《Frontiers in Plant Science》：EnviroSpect-guided ConvMixer–ViT framework for environment-robust potato leaf disease detection
编辑推荐：
马铃薯是全球最重要的主食作物之一，但其生产力持续受到叶片病害的威胁，特别是早疫病和晚疫病，两者共同造成了巨大的年度产量损失。农学家的传统视觉诊断费时费力、主观性强，且不适合大规模部署；而主流的深度学习解决方案在现实世界中光照、背景和叶片方向的变异性下性能往往会
马铃薯是全球最重要的主食作物之一，但其生产力持续受到叶片病害的威胁，特别是早疫病和晚疫病，两者共同造成了巨大的年度产量损失。农学家的传统视觉诊断费时费力、主观性强，且不适合大规模部署；而主流的深度学习解决方案在现实世界中光照、背景和叶片方向的变异性下性能往往会下降，并且通常需要田间条件下很少具备的大型标注数据集。为了解决这些局限性，研究人员提出了一种混合深度学习框架，该框架将用于局部病斑尺度特征提取的ConvMixer与用于建模长距离空间依赖关系的视觉 Transformer（ViT）相结合，并通过逐元素集成聚合它们的表示。该流程之前采用了一种新颖的预处理方案EnviroSpect，该方案在自定义的色调-饱和度-强度（HSI）颜色空间中独立地重新映射色调、增强饱和度并归一化强度，以在异构成像条件下保留病害判别线索。分类由基于原型网络的头部执行，该头部利用从训练特征计算的类原型来产生基于相似性的决策，补充了标准的softmax分类。该框架在三个数据集上进行了训练和评估：PlantVillage、Potato Plants和自定义的田间采集AgriPlant数据集，共包含跨越三个病害类别的5,304张图像。所提出的模型在PlantVillage上实现了99%的分类准确率，在Potato Plants上实现了98%的分类准确率，宏F1分数为99.02%，精确率为99.20%，召回率为98.85%，始终优于单独的ConvMixer、ViT、ResNet18、MobileNetV2和InceptionV3基线。消融和统计显著性分析（p< 0.05）证实，每个组件——混合主干网络、EnviroSpect预处理和原型网络头——都对整体性能做出了有意义的贡献，其中EnviroSpect提供了最大的单项改进。重要的是，该模型仅使用8.9 M参数和每图像19 ms的图形处理器（GPU）推理时间就实现了这些结果，为在资源受限的边缘设备上部署取得了良好的准确率-效率平衡。所提出的框架在马铃薯叶片病害检测方面实现了良好的准确率-效率平衡，并提供了一个可转移的基础，可以扩展到其他作物和农业场景中可扩展、环境鲁棒的植物病害监测。
马铃薯是全球第四大重要的主食作物，对全球粮食安全和经济稳定至关重要。然而，其生产力持续受到早疫病和晚疫病等叶部病害的严重威胁，这些病害不仅导致大量减产，还严重影响了作物的品质。传统的病害监测主要依赖农业专家的视觉诊断，这种方法费时费力、主观性强，难以应对大规模农业部署的需求。近年来，深度学习技术推动了植物病害分类的研究，但现有模型在真实田间环境中面临光照、背景和叶片方向变化时，泛化能力往往显著下降。此外，许多模型仅依赖局部或全局特征，难以区分视觉上相似的不同病害阶段；且高精度混合模型通常计算需求庞大，不适合部署在农业环境中资源受限的边缘设备上。为解决上述问题，研究人员开展了旨在提高马铃薯叶片病害检测准确性和环境鲁棒性的研究，提出了一种结合ConvMixer和视觉 Transformer（ViT）的混合深度学习框架。该研究在资源受限设备上实现了高精度与高效率的平衡，对实现可扩展、环境鲁棒的植物病害监测具有重要意义，相关成果发表在《Frontiers in Plant Science》上。
在技术方法上，研究人员使用了来自三个来源的图像数据集进行实验：公开的PlantVillage（PV）和Potato Plant Disease（PP）数据集，以及自定义的田间采集AgriPlant数据集。所有图像被随机按70%/30%的比例划分为训练集和测试集。关键技术包括新提出的EnviroSpect预处理方案，该方案在自定义的色调-饱和度-强度（HSI）颜色空间中独立地重新映射色调、增强饱和度并归一化强度。模型架构由两部分并行组成：ConvMixer用于提取局部病斑特征，ViT用于建模长距离全局依赖；两者的输出通过逐元素平均进行融合，并最终输入到基于原型网络的分类头进行相似度判别。实验在配备NVIDIA RTX 3090图形处理器（GPU）的工作站上进行，采用Adam优化器和1 × 10
