基于注意力增强ShuffleNet和可解释人工智能的平菇栽培实时监控系统

《Smart Agricultural Technology》：Real-Time Monitoring of Oyster Mushroom Cultivation Using CCTV and Attention-Enhanced ShuffleNet-Based Explainable AI Techniques

本研究针对平菇成熟度人工检测效率低、主观性强的问题，开发了一种集成CCTV监控和轻量级深度学习的技术框架。通过评估多种架构，发现结合自注意力机制的ShuffleNetV2模型在20,000张标注图像上达到99.70%准确率（10折交叉验证），参数仅130万。研究创新性地引入Grad-CAM、LIME等XAI技术提升模型透明度，并实现实时分类（2.77 FPS），为精准农业提供了高效可解释的解决方案。

　　

在当今追求可持续农业的背景下，平菇（Pleurotus ostreatus）因其高营养价值、短生长周期和低成本优势成为全球广泛栽培的食用菌。然而，其快速生长特性（通常2-3周即成熟）给采收时机判断带来巨大挑战：过早采收影响产量品质，延迟采收则导致商品价值下降和采后损失增加。传统依赖人工目视检测的方法存在主观性强、劳动强度大、一致性差等痛点，尤其在大规模种植场景下难以保证效率。这一瓶颈促使研究者将目光投向计算机视觉与人工智能技术，试图通过自动化方案实现精准监控。

为破解这一难题，来自孟加拉国东西大学的研究团队在《Smart Agricultural Technology》发表了一项创新研究，提出了一种融合轻量级深度学习与可解释人工智能（XAI）的实时监控框架。该研究通过系统比较多种先进架构，最终构建出兼具高精度、高效率与高透明度的平菇成熟度分类系统，为智慧农业提供了可落地的技术方案。

本研究的技术路径主要包含四个关键环节：首先采用包含20,000张CCTV图像的标注数据集（Duman等人收集），通过数据增强解决类别不平衡问题；其次系统比较EfficientNet、DenseNet、VGG、Vision Transformer等架构；进而对优选模型ShuffleNetV2注入自注意力机制增强特征提取能力；最后集成Grad-CAM、Grad-CAM++、EigenCAM和LIME等XAI技术实现决策可视化，并基于OpenCV搭建实时监控流水线。

3.1. 数据集描述

研究采用土耳其梅尔辛农场采集的平菇图像数据集，涵盖两个完整栽培周期（2022年12月至2023年4月），包含16,000余张在昼夜不同光照条件下拍摄的标注图像。数据集特别设置了"未成熟"（5,124张）和"成熟"（3,158张）两类标签，并配套提供温度、湿度等传感器数据。针对原始数据存在的类别不平衡（未成熟样本占比62%）、环境噪声和分辨率差异等问题，研究团队通过过采样和加权损失策略进行优化。

3.2. 数据预处理

所有图像统一缩放至128×128像素分辨率，相比常见的224×224规格，这一选择既避免了小尺寸原图（最小34×38像素）放大后的像素化问题，又提升了计算效率。通过水平翻转、随机旋转（20°）及亮度/饱和度/对比度调整（20%）等数据增强手段，将每类样本扩充至10,000张，有效提升了模型泛化能力。

3.3. 基线模型比较

研究团队系统评估了VGG16/19、MobileNetV2、EfficientNetB0/B3、DenseNet121/201、ResNet50及Vision Transformer（ViT-B/16）等主流架构。结果显示，传统VGG模型参数量超1.34亿，而轻量型ShuffleNetV2仅需约130万参数，在保持竞争力的准确率同时大幅降低计算开销。

3.4. 提出的ShuffleNetV2注意力架构

核心创新点是在ShuffleNetV2骨干网络末端嵌入非局部注意力块（Non-Local Attention Block），使模型能够捕捉长程空间依赖关系。该架构通过点分组卷积、通道分割与通道混洗操作实现高效特征提取，最终通过全局平均池化（GAP）和全连接层输出分类结果。数学表达上，前向传播过程可表述为：特征提取F₀=φ_ShuffleNetV2(x)，注意力增强F_a=φ_Attention(F₀)，全局池化F_p=GAP(F_a)，最终通过权重矩阵W和偏置b实现分类决策。

4.1. 模型参数比较

参数量分析显示，ShuffleNetV2（130万）仅为VGG19（1.39亿）的0.9%，模型权重文件大小仅5MB，显著优于EfficientNetB3（41.4MB）和ResNet50（90MB）等模型，体现出极佳的边缘部署优势。

4.2. 模型评估结果

在增强数据集上的10折交叉验证中，ShuffleNetV2达到99.70%准确率，超越EfficientNetB3（99.45%）和DenseNet201（99.05%）。统计检验显示其性能提升具有显著性（p<0.000001），95%置信区间为[0.8660,0.8940]。混淆矩阵进一步证实该模型在两类样本上均保持低误判率。

4.3. 可解释性分析

通过Grad-CAM等热力图可视化发现，模型注意力区域与生物学特征高度吻合：成熟平菇聚焦于菌盖中央区域，未成熟样本则关注顶部纹理。定量评估中，Grad-CAM++获得的平均交并比（IoU）达0.339，表明解释结果与人工标注区域高度重叠。

4.4. 实时部署验证

集成OpenCV的实时系统处理速度达2.77帧/秒，单帧延迟48毫秒。通过跳帧处理（每5帧处理1帧）平衡计算负载，成功实现带Grad-CAM热力图叠加的实时分类演示。

5.1. 与现有研究对比

相较于传统方法（如OMC-YOLO的85.19%准确率）和参数密集型模型（如VGG），本研究在保持99.70%高精度的同时，将模型压缩至适合边缘设备部署的轻量级规模，实现了精度与效率的突破性平衡。

5.2. 局限性与未来方向

当前研究仍受限于图像分辨率，未来需探索高分辨率数据下的特征保持技术。实时视频处理中的动态适应性也有待提升，计划通过时序平滑和自适应学习进一步优化。此外，数据增强过程中的数据泄漏风险需通过更严格的分割策略规避。

这项研究通过创新性地将注意力机制与轻量级网络结合，并引入XAI技术增强可信度，成功构建了兼具高精度、高效率和可解释性的平菇成熟度监测系统。其5MB的模型大小和99.70%的分类准确率表明，该技术特别适合在资源受限的农业环境中部署应用，为智慧农业的智能化升级提供了重要技术支撑。未来通过进一步优化实时处理能力与跨环境适应性，这一框架有望扩展至其他农作物监测场景，推动精准农业的可持续发展。