《Smart Agricultural Technology》：Comparative Analysis of CNN-Based Approaches for Flower Classification
编辑推荐：
在机器人授粉等不同的农业任务中，视觉系统必须执行双重分类，以确定花卉物种及其相应的开花阶段，从而确保合适且定向的花粉输送。在本研究中，研究人员评估了多种深度学习模型，包括VGG16、ResNet50、EfficientNetV2、MobileNetV3以及一个
在机器人授粉等不同的农业任务中，视觉系统必须执行双重分类，以确定花卉物种及其相应的开花阶段，从而确保合适且定向的花粉输送。在本研究中，研究人员评估了多种深度学习模型，包括VGG16、ResNet50、EfficientNetV2、MobileNetV3以及一个经过改造的YOLOv10主干网络（其中YOLO架构被重新用作特征提取器）。这些模型在一个双输出图像分类框架下进行测试，每个模型从单个输入图像中同时预测花卉物种和四个开花阶段（花蕾、部分开放、完全开放和凋谢）。模型在包含玫瑰和向日葵的四个不同开花阶段的花卉数据集上进行了训练和评估。由于相邻阶段之间微小的视觉差异，开花阶段分类被证明更具挑战性。所有模型在花卉物种分类方面都表现相对较好。然而，VGG16在开花阶段预测方面取得了最高性能，准确率达到82.8%，而ResNet50在两个任务上都表现出稳定且平衡的性能。同时，作为一种轻量级替代方案，MobileNetV3提供了中等精度。至于EfficientNetV2和YOLOv10，它们在开花阶段预测方面表现有所下降。这些发现突显了这些不同模型在分类任务中的表现，为我们提供了农业视觉系统的潜在架构。
论文解读：基于CNN的花卉物种与开花阶段双任务分类比较研究
一、 研究背景、问题与研究目的
授粉是农业生态系统得以蓬勃发展的最基本生物过程之一。在自然界中，授粉通常由昆虫、鸟类等传粉者完成，而无人机授粉方法可作为人工补充。这是因为无人机可以在预先规划的农业区域上进行战略部署以实现优化授粉。然而，无人机的实际应用受到其飞行过程中识别花卉物种能力的限制。
近年来，深度学习架构已被证明是解决农业领域视觉识别和分类问题的一种有效方案。然而，现实世界的农业应用面临挑战。现有的大多数解决方案通常只关注单一分类任务，即要么是花卉物种识别，要么是针对特定物种的开花阶段识别。这对于使用无人机进行空中授粉来说是一个显著的阻碍，因为该应用需要同时获取两个任务的输出。此外，在不理想的系统工作场景中，可能会使用简单的传感器和预编程路线，这些方法无法在变化的环境因素下稳健地区分目标。
目前，这一知识缺口尚未得到彻底解决，即缺乏一个单一的框架来同时处理花卉物种分类和开花阶段分类任务。为了填补这一空白，本研究旨在将这一问题作为一个双输出分类任务来处理。每个图像被视为一个带标签的样本，模型通过一个单一的管道，使用各种深度学习模型同时预测物种和开花阶段。此举旨在简化部署，并比较这些模型之间的特征提取能力。相关研究发表在《Smart Agricultural Technology》期刊上。
二、 关键技术方法概述
本研究提出实施五种不同的机器学习模型用于花卉分类任务。这些模型包括VGG16、ResNet50、EfficientNetV2、MobileNetV3和一个YOLOv10主干网络。模型的选择旨在实现双输出图像分类任务。具体方法包括：
- 1.
模型架构与修改：研究采用了基于CNN（卷积神经网络）的高容量网络（VGG16、ResNet50）、现代高效架构（EfficientNetV2）、轻量级部署导向模型（MobileNetV3）以及一个源自检测任务的主干网络（YOLOv10）。所有模型均采用迁移学习，其骨干网络（在ImageNet上预训练）被冻结。对于YOLOv10，研究人员移除了其检测头，仅保留主干网络作为特征提取器，然后为花卉物种和开花阶段预测添加了两个独立的分类头。其他模型也在冻结的预训练骨干基础上添加了定制的双输出分类头。
- 2.
数据集构建：数据通过Roboflow平台收集和预处理。研究人员下载了向日葵和玫瑰的两个数据集，并创建了一个包含4个开花阶段的最终数据集。该数据集共包含2954张图像，每张图像都关联两个标签：花卉物种（玫瑰或向日葵）和开花阶段（四个离散阶段：花蕾、部分开放、完全开放、凋谢）。数据集被划分为训练集（2585张）、验证集（195张）和测试集（174张）。数据集中存在类别不平衡，向日葵图像多于玫瑰图像。为了防止数据泄露，每张图像被分配到一个子集，确保训练、验证和测试数据之间没有重叠。数据增强技术仅应用于训练集。
- 3.