-4的学习率进行模型训练。
以下是研究结果的详细介绍：
Quantitative comparison of preprocessing techniques：通过对比无处理、对比度受限的自适应直方图均衡化（CLAHE）、Retinex、红绿蓝到色调饱和度值（RGB-to-HSV）转换与EnviroSpect等预处理技术在ConvMixer模型上的分类表现，发现EnviroSpect在准确率和F1分数上均显著超越传统方法。这证明了EnviroSpect通过色调重映射、饱和度增强和强度归一化，能在不同环境条件下更有效地提取病害相关特征。
Experiment 1: comparison with baseline deep learning architectures：在保持数据集、预处理和训练协议一致的条件下，将所提出的ConvMixer-ViT集成系统与ResNet18、单独的ConvMixer、单独的ViT、MobileNetV2和InceptionV3等基线模型进行对比。结果显示，集成系统在准确率和实时性能上均优于所有单独的基线模型，这表明局部特征与全局注意力机制的有效结合提升了分类性能。
Experiment 2: evaluation on the potato plants dataset：在Potato Plants数据集上对模型的训练和验证损失及准确率进行了详细分析。结果表明，ConvMixer-ViT模型在验证集上达到了98%的准确率，展现出强大的泛化能力和可靠性。
Experiment 3: evaluation on the PlantVillage dataset：在PlantVillage数据集上分析了模型训练和验证集的性能及混淆矩阵。模型在验证集上达到了99.0%的分类准确率，表明其在该数据集上具有高效的学习和泛化能力。
Experiment 4: evaluation on the AgriPlant dataset：在包含田间自然条件图像的私有AgriPlant数据集上测试了模型。通过分析损失曲线和混淆矩阵，ConvMixer-ViT模型在早疫病、健康和晚疫病三个类别上分别实现了99.8%、99.7%和99.9%的逐类准确率，证明了其在真实田间环境条件下的高可靠性与有效性。
Ablation study：通过逐步引入ConvMixer、ViT、EnviroSpect预处理和原型网络（PN）分类器在PlantVillage数据集上进行消融实验。结果显示，单独的ConvMixer准确率为86.30%，单独的ViT为88.50%，两者集成的混合主干网络达到92.70%。加入EnviroSpect预处理后准确率大幅提升了5.10%至97.80%，最终添加基于原型网络的分类头使模型达到了99.00%的最佳准确率、99.20%的精确率、98.85%的召回率和99.02%的F1分数。统计显著性分析（p< 0.05）进一步证实了EnviroSpect相较于其他预处理方法的提升是可靠的。
在讨论部分，研究人员指出，早疫病和晚疫病对全球马铃薯生产构成重大威胁，而所提出的ConvMixer-ViT混合模型有效克服了传统视觉诊断和现有深度学习模型的局限性。EnviroSpect预处理方法通过在自定义颜色空间中隔离和处理不同颜色成分，使模型对病害特征更加敏感，对环境变化更具鲁棒性。原型网络分类头则通过基于类原型的相似度判别，提供了更稳定的决策边界。与EfficientPNet和AgirLeafNet等现有模型相比，该混合架构在平衡高精度和计算效率方面表现出色，不仅适用于马铃薯病害检测，还可扩展至番茄、辣椒等其他作物的病害及害虫监测，有助于实施综合害虫管理（IPM）策略，减少农药滥用，促进可持续农业发展。
在研究结论部分，研究人员总结道，该研究解决了在真实农业条件下马铃薯叶片病害检测面临的变异性大、特征易混淆和资源受限等问题。所提出的环境鲁棒且高效的框架集成了混合ConvMixer-ViT主干、EnviroSpect预处理方案和原型网络分类头三个互补元素。该模型在Potato Plants数据集上达到98%的准确率，在PlantVillage数据集上达到99%的准确率，有效分类了健康、早疫病和晚疫病状态。尽管研究结果令人鼓舞，但仍需更多研究以验证其在不同作物和环境中的适用性。未来研究将致力于增加数据集的多样性，引入湿度和土壤质量等环境变量，并进一步优化模型以适应移动和边缘部署。
