混合视觉Transformer与卷积注意力网络在精准农业杂草检测中的应用:一种兼具高精度与可解释性的紧凑模型

《Scientific Reports》:HybridViT-CAB: a vision transformer and convolutional attention network for precision weed detection in agricultural systems

【字体: 大 中 小 】 时间:2026年04月22日 来源:Scientific Reports 3.9

编辑推荐:

  在精准农业领域,自动、高效、可解释的杂草检测是实施可持续杂草管理的关键挑战。本文介绍了一种名为 HybridViT-CAB 的新型混合深度学习架构,它巧妙地将 Vision Transformers (ViT) 的全局上下文建模能力与卷积注意力块 (CAB) 的局部空间特征提取能力相结合。该研究旨在解决复杂田间环境下对阔叶杂草、禾草、土壤和大豆作物四类目标进行精确分类的问题。结果表明,该模型在保持高整体性能(AUC 达 0.97)和模型紧凑性(仅 412 K 参数)的同时,通过 Grad-CAM 可视化提供了更优的可解释性,在形态相似的植被类别间实现了更平衡的分类表现。这项研究为实现实时、智能的杂草管理提供了高效且可信赖的技术方案。

  
随着全球人口增长和耕地资源有限性矛盾日益突出,提高农业生产效率、实现可持续发展已成为全球性课题。精准农业(Precision Agriculture)应运而生,旨在通过信息技术对农业生产进行精细化管理,其中,杂草的精准识别与防控是关键一环。传统的杂草管理方式往往依赖大范围、均匀喷洒除草剂,这不仅成本高昂,加剧环境负担,还可能因误伤作物而影响产量。因此,开发能够自动、实时、准确区分作物与杂草的智能检测系统,对于实现按需、定点施药,推动可持续农业实践具有重大意义。然而,田间环境复杂多变,作物与杂草(尤其是不同种类的杂草)在苗期往往形态相似、背景杂乱(如土壤裸露),这对自动化检测算法的精度、鲁棒性和实时性都提出了严峻挑战。现有的基于卷积神经网络(Convolutional Neural Network, CNN)的方法虽然在特征提取方面表现出色,但在捕捉图像长距离依赖和全局上下文信息方面存在局限。近年来,视觉变换器(Vision Transformer, ViT)模型凭借其强大的全局建模能力在计算机视觉领域崭露头角,但其在细粒度局部特征感知和模型可解释性方面仍有提升空间。为了应对这些挑战,一项发表在《Scientific Reports》上的研究提出了一种创新的解决方案。
该研究由研究人员开展,核心是提出了一种名为 HybridViT-CAB 的新型混合深度学习架构,专门用于农业系统中的精准杂草检测。为了验证模型的有效性,研究团队在一个包含4795个样本的平衡数据集上进行了训练和评估,图像统一缩放至 224 × 224 像素。研究采用了多种模型配置进行对比,并利用梯度加权类激活映射(Gradient-weighted Class Activation Mapping, Grad-CAM)技术对模型决策过程进行可视化解释,以评估其可解释性。最终,通过综合比较分类准确率、受试者工作特征曲线下面积(Area Under the Curve, AUC)、每类性能以及模型复杂度等指标,来评判不同模型的优劣。
模型架构与性能比较
研究人员设计并比较了三种模型:纯 ViT 模型、纯 CAB 模型以及提出的 HybridViT-CAB 混合模型。实验结果表明,纯 ViT 模型在整体分类准确率上最高,达到了 91%。然而,提出的 HybridViT-CAB 混合模型在整体 AUC 上表现最佳,达到了 0.97,显示出优异的综合判别性能。
每类性能分析
研究进一步分析了模型在四个具体类别(阔叶杂草、禾草、土壤、大豆)上的性能。分析指出,在区分形态相似的植被类别(如阔叶杂草、禾草与大豆)时,HybridViT-CAB 模型展现出了更均衡的每类性能。这意味着它没有过度偏重于某个容易识别的类别,而是更全面、公平地处理所有类别,这对于实际应用中避免漏检特定杂草至关重要。
可解释性可视化
通过 Grad-CAM 技术生成的热力图可视化表明,与纯 ViT 模型相比,HybridViT-CAB 模型在做出分类决策时,其注意力更聚焦于目标物体的关键判别性区域,而不是分散的背景噪声。这直观地证明了混合架构在提升模型决策过程可解释性方面的优势,使得用户能够更好地理解模型是“基于什么”做出的判断,增加了部署的信任度。
模型效率评估
在模型效率方面,HybridViT-CAB 模型非常紧凑,仅包含 412 K 个可训练参数,模型文件大小为 1.57 MB。在实验环境下,其单张图片处理速度(每步)为 141 毫秒。这种轻量级的特性与较快的处理速度,表明该模型具备在实际农业设备或边缘计算设备上部署、进行实时杂草检测的可行性。
综上所述,这项研究成功开发并验证了 HybridViT-CAB 这一新型混合深度学习模型。该模型通过结合 ViT 的全局上下文理解能力和 CAB 的局部精细化特征提取与通道注意力机制,在精准杂草检测任务上取得了显著成果。它不仅实现了高精度(AUC 0.97)的分类,更重要的是,它在形态相似类别间提供了更平衡的性能,并通过 Grad-CAM 可视化证明了其优越的可解释性。同时,其紧凑的模型尺寸(412 K 参数)和较快的处理速度,为其在资源受限的实时智能杂草管理系统中的集成应用铺平了道路。研究结论强调,当精准农业部署的优先考虑因素是模型的可解释性和跨类别的平衡预测性能时,HybridViT-CAB 架构是比纯 ViT 或纯 CNN 架构更可取的選擇。这项工作为构建更智能、更透明、更高效的可持续农业杂草管理工具提供了重要的方法论进步和实践可行的技术方案。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号