集成胶囊网络和双向门控循环网络用于水稻植物病害的有效分类

《Applied Food Research》：Integrating Capsule Networks and Bidirectional Gated Recurrent Networks for Effective Classification of Rice Plant Diseases

　　

早期检测和精确诊断水稻植物病害在生产过程中可以最小化损害，保护环境并提高产量。因此，需要一种可行的方法来自动化从水稻植物图像中分类和识别病害的过程。为了降低计算成本和实现准确的水稻病害分类（RDC），研究人员提出了一种混合深度学习（DL）模型，即基于堆叠胶囊位置注意力的双向门控循环网络（SCPA_BiGRN）模型。所提出的RDC模型包括四个阶段：图像采集、预处理、特征提取和分类。在图像采集阶段，从公开可访问的数据集（包括水稻病害图像（RDI）数据集和水稻叶病（RLD）数据集）中收集健康和病害样本图像。预处理使用扩展导向滤波（Extended Guided Filtering）和去除不均匀照明（Removal of Uneven Illumination）来降低潜在噪声并提高原始输入图像的质量。在特征提取阶段，使用Residual-152模型从预处理后的图像中提取所需特征。最后，利用所提出的SCPA_BiGRN模型对输入水稻图像中的可用病害进行分类。在实验分析中，基于多个分析过程（即性能指标、质量指标、消融研究、混淆矩阵和学习曲线分析）评估所提出的RDC模型的有效性。结果表明，所提出的模型非常适合准确的水稻病害分类，在RLD和RDI数据集上分别达到97.42%和96.33%的准确率。

水稻是全球主要粮食作物之一，但其生产受到多种植物病害（如稻瘟病、褐斑病、白叶枯病等）的严重威胁。传统诊断依赖人工视觉检测或实验室培养，不仅耗时耗力，且需要专业领域知识，常导致诊断滞后和误判，造成巨大产量损失。尽管计算机视觉和深度学习（DL）技术已广泛应用于农业病害识别，但现有模型如标准卷积神经网络（CNN）在处理复杂田间图像时存在局限性，包括无法保留空间层次和长程依赖关系，对不均匀光照和背景噪声敏感，以及类间特征区分不足。针对这些问题，研究人员提出了一种混合深度学习框架，旨在实现高精度、计算高效的多类水稻病害分类。该研究开发了基于堆叠胶囊位置注意力的双向门控循环网络（SCPA_BiGRN）模型，并通过两个公开数据集验证其有效性，为精准农业中的自动化诊断提供了新方案。论文发表在《Applied Food Research》。

为开展研究，研究人员采用以下关键技术方法：预处理阶段运用扩展导向滤波（Extended Guided Filtering, EGF）和去除不均匀照明技术，以降低噪声并增强图像细节；特征提取阶段使用预训练的ResNet-152（残差网络）结合位置注意力模块（Position Attention Module, PAM）和堆叠胶囊网络（Stacked Capsule Network），以提取鲁棒的空间姿态特征；分类阶段使用双向门控循环网络（Bidirectional Gated Recurrent Network, BiGRN），通过更新门和重置门增强结构，捕获双向空间依赖；超参数优化采用二元笑翠鸟优化算法（Binary Kookaburra Optimization, BKO），自动调整网络参数以防止过拟合。样本来源为两个公开Kaggle数据集：水稻病害图像（Rice Disease Image, RDI）数据集（120张图像，3类）和水稻叶病（Rice Leaf Disease, RLD）数据集（1600张图像，4类）。

研究结果如下：

**4.1 数据集描述**：研究使用两个平衡数据集，RLD包含1600张JPG图像，分为褐斑病、健康、Hispa和叶瘟四类，每类400张；RDI包含120张JPG图像，分为细菌性叶枯病、褐斑病和叶瘟三类，每类40张，为模型评估提供了标准基准。

**4.2 性能指标分析**：通过与决策树（DT）、支持向量机（SVM）、随机森林（RF）、MobileNetV2、InceptionV3和RiceDenseNet等模型对比，所提出的SCPA_BiGRN模型在RDI数据集上达到96.33%准确率、97.06%精确率、93.05%召回率和95.62% F₁分数，在RLD数据集上达到97.42%准确率、98.11%精确率、97.15%召回率和97.92% F₁分数，显著优于所有比较模型，表明其强大的分类能力。

**4.3 质量指标分析**：通过峰值信噪比（PSNR）和均方根误差（RMSE）评估预处理图像质量，结果显示RLD数据集PSNR为64 dB、RMSE为0.8，RDI数据集PSNR为59 dB、RMSE为1.1，证明预处理方法有效降低了噪声并保持了图像质量。

**4.4 学习曲线分析**：通过准确率曲线、损失曲线和接收者操作特征（ROC）曲线分析，模型在25个epoch内快速收敛，损失降至0.05以下，训练和测试曲线紧密对齐，无过拟合迹象。ROC曲线下面积（AUC）在RDI和RLD数据集上分别达到97.42%和96.33%，表明模型具有高判别能力。

**4.5 混淆矩阵**：通过混淆矩阵分析分类错误分布，在RDI数据集中，所有40个细菌性叶枯病样本正确分类，褐斑病和叶瘟各有少量误分类，主要由于低对比度导致相似形态；在RLD数据集中，褐斑病、健康、Hispa和叶瘟四类的准确率分别为96.75%、95.75%、96.75%和96%，错误集中在晚期病变与相似症状重叠或田间伪影干扰，整体错误率低，验证了模型鲁棒性。

**4.6 消融研究**：通过移除不同组件（堆叠胶囊网络、位置注意力模块、BKO优化）进行五组实验，完整模型（Case V）在所有指标上最优，例如在RLD数据集上准确率97.42%、PSNR 64 dB，而移除任一组件后性能下降，证明各组件对分类性能均有贡献。

讨论部分指出，所提模型通过预处理（EGF和去除不均匀照明）克服了背景噪声和光照变化问题，结合ResNet-152的深层特征提取、堆叠胶囊网络的空间姿态保持、PAM的局部注意力以及BiGRU的双向序列建模，显著优于传统机器学习（如DT、SVM、RF）和标准深度学习（如MobileNetV2、InceptionV3、RiceDenseNet）模型，在复杂田间环境下实现了高精度多类分类。研究结论翻译为：在本研究中，研究人员提出了一种自适应深度学习的框架，用于高精度、计算高效的水稻植物病害识别。通过预处理（EGF和去除不均匀照明）提高图像质量，在RLD和RDI数据集上分别获得64 dB和59 dB的PSNR，以及0.8和1.1的RMSE。使用ResNet-152提取深层特征，并利用SCPA_BiGRN架构进行多类分类，在Python环境中进行综合实验，在RLD数据集上达到97.42%准确率、98.11%精确率、97.15%召回率和97.92% F₁分数，在RDI数据集上达到96.33%准确率、97.06%精确率、93.05%召回率和95.63% F₁分数。未来研究将集成实时语义分割与分类，以实现田间细粒度病理边界估计。