通过对比特征引导的层次融合模块提升小麦籽粒透明度检测的图像分割性能

《Journal of Stored Products Research》：Enhancing image segmentation performance via contrastive feature-guided hierarchical fusion modules for wheat kernel vitreousness detection

　　陈霞万|李金培|吕鹏涛|李鹏|卢磊
中国河南省郑州市河南工业大学粮食信息处理与控制重点实验室，教育部，邮编450001

**摘要**
目的：准确检测小麦的玻璃质程度对于评估谷物品质及加工适用性至关重要。图像分割为从小麦籽粒横截面图像中分离出粉质区域提供了有效手段，从而实现玻璃质程度的定量评估。然而在实际应用中，玻璃质区域与粉质区域之间的边界往往较为模糊，现有模型也难以识别小型且孤立的粉质区域。为解决这些关键问题，本文提出WheatCSeg算法，该算法基于对比特征引导的层次融合机制，用于小麦玻璃质程度的检测。

**方法**
本研究提出的算法包含三个核心模块：特征信息映射模块用于提升玻璃质区域与粉质区域之间的边界区分度；多级特征聚合模块用于增强层次化特征的整合与表达能力；多尺度解码器则用于提高分割精度，尤其是针对小型且孤立的粉质区域。此外，预测得到的分割掩码可通过基于面积的计算框架直接用于小麦玻璃质程度的估算。

**结果**
在自建的WHEAT_pro数据集上的实验表明，WheatCSeg的Dice系数为89.18%，Jaccard系数为80.34%，召回率为90.53%，精确率为87.82%，性能优于所有其他竞争算法。与CFFormer相比，WheatCSeg的Dice系数和Jaccard系数分别提升了3.25%和5.03%。同时，该算法能够实现精确的玻璃质程度定量评估，其平均绝对误差为2.34%，均方根误差为3.12%，R2值为0.967，皮尔逊相关系数为0.984。

**结论**
所提出的WheatCSeg算法显著提升了边界区分能力、层次化特征表达能力以及小目标分割精度，从而实现了更精准的粉质区域提取以及可靠的小麦玻璃质程度估算。这项工作为智能小麦品质评估提供了有效的视觉解决方案，在实际谷物检测应用中具有广阔的应用前景。

**引言**
小麦的玻璃质程度是反映籽粒硬度及内部结构完整性的重要指标，它直接影响面粉提取率及最终面粉的品质（Qi等人，2024）。准确的玻璃质程度检测为评估谷物品质及优化小麦加工流程提供了可靠依据（Cappelli等人，2022；Ma等人，2021）。传统的检测方法，如目视检查、透光率检测以及面筋洗涤法，均无法实现对玻璃质程度的精确定量测量（Wang等人，2021）。此外，这些方法具有高度主观性，效率低下，且耗费大量时间和人力。虽然化学分析方法可以定量测定玻璃质程度，但它们需要复杂的操作流程、精密的仪器以及专业的技术人员，因此不太适用于现场或快速检测场景（Kelly等人，2025）。另外，这类分析方法会破坏小麦籽粒的完整结构，导致样本无法再次使用（Banach等人，2022）。

已有许多研究采用高光谱技术和声学方法来评估小麦的玻璃质程度（Q. Liu等人，2022；Zhang等人，2023）。Ma等人证明，高光谱成像技术能够有效预测小麦蛋白质含量，从而为间接估算玻璃质程度提供依据（Ma等人，2022）。Wang等人总结了高光谱成像技术在谷物品质评估方面的进展（Wang等人，2024）。Erkinbaev等人通过结合光谱特征与图像特征，并运用偏最小二乘回归模型，成功实现了对单个小麦籽粒玻璃质程度的精准预测（Erkinbaev等人，2019）。Du等人详细分析了利用近红外光谱技术进行谷物品质检测的完整流程，涵盖了从数据预处理到模型构建的各个环节（Du等人，2022）。Freitag等人证实，将近红外光谱技术与机器学习相结合，可高效预测大规模小麦批次的蛋白质含量、水分含量及玻璃质程度（Freitag等人，2024）。与此同时，Liu等人发现超声参数与蛋白质含量、玻璃质程度等关键指标存在显著相关性（Y. Liu等人，2022）。Guo等人通过机器学习技术分析籽粒碰撞产生的高频信号，有效区分了受损籽粒与完好籽粒（Guo等人，2019）。Chen等人通过机械测试比较了玻璃质籽粒与粉质籽粒的性能，发现在相同条件下，玻璃质籽粒具有更高的断裂能和机械强度（Chen等人，2025）。

尽管取得了上述进展，仍存在若干关键问题。首先，模型对未校正的籽粒含水量极为敏感，从而导致预测稳定性较差（De Moraes等人，2026）。其次，仪器与环境变化引起的光谱漂移会严重降低预测结果的可靠性，而目前的解决方法尚显不足（S. Zhang等人，2022）。最后，小麦玻璃质程度检测领域过度依赖单一模态技术，多模态数据融合方面进展缓慢（Safdar等人，2023；Zhao等人，2023）。相比之下，基于视觉的成像技术已日益成熟（Yu等人，2023；Zhang等人，2025）。如图1所示，通过从小麦籽粒横截面中分割出粉质区域，即可估算其玻璃质程度。

