基于经济型多光谱成像与知识蒸馏模型压缩的小麦线条花叶病毒（WhSMV）早期检测

《Smart Agricultural Technology》：Early Detection of Wheat Stripe Mosaic Virus using Economical Multispectral Imaging and Model Compression

　　

• 研究人员利用配备六个光谱滤光片（spectral filters）的消费级数码单反（DSLR）相机，在自然环境条件下获取了一个新的小麦线条花叶病毒（WhSMV）多光谱数据集（multispectral dataset）。
• 研究人员评估了十二个深度学习（deep-learning）模型，以确定其在识别 WhSMV 感染不同阶段方面的有效性。
• 研究人员首次将模型压缩（model compression）技术应用于多光谱图像（multispectral images），用于 WhSMV 感染的早期检测（early detection）。
• 研究人员比较了深度学习算法（deep learning algorithms）与压缩模型（compressed models）的性能，揭示压缩模型达到了与大型深度学习模型（large deep learning models）相当的性能。

研究背景与问题：谷物是全球食物系统基础，小麦是养活全球超过40%人口的关键主粮。小麦生产易受温度变化、天气不确定、水资源短缺和病害传播影响，导致产量和籽粒品质下降。植物病害是减产主因，其中 WhSMV（Wheat Stripe Mosaic Virus，小麦线条花叶病毒）是土传、媒介传播病毒，首先在巴西南部报道，后在南非检测到更遗传稳定株系。传统诊断依赖训练专家田间目视，劳动密集、主观、不一致，难以规模化且准确性有限。人工智能和计算机视觉可自动从植物图像检测病害，并可集成到智能手机和无人机平台，实现大面积持续监测。但关键障碍是深度学习模型计算需求高，农村资源受限环境难部署。已有轻量模型多依赖受控实验室图像，如灰背景叶片，泛化到复杂田间环境存在挑战。模型压缩如剪枝、量化、KD（Knowledge Distillation，知识蒸馏）可压缩模型。剪枝可能偶然去除识别细微坏死斑关键神经元，量化可能牺牲光谱分析所需数值精度，KD让学生模型继承高容量教师模型特征表示，更适合农业低算力高精度需求。RGB（Red-Green-Blue，红绿蓝）图像仅覆盖可见光谱，不能捕获早期病害；NIR（Near-Infrared，近红外）成像可检测叶绿素和细胞结构变化。高光谱细节高但成本高，多光谱平衡实用与精度，消费级改装相机成本低。已有用改装相机研究多基于植被指数或仅特定 NIR 片段，缺乏在真实环境将模型压缩用于光谱图像早期病害识别。此前 WhSMV 早期检测使用多光谱但依赖大型 CNN（Convolutional Neural Network，卷积神经网络）、ViT（Vision Transformer，视觉Transformer）、混合模型和 Swin Transformer，计算资源大，难以田间部署。因此研究人员创建低成本改装 NIR 相机与 KD 压缩模型配对系统，在自然未控环境识别早期病害特征。

关键技术与样本来源：样本来自南非 KwaZulu-Natal、Mpumalanga、North West 三省私人农场，2023年8月22–25日与10月2–6日采集，共3840幅图像，含 Healthy、Early、Diseased 三阶段，由 FABI（Forestry and Agricultural Biotechnology Institute，林业与农业生物技术研究所）WhSMV 专家组标注。技术包括：消费级数码单反（DSLR）相机 Canon EOS 800D 配 K590、K665、K720、K850、BlueIR、HotMirror 六滤光片自然光采集；Rawtherapee/Retinex 预处理；12种 CNN、ViT、混合 ViT 与 Swin 模型 ImageNet 迁移学习；Bayesian Optimization 调优优化器和学习率，学习率搜索范围为 1×10^?8 至 1×10^?3；几何增强、50% dropout、early stopping、五折交叉验证与独立测试；响应式 KD 以 MobileNetV2 为学生；ANOVA（Analysis of Variance，方差分析）、Tukey HSD（Tukey’s Honestly Significant Difference，Tukey真实显著差异）和 Grad-CAM（Gradient-weighted Class Activation Mapping，梯度加权类激活映射）。

