80%用于训练和20%用于测试。模型性能基于分类准确性进行评估。

2.8 开发基于TRI-RGB融合的水分胁迫分类器使用CNN–ViT模型

在本研究中，采用了基于CNN的ViT模型。CNN能够自动提取和学习图像特征，因此与手动方法相比提供更快、更准确的分类。因此，它被认为适用于分类TRI和RGB图像。通过集成ViT，可以有效捕获CNN单独可能遗漏的一般模式和长程依赖，模型得到增强，以更精确地反映作物环境的复杂视觉特征。这种架构加强了由RGB和TRI输入组成的多模态图像中特征之间的相互作用，并有助于提高分类性能。

总共使用了904张图像，包括452张热图像和452张RGB图像。数据集由SD（156）、D（150）、O（150）、W（137）和SW（146）图像组成。数据分为80%用于训练和20%用于测试。为确保稳定的模型性能，应用了k折交叉验证。如图2所示，所有输入图像调整为128×128像素，并通过将像素值除以255归一化到[0,1]范围。RGB图像以“RGB”模式加载，热图像以“灰度”模式加载，预处理针对每种传感器类型定制。

对于通过CNN提取的热特征图，计算跨空间和批量维度的平均值以评估每个通道的重要性。仅保留平均激活大于0.1的通道，并将结果的通道掩码统一应用于所有热特征。这种过滤减少了热通道的数量，从而提高了输入效率。来自RGB和TRI CNN的特征图通过全局平均池转换为向量，然后沿通道轴连接以创建融合特征向量。该融合向量用作最终分类器的输入。

提出的模型是一种基于CNN的ViT，通过单独的CNN从RGB和热输入中提取局部特征；然后将它们组合成统一特征向量，传递到Transformer块。Transformer从该向量中学习全局模式，并通过最终分类层预测三种水分胁迫水平之一。模型包括约220,000个可训练参数，旨在利用CNN的局部特征提取和ViT的全局模式学习，以实现对复杂多模态输入的高分类准确性。基于CNN的ViT模型的训练配置总结在表2中。关键超参数如学习率、批量大小和周期数基于先前实验确定以实现最佳性能。

2.9 甘薯水分监测系统

GUI旨在使用户能够通过视觉元素（如按钮、菜单和图像）直观地与计算机交互，而无需输入复杂命令。甘薯水分监测系统使用Tkinter、OpenCV和Pillow开发，基于RGB和热图像分类甘薯作物的水分胁迫水平，并提供相应的处方。

Tkinter用于实现关键接口组件，包括按钮、标签和图像显示区域，而OpenCV和Pillow用于图像加载、预处理和视觉输出。该设计允许用户轻松导入图像并直观检查预测的水分胁迫水平以及相应的管理建议。图3说明了开发的GUI软件的逐步工作流程，包括从图像输入和模型推理到显示结果、基于梯度加权类激活映射（Grad-CAM）的可视化和传感器数据处理的整体实现过程和功能互连。该流程图提供了软件逻辑结构和操作顺序的实用见解。

2.10 模型评估和实验设置

使用测试数据集评估开发模型的性能。评估基于混淆矩阵，该矩阵比较模型预测与实际真实值，并由真正例（TP）、真负例（TN）、假正例（FP）和假负例（FN）组成。基于混淆矩阵，计算关键性能指标——准确性、召回率、精确度和F1分数——以定量评估每个模型的分类性能。这些指标使用的公式在方程4-7中提供。

采用5折交叉验证程序以考虑有限的数据集大小。为减轻类别不平衡下的评估偏差，应用了分层方案，以便每个折保留原始类别分布。数据在每次分割时洗牌，并使用固定随机种子（例如，random_state = 42）以确保可重复性。在每折中，约80%的数据分配给训练，20%用于验证。所有预处理步骤（例如，特征缩放）仅在训练子集上拟合，随后应用于相应的验证子集以防止数据泄漏。为公平比较，相同的折分区一致应用于所有模型。性能指标，包括准确性、宏观/加权F1分数、精确度和召回率，报告为五折的平均值±标准差。

所有实验在Windows操作系统上使用Jupyter Notebook（Anaconda Inc., USA）进行。使用GeForce GTX 1060 GPU（NVIDIA, USA）进行模型训练和推理。使用Python版本3.9.18（Python Software Foundation, USA）作为编程环境，TensorFlow版本2.10.0（Google Brain Team, USA）作为深度学习框架。