图像分割是计算机视觉中的核心组成部分，其主流研究方法主要分为两类：基于卷积神经网络的方法和基于Transformer的方法。为克服卷积神经网络的固有缺陷，如归纳偏差和较低的分割效率（Brar等人，2025；Du等人，2020），人们提出了多种经典模型，包括全卷积网络（FCN）（Long等人，2015）、U-Net（Ronneberger等人，2015）、基于区域的卷积神经网络（R-CNN）（Girshick等人，2014）以及DeepLab（Chen等人，2017）。Ren等人提出了全局感受野卷积（GRC）（Ren等人，2025），通过替代FCN架构中的传统卷积操作，增强了全局上下文的整合能力。Zhou等人提出了改进版的U-Net++，其中加入了密集的卷积块（Zhou等人，2018）。Huang等人进一步提出了全尺度跳跃连接以及混合损失函数（Huang等人，2020）。此外，为应对特定挑战，Lin等人在Mask R-CNN中加入了序列头以实现时间建模（Lin等人，2021）。He等人开发了CD-Net，该模型利用向心特征和监督体素来实现高效的3D籽粒分割（He等人，2021）。Cao等人引入了ShapeConv技术，用于分解和加权深度特征（Cao等人，2021）。不过，由于感受野的限制，卷积神经网络在建模长距离依赖关系方面仍存在固有缺陷（Cao等人，2022）。

近年来，基于Transformer的方法在图像分割领域发展迅速。Strudel等人率先将视觉Transformer应用于图像分割任务（Strudel等人，2021）。Chen等人提出了Transformer U-Net（Chen等人，2021）。Zhang等人提出了SegViT，这是一种基于纯视觉Transformer的语义分割模型，通过引入注意力到掩码模块（ATM），它在多个数据集上取得了最优性能（B. Zhang等人，2022）。为进一步提升效率，他们随后提出了基于查询的下采样或上采样缩放结构，该结构结合了轻量级的ATM模块与Shrunk++结构，通过参数冻结实现了近乎零遗忘的持续分割效果（Zhang等人，2024）。Wen和Li提出了一种全注意力解码器，该方法首先通过自注意力构建理想的PCA子空间，然后通过交叉注意力在该子空间内计算类别基向量，最终生成类别掩码（Wen和Li，2024）。

尽管图像分割技术已得到广泛应用并取得了显著成果，但在从小麦横截面图像中提取粉质区域方面仍存在三个核心问题：第一，玻璃质区域与粉质区域之间的边界往往不清晰，这降低了图像分割的精度（Wang等人，2023）；第二，由于像素占比低，小型且孤立的粉质区域容易被遗漏；第三，现有模型对多级特征的整合不足，无法同时兼顾大范围区域的分割精度与小目标检测能力。这些问题都会直接影响玻璃质程度的计算精度，如图2所示。这些问题也与卷积神经网络和Transformer的固有局限有关——基于卷积神经网络的方法难以捕捉长距离依赖关系，常常忽略细微细节和边界特征（Takahashi等人，2024）；而基于Transformer的方法虽然擅长全局建模，但在低级特征表示方面存在缺陷，且计算成本较高。

因此，为解决上述三个问题，本文提出了Wheat Cross-sectional Segmentation（WheatCSeg）算法，这是一种基于对比特征引导的层次融合图像分割算法。其主要贡献如下：第一，设计了特征信息映射模块以解决边界模糊的问题，该模块采用三分支架构并结合互补损失函数，提升粉质区域与玻璃质区域之间的特征区分度；第二，设计了多尺度解码器，通过独立预测不同尺度的目标，解决小型目标被遗漏的问题；第三，设计了多级特征聚合模块，通过引入领域特定信息引导层次化特征融合，以解决特征整合不足的问题；第四，验证了WheatCSeg在图像分割及玻璃质程度定量估算方面的优越性。

**整体架构**
WheatCSeg的整体架构如图3所示。其核心设计思路是通过整合特征信息映射模块、多级特征聚合模块以及多尺度解码器，来解决玻璃质区域与粉质区域之间边界模糊的问题以及小目标分割错误的问题。WheatCSeg模型包含四个连续的处理阶段：第一，ResNet编码器负责提取各级语义特征图f1至f4；第二，高级特征图f4经过特征信息映射模块处理，生成相应的特征表示。

**数据集描述**
本研究使用了自建的小麦籽粒横截面图像数据集WHEAT_pro来进行模型训练与评估。这些小麦籽粒是通过手工切半来暴露其内部横截面结构的，图像是在实验室控制条件下使用BETICAL视频显微镜拍摄的。为确保实验样本的独立性，WHEAT_pro数据集中的每张图像对应的是不同小麦籽粒的横截面。仅有一……

**结论**
本文提出了WheatCSeg算法，这是一种基于对比特征引导的层次融合网络，用于小麦籽粒横截面图像的分割。该框架整合了特征信息映射模块，以提升粉质组织与玻璃质组织之间的区分度；整合了多级特征聚合模块，以促进层次化特征的融合；同时还整合了多尺度解码器，以提高不同空间尺度下粉质区域的分割精度。

**声明**
作者声明不存在任何可能影响本文研究的已知利益冲突或个人关系。

**作者贡献说明**
陈霞万：概念设计、资金获取、课题指导、论文撰写与修改。李金培：概念设计、数据整理、形式分析、方法设计、论文初稿撰写。吕鹏涛：项目管理工作、论文撰写与修改。李鹏：资金获取、课题指导。卢磊：课题指导、结果验证。

**利益冲突声明**
作者声明不存在任何可能影响本文研究的已知利益冲突或个人关系。

**致谢**
本项研究得到了中原科技创新领军人才计划（项目编号244200510024）、教育部食品信息处理与控制重点实验室开放项目（项目编号KFJJ-2024-005）以及河南工业大学高层次人才科研启动基金项目（项目编号2023BS040）的资助。作者感谢审稿人和编辑们提出的宝贵意见、时间投入以及建议，这些都有助于提升本文的质量。