分布式声学传感中的增强反演方法：基于HOLp–OGS正则化的稳健方案

《Sensors》：Enhanced Inversion for Distributed Acoustic Sensing: A Robust Approach with HOLp–OGS Regularization

　　

摘要

农作物叶部病害每年会导致10–40%的产量损失，但目前仍难以实现及时的田间诊断。视觉语言模型通过丰富的文本描述提升了识别精度，但由于需要在推理阶段进行文本处理，多模态流程的响应速度过慢，无法用于实时田间检测。我们提出了MTL-AWL框架，该框架利用训练与推理阶段的差异：视觉语言模型的文本作为训练阶段的辅助监督信号，同时通过两种协同机制——一种是在图像编码器中保留视觉语言模型的语义信息，另一种则是利用这些语义信息——使得模型仅依靠图像就能达到与多模态系统相当的识别精度。此外，该框架还采用了模态丢弃策略（??=0.6）在训练过程中间歇性地屏蔽视觉语言模型的文本序列，迫使图像编码器独立保留跨模态特征。该框架通过自适应多任务损失函数，在可学习的softmax权重作用下，同时优化InfoNCE对比对齐、注意力多样性以及模态一致性，最终能够稳定地形成主导性的对比权重（在大豆数据集上为55%，在PlantDoc数据集上为68%），从而证明跨模态对齐是视觉语言模型知识传递的主要机制。在推理阶段，该模型的处理速度可达818 FPS，比多模态方法快3.7倍，且精度损失仅为0.41%，在大豆数据集上的准确率分别为99.30%/98.89%（多模态/仅图像模式），在PlantDoc数据集上的准确率分别为72.65%/68.80%——这样的性能足以支持实时的离线田间检测。