类别不平衡感知的深度学习方法用于苹果叶部病害识别

《AgriEngineering》：Class Imbalance-Aware Deep Learning Approach for Apple Leaf Disease Recognition Emrah Fidan, Serra Aksoy, Pinar Demircioglu and Ismail Bogrekci

　　

苹果叶部病害的高精度识别是精准农业（precision agriculture）的主要挑战之一。数据集通常存在类别不平衡（class imbalance）问题和环境变化，这对深度学习方法产生负面影响。本文提出了一项消融实验（ablation study），以测试三种不同场景：V1，由10,028张图像组成的混合平衡数据集；V2，由14,582张原始图像组成的不平衡基线数据集；V3，基于14,582张图像的3倍物理增强（3× physical augmentation）方法。研究人员将YOLOv11x的分类性能与三种最先进的卷积神经网络（convolutional neural network, CNN）架构（ResNet-152、DenseNet-201和EfficientNet-B1）进行了基准测试。该方法对多数类采用受控降采样（controlled downsampling），对少数类采用基于场景的增强（scenario-based augmentation），利用基于CLAHE（对比度受限自适应直方图均衡化，Contrast-Limited Adaptive Histogram Equalization）的纹理增强、光照模拟和传感器噪声生成。所有模型在相同实验条件下训练最多100个周期（epochs），基于验证性能设置早停（early stopping），并采用80/20训练-验证划分。实验结果表明，平衡策略的效果依赖于模型，并非普遍提升性能。这凸显了将数据平衡策略与架构特征相结合的重要性，而非采用统一的重新采样方法。YOLOv11x在V3配置下达到峰值准确率99.18%，比V2基线（99.01%）提升+0.62%。相比之下，EfficientNet-B1在V2配置下达到最佳性能（98.43%），无需额外干预。虽然所有模型均表现出一致的高AUC值（≥99.94%），但DenseNet-201在V2和V3配置下均达到最高值（99.97%）。在细粒度判别（fine-grained discrimination）方面，YOLOv11x在困难案例上的优越性能得到验证，仅有一个错误分类（锈病（Rust）被误判为疮痂病（Scab）），而ResNet-152和DenseNet-201分别错误分类了8个和7个样本。在受控高斯噪声（Gaussian noise）和运动模糊（motion blur）下的退化敏感性分析（degradation sensitivity analysis）显示，CNN基线模型保持了稳定的性能。高少数类可靠性，包括灰斑病（Grey Spot）的F1分数（F1-score）为96.20%和花叶病（Mosaic）的精确率（precision）为100%，进一步证明了有效的细粒度判别能力。结果表明，数据保留式物理增强（V3）优于基于重采样的平衡（V1），尤其是在全局准确率和少数类性能方面。

### 论文解读：基于类别不平衡感知的深度学习方法用于苹果叶部病害识别

#### 研究背景与问题

苹果叶部病害的精准识别是精准农业（precision agriculture）中的关键任务，但现有数据集普遍存在类别不平衡（class imbalance）问题（如少数类样本仅300余张，多数类超5000张），且环境变化（光照、噪声等）严重干扰深度学习模型的泛化能力。已有研究多采用简单重采样或小规模人工数据集，导致模型对罕见病害的识别灵敏度不足。此外，多数轻量级架构牺牲了少数类的准确率。为此，本研究旨在系统评估不同数据分布策略对分类性能的影响，并探索高容量模型（YOLOv11x）在平衡细粒度判别能力与全局准确率方面的潜力。论文发表于《AgriEngineering》。

#### 研究内容与结论

研究人员基于AppleLeaf9数据集（包含9类苹果叶部图像，共14,582张），设计了三种实验配置：V1（混合平衡，降采样多数类+增强少数类，共10,028张）、V2（原始不平衡基线）、V3（数据保留式物理3倍增强，每张原图生成3张增强图，仍保持原始类比例）。采用YOLOv11x（Extra Large）分类架构，并与ResNet-152、DenseNet-201、EfficientNet-B1进行对比。所有模型在相同超参数下训练至多100个epoch，采用80/20分层划分和早停策略。结果表明：YOLOv11x在V3配置下达到最高准确率99.18%，而EfficientNet-B1在V2配置下最佳（98.43%）；V3的物理增强策略在多数架构上优于基于重采样的V1；YOLOv11x在细粒度判别（如仅1例将锈病误判为疮痂病）上显著优于传统CNN。退化敏感性实验显示，EfficientNet-B1对高斯噪声和模糊的鲁棒性最强。研究意义在于：揭示了数据平衡策略需与架构特性对齐，物理多样性增强比重采样更能提升高性能模型的表现，为实际果园环境下的病害分级提供了可靠方案。

#### 主要关键技术方法

1. **混合平衡与增强框架**：采用受控降采样（controlled downsampling）减少多数类样本（每类1000-1400张），并结合基于Albumentations库的场景增强（scenario-based augmentation）对少数类别进行数据生成。增强组件包括：CLAHE（对比度受限自适应直方图均衡化，Contrast-Limited Adaptive Histogram Equalization，参数：clip_limit=4.0, tile_grid_size=(8,8)）、光照模拟（RandomBrightnessContrast和HueSaturationValue变换）、传感器噪声模拟（MotionBlur、GaussNoise、ShiftScaleRotate）。V3配置则不进行重采样，仅对每张原图应用三种随机变换（光照、几何、噪声）生成三张增强图，保留原始类分布。
2. **模型架构与训练**：选用YOLOv11x（Extra Large）分类架构，替换检测头为全局平均池化+全连接层+Softmax。对比模型包括ResNet-152、DenseNet-201和EfficientNet-B1。使用随机梯度下降（stochastic gradient descent, SGD）优化器，学习率0.01、动量0.9，输入图像统一为224×224像素，所有模型均训练100个epoch，并基于验证准确率早停（25-40 epoch收敛）。硬件环境为NVIDIA A100-SXM4 GPU，软件环境为PyTorch v2.1.0和Ultralytics YOLOv11库。
3. **评估指标**：采用加权平均的精确率（precision）、召回率（recall）和F1分数（F1-score），以及宏平均（Macro Average）的AUC（One-vs-Rest方法）。

