多尺度聚合视觉MambaU-Net（MAVM-UNet）在稻田害虫检测中的创新应用与性能验证

本文提出了一种多尺度聚合视觉MambaU-Net（MAVM-UNet）模型，通过整合多尺度视觉状态空间（MSVSS）、通道感知VSS（CAVSS）和多尺度注意力聚合（MSAA）模块，有效解决了稻田害虫检测中因目标尺寸小、形状多变及背景复杂导致的挑战。实验表明，该模型在IP102数据集上实现了82.07%的像素精度（PA）和81.48%的平均交并比（MIoU），为精准农业害虫监测提供了高效技术方案。

　　

1 引言

稻田害虫对水稻产量和品质造成严重影响，传统依赖农药的防治方式易引发生态环境问题。由于害虫形态不规则、尺寸微小且背景复杂，精准检测成为技术难点。现有方法如卷积神经网络（CNN）受限于局部感受野，而Transformer类模型虽能捕捉长程依赖但计算复杂度高。Mamba系列模型（如VMamba）通过状态空间模型（SSM）实现了线性复杂度下的全局-局部特征建模，为害虫检测提供了新思路。

2 相关研究

CNN-based方法：如多尺度特征融合模型（MFFNet）通过注意力机制提升检测精度，但难以处理少样本场景。

Transformer-based方法：如HCFormer结合CNN与ViT优势，但二次计算复杂度限制其在高分辨率图像中的应用。

Mamba-based方法：视觉Mamba（VMamba）通过空间序列扫描策略优化二维数据处理，Mamba-UNet进一步融合U-Net架构，但多尺度特征整合能力不足。

3 模型设计

MAVM-UNet架构（图1）：

• 编码器：输入图像经4×4分块线性嵌入后，通过4级MSVSS模块和Patch Merging下采样，分辨率从W/4×H/4逐步降至W/32×H/32。

• 解码器：对称使用Patch Expanding上采样，CAVSS模块连接编码器-解码器特征，减少空间信息损失。

• 核心模块：

  • MSVSS（图2A）：结合VSS与多尺度膨胀卷积（MSDC），通过选择性扫描2D（SS2D）分解图像为四方向序列，增强细粒度特征捕获。

  • MSAA（图2B）：瓶颈层集成膨胀率为1/3/5的卷积，通过Hadamard乘积融合多尺度特征。

  • CAVSS（图2C）：在跳跃连接中引入通道-空间注意力，动态筛选关键特征。

损失函数：交叉熵（L_Ce）与Dice损失（L_Dice）加权组合（λ=0.4），解决类别不平衡问题。

4 实验验证

数据集：基于IP102的稻田害虫子集（14类9,314张图像），通过随机裁剪、翻转和Mixup/CutMix增强数据。

对比模型：包括传统方法FCMGLCM、U-Net、DIA-UNet及前沿模型TSRST、HCFormer、VM-UNet和MSVM-UNet。

结果：

• 可视化分析（图4-5）：MAVM-UNet能完整检测害虫触角与足部细节，优于U-Net的模糊边界和Transformer类的过/欠检测问题。

• 定量指标（表2）：PA（82.07%）和MIoU（81.48%）显著领先，训练时间（18.7h）与GFLOPs（15.8）略高于VM-UNet（15.2h/12.3GFLOPs）。

• 消融实验（表3）：移除MSAA或CAVSS导致PA下降3.2%-5.8%，验证模块必要性。

5 结论与展望

MAVM-UNet通过多尺度特征聚合与轻量化设计，为复杂场景下的稻田害虫检测提供了高效解决方案。未来工作可探索模型剪枝与边缘设备部署，进一步推动精准农业应用。