3 结果与讨论

3.1 使用ANOVA进行统计差异验证

为评估去除异常值后叶片温度数据的统计显著性，进行了方差分析（ANOVA）。这种统计方法用于基于单个自变量（组或类别）比较数据组。在本研究中，ANOVA用于确定平均叶片温度在五种水分胁迫水平之间是否显著不同。如表3所示，分析得出F统计量为2.376，p值为0.043。因为p值小于0.05，表明平均叶片温度在水分胁迫类别之间显著不同。换句话说，甘薯的叶片温度因水分处理水平而异。

3.2 ML模型训练结果

使用五种算法：LR、RF、KNN、MLP和SVM，对每个生长阶段分别训练了用于分类甘薯水分胁迫水平的ML模型。在6月，如图4所示，KNN和SVM都实现了完美分类准确性（1.0），而RF和LR各记录了0.84的值，MLP显示出较低性能为0.67。在RF和LR模型中，SD类样本被错误分类为SW，表明在区分极端水分水平时分类性能下降。MLP也显示出类似的错误分类模式，50%的O类样本错误分类为W类。这些结果表明模型难以区分某些相邻类别，这可能归因于重叠的特征特征或不平衡的数据分布。

在7月，所有模型都实现了完美准确性（1.0），如图5所示，表明它们有效地从测试数据中学习了 distinct 特征。考虑到7月样本可能比其他月份具有更可区分的特征，这些结果可能反映了强泛化而非过拟合。

在8月，根据图6，KNN和RF再次实现了完美准确性（1.0），而SVM、LR和MLP各显示出0.84的准确性。所有三个模型错误分类了50%的O类样本为SD。这意味着这些模型未能区分O和SD，可能由于重叠特征或中等水分水平（O）的模糊性质，与更极端的SD类相比可能没有清晰的边界。

尽管所有模型最初在测试集上实现了完美分类准确性，但这引起了对其可能过拟合的担忧。因此，执行了5折交叉验证以评估泛化性能，产生了6月平均验证准确性0.94，7月0.96，8月0.94。每个月的交叉验证准确性分布如图7所示。尽管这些值略低于初始测试准确性，结果仍然展示了强模型性能，并表明提出的方法在不同生长阶段保持了稳健的泛化能力。

3.3 最终ML模型选择

在使用甘薯生长阶段集成数据的多分类模型比较分析结果中，KNN模型在所有阶段 consistently 展示了最高分类准确性。这一结果可归因于KNN算法的结构特征及其与集成数据中嵌入的数值模式的协同兼容性。KNN是一种非参数算法，在训练期间不构建显式模型。相反，它在预测时通过计算输入数据与训练样本之间基于距离的相似性来执行分类。

这在处理结构良好、定量独特的数据集（如本研究中使用的集成数据）时特别有效。KNN有效地捕获了每个生长阶段的结构，并在相似样本之间形成了清晰的决策边界。因此，它成功区分了与甘薯生长特征相关的数值带信息。

此外，KNN不需要对数据分布进行假设，因此在处理随生长阶段变化的生长指标的非线性或多变量特征时特别有利。当甘薯叶片的颜色特征在各阶段的高维空间中保持一致的基于相似性的结构时，KNN可以利用这一点在其他模型的分类性能中胜出。总之，KNN的结构灵活性和基于距离的分类机制与甘薯集成数据的数值特性很好地对齐。这被认为是解释本研究中KNN模型在所有生长阶段分类性能一致优越的关键因素。

3.4 DL模型训练结果

在本研究中，采用基于CNN的ViT分类模型，使用由热图像和RGB图像组成的融合图像对甘薯水分胁迫水平进行分类。与基于集成数据的机器学习模型不同，融合图像分类模型没有将水分胁迫水平分为五类。 Instead，它合并了极端水分条件（SD和SW）并将它们分为三类：D、O和W。如图8所示，将水分胁迫水平分为五个间隔导致分类准确性降低（0.75）和损失升高（0.7）——这表明模型难以区分更细的胁迫类别。尽管极端水分条件通过基于图像的观察相对较好地识别，但干湿条件之间的视觉特征模糊。这使得模型难以区分这两个类别，从而导致分类准确性下降。因此，基于仅通过图像信息可识别的程度重新构建了水分胁迫水平，旨在建立更可靠的分类框架。

作为训练简化应力水平分类模型的结果，准确性达到了0.92的高值。图9展示了TRI和RGB分类模型的混淆矩阵。对于三种水分胁迫水平（SD、O、SW），模型通常表现出高分类准确性，对SD和SW类实现了100%准确性。O类显示出稍低的性能，准确性为97%，其中3%的样本被错误分类为SD。应用5折交叉验证 resulted in 平均准确性0.91。