#### 研究结果

**3.1 比较性能分析**
通过测试集性能对比（表4），YOLOv11x在V3配置下取得最高准确率99.18%和最高宏AUC值0.9997。EfficientNet-B1、DenseNet-201和ResNet-152的准确率均高于97%。YOLOv11x模型在精确率、召回率和AUC间达到最优权衡。回答三个研究问题：
- RQ1：V1平衡策略使少数类F1分数达96.20%（灰斑病），但全局准确率低于V3物理增强策略。
- RQ2：YOLOv11x在相似病害（锈病vs.疮痂病）上仅误分类1例，远少于ResNet-152（8例）和DenseNet-201（7例）。
- RQ3：YOLOv11x在保持全局准确率99.18%的同时，少数类灰斑病F1分数达96.20%，体现细粒度判别能力。

**3.2 类别级分类性能**
基于归一化混淆矩阵（图4），YOLOv11x的多数和少数类对角线值占优，确认无多数类偏差。灰斑病F1分数96.20%，花叶病精确率100%。残存误分类主要出现在视觉相似的交替斑病（Alternaria Leaf Spot）和褐斑病（Brown Spot）之间，但非对角线值极低。

**3.3 类别不平衡下的性能与训练稳定性**
ROC曲线（图5）显示YOLOv11x所有类别的宏AUC为0.9997。对比模型混淆矩阵（图6）表明，YOLOv11x在锈病与疮痂病的区分上仅1例误分类，而ResNet-152和DenseNet-201分别为8例和7例。训练动态（图7、8）显示所有模型收敛稳定，YOLOv11x训练与验证损失接近，无过拟合迹象。

**3.4 退化敏感性分析**
- **高斯噪声敏感性**（表6、图9）：对CNN基线模型（不含YOLOv11x）施加σ=0.01、0.05、0.10的高斯噪声，EfficientNet-B1在最高噪声下准确率仍达96.75%，鲁棒性最强；ResNet-152最敏感。
- **高斯模糊敏感性**（表7、图10）：EfficientNet-B1在模糊条件下性能退化最小，ResNet-152准确率下降2.6%。
- **消融实验**（表8）：YOLOv11x在V3下准确率99.18%，高于V2（99.01%）和V1（98.87%）；DenseNet-201和ResNet-152均在V3下最佳；EfficientNet-B1在V2下最佳。结论：物理多样性增强比重采样提升更一致。

**3.5 视觉预测示例**
对具有明显特征（褐斑病、健康、疮痂病、白粉病）的类别，所有模型高置信度正确分类。在视觉相似类别（灰斑病、花叶病、交替斑病）上，置信度轻微下降但预测正确。误分类仅出现在锈病与疮痂病等相似类别，且置信度低。

#### 讨论总结

实验结果揭示架构与数据分布策略的交互作用：V1的混合平衡虽提高少数类F1分数，但过度降采样可能移除多数类高频特征，削弱全局特征多样性。V3的物理增强保留原始数据量并通过光照、几何、噪声扰动增加类内多样性，更适合高容量模型YOLOv11x。EfficientNet-B1在V2下最佳，因其复合缩放（compound scaling）特性使模型在原始分布下已达最优容量，过度增强可能引起校准不稳定。实际应用中，V1适用于资源受限或严重不平衡场景，V3适用于追求细粒度判别且资源充足场景。未来工作需纳入遮挡和极端光照等环境扰动。

#### 研究结论翻译

本研究进行了系统的消融实验，以评估不同数据分布方法对苹果叶部病害分类性能的影响。研究在受控实验条件下考虑了三种不同方法：V1，使用多数类降采样和少数类增强的混合平衡；V2，使用不平衡基线；V3，使用数据保留式物理3倍增强。结果表明，基于重采样的平衡方法并不能保证性能提升。虽然V1取得了更高的少数类F1分数，但未能改善整体准确率，甚至低于不平衡基线（V2）。这表明，对多数类进行激进降采样可能会损害特征多样性，从而影响模型学习丰富全局表征的能力。另一方面，当前研究中提出的数据保留式物理增强策略与YOLOv11x模型结合时表现更佳，准确率达到99.18%。这表明，与重采样策略不同，物理增强策略对像YOLOv11x这样的高容量模型更有效，因为它能在保持原始类分布的同时提高特征变异性。模型间也存在交互效应：YOLOv11x和其他深度模型的最佳性能在物理增强策略（V3）下取得，而EfficientNet-B1模型的最佳性能在不平衡基线（V2）下取得。这表明复合缩放模型可能更容易受到增强策略带来的分布偏移的影响。总体结果表明，对于细粒度病害判别任务，真实物理增强策略比基于重采样的平衡策略更有效。未来工作将侧重于将该框架应用于域泛化场景，并纳入果园环境中常见的其他真实扰动，如遮挡和极端光照条件。