《Frontiers in Plant Science》：TomaNet-6H: towards transparent plant disease detection using a modified CNN with Grad-CAM for tomato leaves
编辑推荐：
植物病害对农业生产率构成严峻挑战，凸显了对快速、可靠自动化检测方法的迫切需求。人工病害识别劳动强度大且易出错，而深度学习技术提供了可扩展的替代方案。本研究评估了五种卷积神经网络（CNN）架构——XceptionNet、DenseNet121、基线五层CNN、六
植物病害对农业生产率构成严峻挑战，凸显了对快速、可靠自动化检测方法的迫切需求。人工病害识别劳动强度大且易出错，而深度学习技术提供了可扩展的替代方案。本研究评估了五种卷积神经网络（CNN）架构——XceptionNet、DenseNet121、基线五层CNN、六层CNN以及所提出的自定义架构TomaNet-6H——用于基于PlantVillage数据集的番茄叶片状态分类。图像预处理结合了色彩空间变换和对比度受限自适应直方图均衡化（CLAHE），并辅以针对性数据增强以缓解类别不平衡问题。实验结果表明，TomaNet-6H实现了97.42%的测试准确率和96.60%的宏F1分数，同时保持了适度的计算复杂度（约7M参数）和每幅图像68.4毫秒的推理延迟。此外，Grad-CAM可视化定性表明，该网络主要聚焦于症状叶片区域而非背景伪影。这些发现凸显了TomaNet-6H作为精准农业部署中一种有效且资源节约型框架的潜力。
一、研究背景与问题提出
番茄（Solanum lycopersicum L.）是全球种植最广泛、经济价值最重要的园艺作物之一，在人类饮食和农业经济中扮演着重要角色。全球数百万农民依赖番茄种植作为重要收入来源，植物病害导致的减产直接影响其生计并扰乱农业供应链。然而，番茄生产持续受到真菌性、细菌性、病毒性及节肢动物相关病害的威胁。早疫病（由Alternaria solani引起）、晚疫病（由Phytophthora infestans引起）等真菌性病害在适宜环境条件下可造成重大产量损失；细菌性斑点病（由Xanthomonas perforans引起）会降解植物组织；番茄花叶病毒（TMV）和番茄黄化曲叶病毒（TYLCV）是最常见的病毒性感染，因其系统性和对防治措施的抵抗力而尤为棘手；此外，二斑叶螨（Tetranychus urticae）等节肢动物害虫会造成直接取食损害并增加继发感染风险。
传统诊断通常依赖农民或农业专家的目视检查，必要时辅以实验室分析，但此类方法耗时费力，且依赖训练有素人员的可用性和专业知识。不同病害可能表现出相似的视觉特征，进一步增加了目视识别的难度。因此，基于图像的自动化病害检测已成为计算机视觉和机器学习支持快速植物健康评估的重要应用。深度学习，特别是卷积神经网络（CNN），已展现出从植物叶片图像自动学习判别性视觉特征的强大能力。然而，高分类准确率并非农业实际部署的唯一考量——深度CNN架构可能涉及大量可训练参数、巨大的计算需求以及较长的训练或推理时间，限制了其在移动端、边缘端和田间农业设备等资源受限环境中的应用。因此，关键的计算挑战在于开发一种能够在分类准确率、泛化能力、计算复杂度、推理速度和可解释性之间取得适当平衡的病害分类模型。
二、研究内容与核心结论
针对上述挑战，研究人员提出了TomaNet-6H，一种改进的六层CNN架构，旨在实现病害分类性能与计算效率之间的有效平衡。该架构逐步增加卷积滤波器数量，并在第四个卷积块后引入残差连接以增强特征传播和梯度流动；采用最大池化进行空间降维，使用L2正则化和Dropout减少过拟合，并通过全连接层完成最终多分类。模型在PlantVillage数据集的番茄子集上进行了评估，该子集包含18,160幅图像，涵盖十种病害和健康叶片类别，按80:10:10比例划分为训练集（15,523幅）、验证集（1,816幅）和测试集（1,821幅）。针对类别不平衡问题，研究人员仅对代表性不足的训练类别进行了受控离线数据增强，将其扩展至每类约2,500个训练样本。
实验结果表明，TomaNet-6H在测试集上达到97.42%的准确率和96.60%的宏F1分数，优于XceptionNet（93.47%准确率）、DenseNet121（95.39%）、五层CNN（95.72%）和六层CNN（95.94%）。模型仅需约700万参数，每幅图像推理时间为68.4毫秒，训练时间在深层模型中最短（1184.87秒）。Grad-CAM可视化定性表明，网络主要聚焦于症状叶片区域（如坏死病变、褪绿边缘和叶面斑点）而非背景伪影。该研究的重要意义在于证明了TomaNet-6H能够在保持计算效率的同时实现高分类性能，为实时和资源受限环境下的精准农业部署提供了可行方案。
三、关键技术方法
