《Journal of Crop Health》：Papaya Leaf Disease Detection Using a Hybrid Optimized Vision Transformer with Attention Mechanisms
编辑推荐：
早期精确识别番木瓜叶部病害对提升作物产量和减少农业损失具有关键作用。然而，现有方法在处理复杂叶片纹理、不规则病斑分布及环境变异方面仍面临挑战。为应对上述问题，本研究提出一种基于视觉Transformer（Vision Transformer, ViT）并结合混
早期精确识别番木瓜叶部病害对提升作物产量和减少农业损失具有关键作用。然而，现有方法在处理复杂叶片纹理、不规则病斑分布及环境变异方面仍面临挑战。为应对上述问题，本研究提出一种基于视觉Transformer（Vision Transformer, ViT）并结合混合猎鹰-园丁鸟优化（Falcon-Bowerbird Optimization, FBO）策略的番木瓜叶部病害分类框架。该流程采用直方图均衡化增强图像对比度并改善特征可见性。ViT模型利用基于分块的自注意力机制捕获叶片区域的局部与全局依赖关系，支持判别性特征学习。混合FBO机制整合缎蓝园丁鸟优化（Satin Bowerbird Optimization）、猎鹰优化（Falcon Optimization）与AdaBelief优化器，用于超参数优化并稳定训练过程中的收敛行为。研究人员在BDPapayaLeaf数据集上开展实验，该数据集包含炭疽病（Anthracnose）、细菌性斑点病（Bacterial Spot）、卷叶病（Curl）、环斑病（Ring Spot）及健康叶片（Healthy）五个类别。所提模型准确率达97.83%，优于所评估的机器学习与深度学习基线模型，包括CNN、AlexNet及MobileNetV3。此外，研究人员采用Grad-CAM、Grad-CAM++与LIME对贡献于模型预测的图像区域进行定性分析。结果表明，在所评估的实验条件下模型展现出优异的分类性能，并预示该框架在面向未来AI辅助精准农业应用中的潜力，但仍需进一步的大规模田间验证。
一、研究背景与问题提出
番木瓜（Carica papaya）作为广泛种植的热带经济作物，因其营养与药用价值在食品生产和医药应用中具有重要地位。然而，番木瓜种植常受炭疽病、细菌性斑点病、卷叶病及环斑病等叶部病害侵扰，这些由真菌、细菌和病毒病原体引发的病害在温暖潮湿气候下迅速传播，严重影响光合作用、植株生长及产量。传统病害检测依赖人工目视检查和化学防治策略，但人工检查劳动强度大、主观性强且可靠性不足，过度使用农药亦引发环境问题。此外，小农户往往缺乏及时获取专家诊断的渠道，导致病害识别延迟和作物损失加剧。
现有机器学习方法如决策树、支持向量机（SVM）、k近邻（k-NN）和随机森林等，高度依赖颜色、纹理和形状等手工特征提取技术，在受控环境中虽有效，但受限于手工特征工程且在不同环境条件下的鲁棒性不足。深度学习技术，特别是AlexNet、VGG、MobileNet等卷积神经网络（CNN），通过自动特征提取显著推进了植物病害检测，但CNN架构在捕获长程空间依赖方面存在局限，易出现过拟合和对超参数选择敏感的问题，影响其在复杂农业环境中的泛化性能。已有视觉Transformer（ViT）方法虽取得较高分类精度，但普遍存在计算成本高、缺乏高效混合优化策略、对收敛稳定性和实际部署可行性关注不足等问题，且多数研究未将优化、可解释性与计算效率整合为统一框架。这些局限构成了显著的研究空白，促使本研究开发一种高效、轻量且优化调谐的ViT框架，以在多样化评估条件下确保高精度、高效率和可扩展性。
二、研究内容与核心结论
本研究提出一种集成混合猎鹰-园丁鸟优化（FBO）策略的ViT框架用于番木瓜叶部病害分类。该框架通过直方图均衡化、Sobel边缘增强和Gabor纹理滤波进行预处理，采用基于分块的自注意力机制捕获局部与全局依赖，并通过FBO混合优化策略实现超参数全局探索与局部精化。在BDPapayaLeaf数据集（2159幅原始图像，五分类）上的实验表明，所提模型测试准确率达97.83%，在精度、召回率、F1分数和特异性等指标上均优于SVM、决策树、CNN、AlexNet和MobileNetV3等基线模型。Grad-CAM、Grad-CAM++和LIME可解释性分析有效突出了与病害相关的叶片区域。该框架展示了在AI辅助精准农业中的应用潜力，为后续大规模田间验证奠定了基础。
三、关键技术方法概述
