智能镰刀：农业中由人工智能驱动的杂草识别技术

《Scientific Reports》：The smart scythe: AI-powered weed detection in agriculture

　　

摘要

准确区分作物和杂草对精准农业至关重要，尤其是在减少除草剂使用和提高投入效率方面。本研究对五种深度学习架构进行了统一且受控的评估，包括ResNet-50、ResNet-101、ViT-B/16、零样本模式下的CLIP（CLIP-ZS）以及带有微调MLP头的CLIP（CLIP-MLP），从性能和部署两个维度进行了对比。实验在公开的CropAndWeed（C&W）基准数据集以及从中央邦收集的2,500张印度农业数据集上进行，从而能够系统地评估模型的跨领域泛化能力。结果显示，ResNet-50在领域内的性能最佳（准确率72.5%，F1值0.73），同时具备良好的精确度-召回率平衡，并且计算成本低（约4.1 GFLOPs，推理时间约28毫秒）。相比之下，在数据量有限的情况下，ViT-B/16的表现较弱，这表明其依赖于大规模训练数据集。CLIP-ZS在没有进行任何特定任务训练的情况下仍取得了 competitve 的性能（准确率63.9%），并记录了最高的召回率（0.87），显示出对杂草检测的强烈敏感性。此外，CLIP-MLP改善了分类平衡，在印度数据上的表现更优（准确率约70%），超越了ResNet-50，突显了大规模视觉-语言预训练对模型地理迁移能力的作用。模型可解释性通过Grad-CAM进行分析，同时引入了一种标准化的区域评分框架来量化六个解剖学定义区域上的注意力分布。还报告了每个模型的马修斯相关系数（MCC），以提供一个不受类别不平衡影响的平衡单一值准确率指标。在所有架构中，注意力主要集中在叶子和叶柄区域，而土壤和背景特征被大幅抑制，这证实了预测结果是由具有生物学意义的植物结构驱动的。然而，基于CLIP的模型对土壤和阴影等背景元素具有相对较高的敏感性，反映了它们更广泛的语义表示能力。总体而言，本研究建立了一个综合准确率、可解释性和计算效率的多维度基准。研究发现，ResNet-50仍是近期边缘部署的最合适架构，而基于CLIP的模型为构建稳健、具有地理适应性的作物-杂草分类系统提供了有前景的途径。