EdgeFEViT-Pro：一种基于X射线CT图像用于无损柑橘储存阶段分类的计算高效混合视觉Transformer模型

《Journal of Food Measurement and Characterization》：EdgeFEViT-Pro: A computationally efficient hybrid vision transformer for non-destructive citrus storage-stage classification using X-ray CT images

　　

摘要

使用 X 射线计算机断层扫描（CT）对柑橘储存质量进行无损评估可提供宝贵的内部结构信息；然而，传统深度学习模型的计算需求可能会限制其在实时农业和食品加工应用中的部署。本研究提出了 EdgeFEViT-Pro，一种计算高效的混合视觉 Transformer，用于使用 X 射线 CT 图像进行柑橘储存阶段的无损分类。所提出的架构将基于深度可分离卷积块的轻量级卷积特征提取与多头自注意力（MHSA）相结合，使模型能够在保持紧凑计算足迹的同时，捕获局部结构特征和长程依赖关系。使用代表不同柑橘储存阶段的 CT 图像数据集对提出的框架进行了评估。EdgeFEViT-Pro 与四种基准架构进行了比较，包括 EfficientNet-B0、VGG-11、SimpleCNN 和 MobileNetV3-Small。在独立的留出测试集上，EdgeFEViT-Pro 达到了 97.94% 的准确率，优于所有基准模型。为了进一步评估鲁棒性和泛化能力，在水果层面进行了分层五折交叉验证，确保同一水果的 CT 切片仅被分配到一个折中。EdgeFEViT-Pro 达到了 97.93 ± 0.30% 的平均交叉验证准确率，证明了其在不同数据分区上的稳定性能。留出准确率与交叉验证准确率代表不同的评估协议，因此分别报告。单因素方差分析（ANOVA）结合 Tukey 的 HSD 事后分析表明，所评估模型之间存在统计学显著差异（F(4,20) = 4,413.60, p < 0.001），EdgeFEViT-Pro 显著优于所有基准模型（p < 0.001）。这些结果表明，EdgeFEViT-Pro 在提供精确且稳定的柑橘储存阶段分类的同时，提供了一种适用于资源受限边缘计算环境的轻量级架构。所提出的方法突出了将 X 射线 CT 成像与基于 Transformer 的高效深度学习相结合，用于自动化无损食品质量评估的潜力。