研究人员采用以下主要技术方法：其一，直方图均衡化预处理增强图像对比度，结合Sobel算子边缘检测和Gabor滤波器纹理增强突出病害特异性结构；其二，ViT架构将图像划分为固定尺寸非重叠分块，经展平、线性投影和位置编码后输入多头自注意力与前馈网络进行特征学习；其三，混合FBO优化策略，先由缎蓝园丁鸟优化（SBO）进行超参数空间全局探索以维持种群多样性，再由猎鹰优化结合AdaBelief优化器进行局部精化，实现自适应稳定梯度更新；其四，采用Grad-CAM、Grad-CAM++和LIME三种可解释性方法可视化模型决策依据。数据集方面，使用BDPapayaLeaf数据集，按源图像级分层抽样以70%:15%:15%划分为训练、验证和测试子集，仅对训练子集进行翻转、旋转、缩放及亮度对比度调整等数据增强，最终训练集含3150幅图像，验证集324幅，测试集322幅。
四、研究结果
4.1 训练与验证精度及损失分析
模型训练160个epoch，训练与验证精度曲线在初始阶段稳步上升并逐渐稳定，约第20个epoch时两个子集精度均超过96%。最终训练精度约97.65%，验证精度约97.83%，二者差异较小表明过拟合有限。训练与验证损失分别收敛至0.346和0.345，边际差异证实模型泛化能力良好。
4.2 混淆矩阵分析
训练与测试混淆矩阵均呈现强对角线优势，表明模型对绝大多数样本分类正确，仅存在少量非对角线误分类。训练与测试结果的高度一致性证实模型学习稳定、分类一致性好，对未见数据具有良好的泛化能力。
4.3 训练阶段分类性能
训练阶段各类别均表现优异：炭疽病精度0.9793、召回率0.9778、F1分数0.9786、特异性0.9948、准确率0.9914；细菌性斑点病精度0.9777、召回率0.9762、F1分数0.9770；卷叶病精度0.9746、召回率0.9730、F1分数0.9738；环斑病精度0.9731、召回率0.9746、F1分数0.9738；健康叶片精度0.9778、召回率0.9810、F1分数0.9794、准确率0.9917，为各类别最高。
4.4 测试阶段分类性能
测试阶段各类别同样表现优异：炭疽病精度、召回率、F1分数均为0.9811，特异性0.9963；细菌性斑点病精度0.9565、召回率0.9706、F1分数0.9635；卷叶病精度0.9767、召回率0.9655、F1分数0.9711；环斑病精度、召回率、F1分数均为0.9875，特异性0.9959；健康叶片类取得全部指标1.0000的完美表现，所有健康样本均被正确区分。
4.5 精度-召回率曲线分析
训练集与测试集的精度-召回率（PR）曲线均显示所有类别AP值分别超过0.97和0.96，曲线平滑且紧密对齐，表明模型在各类别间保持均衡且稳定的分类性能，无显著类别偏差。
4.6 与基线模型的比较分析
与SVM、决策树、CNN、AlexNet和MobileNetV3等基线模型相比，所提ViT+FBO模型在160个epoch训练过程中持续保持最高精度（最终0.9783）、召回率（最终0.9782）、F1分数（最终0.9783）和特异性（最终0.9943），证实混合优化策略在降低假阳性、减少漏检及维持精度-召回平衡方面的有效性。
五、讨论与结论
5.1 讨论总结
研究讨论部分指出，所提ViT+FBO框架通过将ViT的全局注意力建模能力与FBO混合优化策略相结合，有效解决了现有方法在长程空间依赖捕获、超参数优化和收敛稳定性方面的不足。与CNN-centric方法相比，ViT架构能够更好地建模图像块间的全局上下文关系，而FBO策略通过SBO全局探索与猎鹰优化局部精化的协同，在保持搜索多样性的同时加速收敛。可解释性分析进一步增强了模型决策的透明度。研究同时指出，模型在BDPapayaLeaf数据集上表现优异，但仍需在更大规模、更多样化的田间条件下进行验证，以评估其在实际农业环境中的泛化能力。计算效率与部署可行性也是未来优化的重要方向。
5.2 研究结论翻译
本研究提出了一种集成混合猎鹰-园丁鸟优化（FBO）策略的视觉Transformer（ViT）框架，用于番木瓜叶部病害的自动分类。该框架利用直方图均衡化增强图像对比度，通过ViT的分块自注意力机制捕获局部与全局依赖关系，并借助FBO混合优化策略实现超参数的高效调优与稳定收敛。在BDPapayaLeaf数据集上的实验结果表明，所提模型取得了97.83%的准确率，在精度、召回率、F1分数和特异性等指标上均优于所评估的机器学习与深度学习基线模型。Grad-CAM、Grad-CAM++和LIME可解释性分析有效突出了病害相关叶片区域，增强了模型决策的透明度。研究还开发了原型Web应用以展示模型的实践潜力。该框架在受控实验条件下展现出优异的分类性能，并预示其在未来AI辅助精准农业应用中的潜力，但仍需进一步的大规模田间验证以确认其实际部署价值。