研究结果：
4. Results and Analysis：通过十二个深度学习模型在六个滤光片上于独立测试集评估，DenseNet121 在 K590 最高，平均准确率 91.25±0.93%，其次 BlueIR 90.21±0.57%；HotMirror 最低，K850 次低。DenseNet121 在所有滤光片一致高且标准差低。CNN 中 Xception 第二，最高 88.33±0.87%。ViT-B16 在 K590 达 89.17±0.93%。混合 ViT_R50_L32 优于 ViT_R26_S32；以 ResNet50V2 为骨干的混合模型优于 ResNet50V2。Swin 模型较难有效建模，Swin_large 优于小版本。五折模型标准差约 ±0.47 至 ±1.65。DenseNet121 在 K590 和 BlueIR 的训练/验证损失持续下降且无发散，表明数据增强、dropout 和 early stopping 控制过拟合。KD 实验中，教师为 DenseNet121（≈8百万参数）、ViT-B16（≈87百万）、ViT_R50_L32（≈329百万）、Swin_large（≈197百万），学生为 MobileNetV2。复杂度评估显示 MobileNetV2 ≈0.3 GFLOPs（Floating Point Operations，浮点运算次数），推断 <1 ms；DenseNet121 ≈2.9 GFLOPs，2 ms；ViT-B16 ≈17.6 GFLOPs，6 ms；ViT_R50_L32 ≈61.6 GFLOPs，20 ms；Swin_large ≈34.5 GFLOPs，16 ms。KD 训练同时使用教师和学生，推断仅需学生。以 DenseNet121 为教师时学生平均准确率最高，K590 达 91.25%；ViT-B16 第二；Swin_large 第三；ViT_R50_L32 平均最低。相较独立 MobileNetV2，DenseNet121、ViT-B16、Swin_large 在所有滤光片提高，ViT_R50_L32 在六分之五提高。DenseNet121 提高 7.29–12.50 个百分点，最高 12.50。K720 所有教师均提高；K590 所有教师均提高。K590 混淆矩阵显示 DenseNet121 教师学生在三阶段有强区分，误分类主要发生在早期与健康。Precision、Recall、F₁-score 显示 K590 最佳，BlueIR 强，K850 和 HotMirror 低；Diseased 最高，Early 较低，但 Early 仍至少达到 83.65%、83.12%、83.39%。Grad-CAM 显示 K590 焦点窄而强烈，K850 显著区更宽更弥散，HotMirror 显著区最大且垂直拉长，说明双范围滤光片有利于精细识别病害特征。
4.1 Statistical Tests on Results with KD：通过 Shapiro–Wilk 检验，残差 p=0.4500，满足正态；Levene 检验中教师模型 p=0.7495、滤光片 p=0.9840，方差齐性满足。ANOVA 显示模型选择对 KD 准确率有显著影响，F=7.34，p=0.00047。Tukey HSD 表明 DenseNet121 相对独立 MobileNetV2 显著改善，p=0.0012；ViT-B16 也显著，p=0.0387；Swin_large 和 ViT_R50_L32 未达显著。因此 DenseNet121 与 ViT-B16 的知识转移对 MobileNetV2 最有效。

讨论部分总结：DenseNet121 一致最佳，其密连接促进特征重用，参数较紧凑，在有限数据下泛化好。K850 和 HotMirror 对识别健康、早期、患病均较难；HotMirror 类似标准 RGB，早期检测有限。双范围滤光片优于单一范围。K590 覆盖 590–1000 nm，横跨红边和 NIR 平台；红边 680–750 nm 中细胞损伤导致叶绿素吸收下降，NIR 800–1000 nm 对叶肉细胞结构和水分敏感。K850 缺红边，K720 仅红边上部，K665 跨红边和 NIR 平台，但 K590 额外覆盖 590–665 nm，涉及黄到红区色素、叶绿素与类胡萝卜素变化，故性能更好。KD 结果因教师和滤光片变化。DenseNet121 提高独立 MobileNetV2 7.29–12.51 个百分点，合并显著；ViT-B16 改善但变异大。ViT_R50_L32 平均比独立 ViT_R50_L32 高 1.55 个百分点，但在 HotMirror 和 K590 低于独立教师 2.33 和 1.09 个百分点，原文将其归因于教师容量 ≈329M 过大，学生难以捕获全部知识；大模型不常是更好教师。DenseNet121 平衡复杂度与可训练性。Precision 等指标中 Diseased 最高，Early 较低，因早期症状细微且与健康重叠，实地光照、背景和噪声增加难度；但 Early 仍至少 83.65/83.12/83.39。

研究结论翻译：在所测试的深度学习模型中，DenseNet121（p=0.00012）和 ViT-B16（p=0.0387）是唯一使学生显著优于独立 MobileNetV2 的教师。进一步，K590 多光谱滤光片以 DenseNet121 优于 RGB 成像，达到 91.25% 准确率，而 HotMirror 在十二个模型中范围为 60.21% 至 84.79%。通过 KD 实施的模型压缩被证明非常有效。利用表现最佳的深度学习模型作为教师，采用显著更小的学生模型。结果显示学生性能显著提升，在 K590 WhSMV 数据集上达到平均准确率 91.25%，几乎与其 DenseNet121 教师相同。对于真实应用，知识可蒸馏到 MobileNetV2 等轻量模型，形成强大、准确、可部署的早期植物病害检测工具，支持及时干预和可持续农业实践。这表明 KD 能成功将复杂知识转移到轻量、资源高效模型，在 K590 上几乎无准确率损失，学生与 DenseNet121 教师匹配 91.25%，六个滤光片平均，蒸馏学生平均准确率 87.88%，超过独立 MobileNetV2 基线 9.96 个百分点。局限包括：早期症状识别主要依赖专家目视，未记录定量 DI（Disease Severity Index，病害严重度指数），分类未由分子或实验室诊断支持，Early 类别存在不确定性；未来应纳入定量严重度和分子诊断。框架黑箱，未与 NDRE（Normalized Difference Red Edge，归一化红边指数）或 NDVI（Normalized Difference Vegetation Index，归一化植被指数）等经典红边植被指数比较，未来应评估。数据集小，每滤光片 640 图像，可能未覆盖不同品种，自然光照变化未量化。未来可扩展数据集、加入时间序列分析，并将蒸馏学生部署到嵌入式 AI、智能手机、无人机等边缘设备，评估推断速度、内存、功耗和分类性能。作者贡献为 Malithi De Silva：Writing – original draft, Methodology, Investigation, Formal analysis, Data curation；Dane Brown：Writing – review & editing, Supervision, Project administration。