研究人员采用的主要技术方法包括：基于PlantVillage数据集（来源于Kaggle）的番茄叶片图像分类；图像预处理流程涵盖RGB转换、224×224像素统一缩放、对比度受限自适应直方图均衡化（CLAHE）增强局部对比度、高斯模糊降噪、伽马校正处理亮度变化、反正切变换归一化像素强度分布以及逐像素归一化；针对类别不平衡的受控离线数据增强（水平翻转、旋转、亮度变化、剪切、缩放、宽高平移）；五种CNN架构（XceptionNet、DenseNet121、五层CNN、六层CNN和TomaNet-6H）的对比评估；TomaNet-6H采用六层卷积结构、残差连接、最大池化、L2正则化、Dropout和Softmax分类层；Adam优化器（学习率0.0005）、分类交叉熵损失函数、批大小32、20个训练周期；Gradient-weighted Class Activation Mapping（Grad-CAM）可解释性分析。实验环境为NVIDIA Tesla P100 GPU（16GB）和TPU（v3-8），基于Kaggle Linux环境，使用TensorFlow、Keras和PyTorch框架。
四、研究结果
4.1 定量分析
研究人员对五种深度学习模型在20个训练周期内的训练和验证准确率趋势进行了详细比较。TomaNet-6H展示了稳定的学习行为，其损失曲线表明模型具有良好的收敛性和泛化能力。在关键评估指标方面，TomaNet-6H表现最佳，测试准确率达97.42%，F1分数为96.60%，在所有评估指标上均呈现一致性改进。相比之下，XceptionNet和DenseNet121在精确率和召回率方面表现出略低的稳健性。
类别级分析显示，TomaNet-6H在多数类别上取得最高或接近最高的性能，在番茄黄化曲叶病毒（YCV）、细菌性斑点病（BS）、早疫病（EB）和二斑叶螨（SMS）等类别中F1分数接近或超过0.98。即使在视觉上更具挑战性的番茄花叶病毒（MV）类别中，模型仍保持了0.913的F1分数。混淆矩阵分析确认了模型的高分类准确性，各类别对角线值强。
4.2 定量评估关键见解
大多数模型难以准确识别番茄花叶病毒（MV），主要归因于增强前原始训练样本有限；TomaNet-6H在该类上取得了最高的召回率（0.96）和F1分数（0.913），表明其从有限数据中学习的优越能力。TomaNet-6H在多个病害类别中实现了近乎完美的精确率、召回率和F1分数，反映了其有效的特征提取能力和均衡的类别级性能。尽管XceptionNet和DenseNet121在某些指标上表现良好，但其对挑战性类别处理的不一致性和较长的训练时间使其不如轻量级CNN架构适合实际部署。五层和六层CNN在分类准确率和计算效率之间展现了良好平衡，适用于硬件资源有限的实时应用。
4.3 可解释人工智能
研究人员将可解释人工智能（XAI）原则纳入评估框架。通过检查混淆矩阵识别特定类别间混淆，并对TomaNet-6H的最终卷积层应用Grad-CAM生成粗粒度二维热力图，突出对分类输出影响最强的区域。Grad-CAM热力图提供了定性证据，表明网络主要关注特征性症状模式（如坏死病变、褪色边缘和叶面斑点），而非依赖背景伪影或图像边界。研究人员同时指出，热力图应视为中间特征显著性的探索性指标，而非解释正确性的详尽验证；视觉检查本身无法建立因果归因或完全的生物学保真度。
4.4 与现有工作比较
研究人员将TomaNet-6H与先前研究进行了基准比较。TomaNet-6H实现了最高的宏准确率97.42%，F1分数96.60%，每幅图像推理时间68.4毫秒，在20个周期内训练约706万参数。相比之下，Das等人（2025）取得了97.24%的相似准确率，Altalak等人（2022）报告97.2%，Chen等人（2022）以轻量级AlexNet架构达到96.00%，Zhao等人（2022）使用注意力嵌入的残差Inception网络实现95.20%。这些比较表明TomaNet-6H在准确率方面优于近期模型，同时保持高效推理。
4.5 讨论
直接实验比较提供了对TomaNet-6H相对性能更受控的评估，因为所比较的架构在相同实验条件下进行评估。与已发表研究的比较应谨慎解读，数据集、预处理、数据划分、增强方法、模型实现、超参数和评估环境的差异使得这些数值不能被视为严格等效。TomaNet-6H在PlantVillage数据集上实现了96.60%的宏F1分数和97.42%的测试准确率，优于若干当代CNN架构。与参数数量更高、训练时间更长的深层架构（如XceptionNet和DenseNet121）相比，TomaNet-6H以显著更低的计算开销实现了相当或更优的性能。类别级分析显示模型在主要和次要病害类别中表现一致，在靶斑病、番茄黄化曲叶病毒、叶霉病和细菌性斑点病等类别中表现优异（F1≥0.975）。与先前研究相比，TomaNet-6H在准确率方面表现突出，同时保持了高效推理能力，使其成为实时和资源受限部署中最合适的模型。