模型训练与评估：所有模型均使用Adam优化器，在相同的双头分类框架下训练了10个周期。通过准确率、精确率、召回率和F1分数等指标评估模型性能。使用验证集检查过拟合，并使用独立的测试集评估模型的泛化能力。
三、 研究结果
2.1. 架构图
论文通过架构图详细展示了五种模型的双输出分类设计。其共同特点是：使用冻结的预训练骨干网络（输入尺寸为224×224×3，YOLOv10为640×640×3）提取特征，经过全局平均池化（Global Average Pooling）后，通过一个共享的全连接层（通常为1024个单元，带有ReLU激活和Dropout），最后分支为两个独立的softmax分类器，分别用于花卉类型分类（N类）和开花阶段预测（M类）。
2.2. 数据集描述
数据集包含2954张图像，类别分布不平衡。花卉物种分布上，训练集向日葵2159张、玫瑰426张；验证集向日葵153张、玫瑰42张；测试集向日葵154张、玫瑰20张。开花阶段分布上，训练集花蕾831张、完全开放680张、部分开放447张、凋谢627张；验证集花蕾60张、完全开放50张、部分开放37张、凋谢48张；测试集花蕾53张、完全开放45张、部分开放34张、凋谢42张。
2.3. 模型训练与评估
研究采用相同的超参数和评估框架对五个模型进行训练和比较，确保了结果的可比性。
3.1. YOLOv10
YOLOv10在花卉分类任务上表现良好，验证准确率达到0.9536。然而，其在开花阶段分类上的性能显著较低，各项指标值在0.2到0.5之间。这表明该模型虽然能有效进行特征提取和花卉预测，但不适用于对开花阶段进行细粒度分类，存在对主导类别的偏好。
3.2. EfficientNetV2模型
EfficientNetV2在花卉分类任务上表现优异，验证集各项指标在0.95到0.97之间。但其在开花阶段分类上的性能较差，指标范围在0.2到0.4。最终测试集上，开花阶段分类准确率仅为0.3314。模型能够学习花卉的通用视觉特征，但难以区分视觉相似的不同开花阶段，可能需要更多的数据平衡或微调来提高细粒度分类性能。
3.3. VGG16
VGG16模型在两个任务上都表现出最稳定的性能。在验证集上，花卉分类各项指标接近1.0，开花阶段分类指标在0.80-0.87之间收敛。最终测试集上，花卉分类达到100%的准确率，开花阶段分类准确率为0.8286，是所有模型中表现最佳的。其训练和验证指标非常相似，表明模型泛化能力良好。对VGG16开花阶段分类的混淆矩阵分析显示，大多数预测集中在主对角线上，表明其在各开花阶段分类效果良好，仅在相邻阶段（特别是部分开放和完全开放之间）存在少量误分类。
3.4. ResNet50
ResNet50在花卉分类任务上表现可靠，验证准确率约为0.9749，测试准确率为0.9771。在开花阶段分类上，其性能中等，验证指标在0.45到0.65之间，测试准确率为0.64。模型能够提取图像的共同特征，但对开花阶段的分类能力面临挑战。
3.5. MobileNetV3模型
作为轻量级模型，MobileNetV3在花卉分类上表现出色，验证和测试准确率均超过0.96。但其在开花阶段分类上的性能显著较低，测试准确率仅为0.4971。图表显示训练和验证指标非常相似，表明模型能够很好地进行泛化。该模型可以作为考虑整体性能的轻量级选项。
3.6. 模型比较
研究人员提供了全面的训练、验证和最终测试集性能指标进行模型比较。所有模型在花卉分类上都表现良好，其中VGG16达到了近乎完美的分数。然而，在开花阶段分类上，性能差异变得明显。根据最终测试集结果：
- •
花卉分类：所有模型都取得了高测试准确率，VGG16为1.0，其次是EfficientNetV2 (0.9886)、ResNet50 (0.9771)、MobileNetV3 (0.96) 和 YOLOv10 (0.9029)。
- •
开花阶段分类：VGG16取得了最高的测试准确率 (0.8286)，其次是ResNet50 (0.64)、MobileNetV3 (0.4971)、EfficientNetV2 (0.3314) 和 YOLOv10 (0.1886)。所有性能指标都呈现出类似的模式。
四、 讨论与结论
讨论总结：研究结果表明，在所比较的模型中，对于相同的花卉和开花分类任务，其表现存在差异。花卉分类相对简单，所有模型都取得了较高的准确率。而开花阶段分类则更具挑战性，各模型性能差异显著。VGG16在两项任务上均表现出最佳性能，能够可靠地学习物种分类的视觉特征以及开花阶段分类的细节。ResNet50在物种分类上表现稳定，但其在开花阶段任务上可能需要进一步优化。YOLOv10在花卉物种分类上取得了合理的结果。MobileNetV3和EfficientNetV2在开花阶段分类上的任务准确性显著降低。开花阶段分类的困难性源于数据分布不均、类间样本相似性以及相邻阶段间细微的视觉差异。
研究结论翻译：本研究对多种深度学习架构进行了比较分析，以解决同时进行物种识别和开花阶段识别的双重分类问题。然而，结果表明它们之间存在较大的性能差距，表明物种分类是一个相对复杂程度较低的问题，而开花阶段识别则因其微妙的视觉特性成为模型鲁棒性的决定因素。
在所评估的模型中，VGG16表现出最高的性能，在测试集上物种分类准确率达到100%，开花阶段分类准确率达到82.86%。它通过提取全局形状特征和细粒度纹理细节，在不过度复杂化模型的情况下实现了出色的泛化能力。此外，ResNet50更深的架构对于有限大小的数据集来说更难优化。同时，像EfficientNetV2和MobileNetV3这样的轻量级模型为了效率而忽略了详细的特征图，因此开花阶段准确率较低。同样，YOLOv10在物种分类任务中达到了90.29%的准确率，这表明了其作为检测模型的局限性。
本研究的主要贡献在于开发了一个单一的、统一的框架，该框架能够实现双任务的同步预测，并通过比较分析，为基于视觉的农业机器人技术提供了模型选择的指导。然而，未来的研究可以进一步提高开花阶段分类的模型准确性，并纳入更多物种，以涵盖自动化授粉的更多领域。