3.5 甘薯水分监测系统的开发

在本研究中，通过将KNN模型与基于CNN的ViT模型集成，开发了一个甘薯水分监测系统，以有效分类甘薯作物的水分胁迫水平（图10）。开发的系统是一种基于深度学习的RGB-热CNN+ViT预测框架，旨在可视化和预测甘薯作物的水分胁迫水平，由四个主要接口组件组成。它只需要适度的计算资源（约30.5M参数；~122 MB in fp32）并在CPU上近实时运行，GPU加速进一步减少延迟。此外，Grad-CAM解释以中等开销实时计算，实现了与消费级硬件的实际田间部署。

GUI的左上部分是输入图像区域，用户可以分别加载RGB和热图像。左侧的“Load RGB”按钮允许用户导入捕获甘薯叶片视觉特征的RGB图像，而右侧的“Load Thermal”按钮输入反映叶片温度分布的热图像。这两种图像类型在模型的基于CNN的特征提取过程中独立利用，以分析视觉信息。

右上部分是基于传感器的输入区域。该区域包括用于选择生长期（6月、7月或8月）的单选按钮，并允许手动输入与每个时期对应的数值生长指标。这些输入值被馈送到基于KNN的辅助分类器中，该分类器与深度学习推理结合形成融合预测架构。

右下部分作为显示预测结果的输出区域。点击“Run Prediction”按钮后，来自CNN+ViT和KNN模型的预测输出被平均以产生最终水分胁迫水平。结果呈现为三个类别之一：严重干旱（Severe Dry）、最佳（Optimal）或严重湿润（Severe Wet）。预测输出下方的渐变彩色条视觉突出显示预测的胁迫水平，向用户提供直观反馈。

左下部分对应于注意力图可视化区域。当点击“Show Attention Map”按钮时，GUI显示基于可解释AI（XAI）的Grad-CAM生成的可视化解释。左侧显示从RGB图像派生的注意力区域，右侧显示从热图像派生的那些。这允许用户直观地识别模型在决策过程中关注的区域，并增强了模型的可解释性和信任。

这种甘薯水分监测系统旨在基于图像数据和生长指标预测作物的水分胁迫状况，同时视觉解释深度学习模型的决策过程。

图11说明了将作物分类为三种不同水分胁迫水平（SD、O和SW）的代表性图像。

3.6 讨论

3.6.1 模型评估

本研究比较和分析了两种用于甘薯水分胁迫分类的方法的分类特征和性能：基于生长指标的定量ML模型和使用融合RGB和热图像的基于图像的DL模型。具体来说，基于集成数据（包括SPAD、CWSI和叶片温度）的KNN模型与应用于图像数据的基于ViT的CNN架构相结合，建立了一个互补预测框架。

基于ML的KNN模型通过利用定量生长指标展示了稳定的分类性能，特别是对于中等水分胁迫水平。相比之下，基于DL的模型在极端胁迫条件下表现出高敏感性。值得注意的是，KNN模型在所有生长阶段实现了最高分类准确性，这可归因于其与定量数据的结构兼容性。

实验结果显示，当水分胁迫水平分为五类时，模型实现了相对较低的准确性0.75，损失升高0.7。相比之下，将胁迫水平简化为三类（SD、O、SW）显著提高了分类准确性至0.92，5折交叉验证证实了稳健性能，平均准确性0.91。混淆矩阵进一步显示，SD和SW类都以100%准确性识别，而O类达到97%，仅3%的样本被错误分类为SD。

这种重组不仅由实证性能改进驱动，还考虑了实际因素。在农业实践中，灌溉和施肥决策通常与广泛的土壤水分条件（如赤字、最佳和过量）对齐，而不是高度细分的类别。因此，三级分类方案更符合现实世界管理实践，并且更容易在缺乏自动控制系统的小规模农场中实施。

从建模角度来看，热和RGB图像对于检测极端胁迫水平有效，但为区分中间条件提供了有限线索。合并类别允许基于CNN的ViT模型专注于更清晰的视觉信号，从而增强了鲁棒性和泛化能力。此外，简化的分类输出可以直接转化为可操作的推荐，如“启动灌溉”、“维持当前条件”或“减少浇水”，从而弥合了基于高级图像的分析与农业中实用决策支持之间的差距。本研究的主要区别在于，它通过结合图像数据（RGB和热成像）与生长指标（如SPAD、CWSI和叶片温度）提供了甘薯水分胁迫的综合分析。这种基于融合的方法提供了显著优势，不仅提高了模型准确性，还增强了在现实农业设置中的可解释性和实际适用性。

3.6.2 先前研究

与本研究相比，大多数先前研究没有系统分类甘薯作物的水分胁迫水平或将基于图像的分析与生长指标集成