CFAEVM-UNet：面向无人机小目标密集农田害虫图像分割的跨融合注意力增强VM-UNet

《Frontiers in Plant Science》：CFAEVM-UNet: cross-fusion attention enhanced VM-UNet for UAV image segmentation of small and dense field crop pests

　　

在无人机（UAV）图像中对小而密集的农田害虫进行精确分割仍具挑战，原因在于卷积神经网络（CNN）的长距离依赖建模能力有限，而视觉Transformer（ViT）存在二次方计算复杂度。尽管VM-UNet能高效捕获全局上下文，但其缺乏针对小目标的局部纹理细节与多尺度特征融合能力。为解决上述局限，研究人员提出CFAEVM-UNet（跨融合注意力增强VM-UNet），该模型集成三个核心模块：用于高效长距离依赖建模的视觉状态空间（VSS）块、用于多尺度门控注意力融合的局部-全局空间-通道门控注意力（LG-SCGA）模块，以及用于跨阶段通道重加权的多阶段通道注意力（MSCWA）模块。在集成数据集（IP102子集与UAV采集田间图像结合）上的大量实验表明，CFAEVM-UNet取得最优性能，mIoU达81.23%，DSC达83.67%，mIoU较U-Net提升8.89%。该研究为精准农业中自动化害虫监测提供了有效且实用的解决方案。

研究背景方面，作物害虫造成全球农业产量显著损失，及时精确的害虫分割对害虫管理与粮食安全至关重要。无人机遥感以高空间分辨率与高效大面积数据采集能力成为农业害虫监测的变革性技术，但无人机影像存在飞行高度多变、背景复杂、光照变化及小尺度密集分布目标等挑战。传统人工检视耗时且有偏，早期机器学习依赖手工特征且泛化差；CNN类U-Net变体受限于局部感受野难以建模长程依赖；视觉Transformer（ViT）经自注意力克服该问题却带来二次方复杂度，阻碍实时边缘部署；视觉Mamba（Vision Mamba）以二维状态空间模型（2D State Space Model）线性复杂度建模长程依赖，VM-UNet将其与U-Net拓扑结合，但在小且密集害虫分割中仍丢失边界、遗漏小目标、难分密簇且缺乏多尺度融合。为此，研究人员开展CFAEVM-UNet研究，在IP102子集与陕西杨凌示范区DJI S1000+无人机采集田间图（25 m航高、1 cm/像素、4种害虫、专家像素级标注）构成的3347张512×512集成集上开展实验，得出该模型mIoU 81.23%、DSC 83.67%、PA 92.34%，较小目标（<1%面积）PA 89.12%/mIoU 76.89%，推理16.8 ms、22.4 G FLOPs、34.80 M参数，较VM-UNet提升mIoU 4.38%且效率可控，为精准农业自动化害虫监测提供实用方案，论文发表于《Frontiers in Plant Science》。

关键技术方法上，研究人员以VM-UNet为基架，嵌入VSS块（含二维选择性扫描SS2D，四方向遍历扩展全局感受野且线性复杂度）、LG-SCGA模块（并行局部细节路径用3×3/5×5/7×7深度可分离卷积、全局上下文路径用2×2/4×4/8×8平均池化，经通道与空间双门控融合，可学习残差α初值0）与MSCWA模块（跨阶段双向1×1卷积聚合相邻编码器通道描述子，共享两层瓶颈网络生成通道权重重加权）；分类层用Softmax，损失为交叉熵（L_ce）与Dice（L_dice）加权（λ=0.6）；训练于NVIDIA Tesla V100，300 epoch、batch 16、AdamW、余弦退火，数据集按图像级8:2分训练测试，增强仅施于训练集。

研究结果部分，第3节方法表明：3.1整体架构为分层U形编码-解码，含Patch划分嵌入（4×4非重叠、C=96）、VSS编码与解码、LG-SCGA与MSCWA插入位置；3.2 VSS模块经LN后三分支（残差、线性+SiLU、线性+DWConv+SiLU）入SS2D再逐元素乘加残差，SS2D四方向扫描获线性复杂度长程依赖；3.3 LG-SCGA依害虫95%占5–50像素统计选非对称核，双路提取后经通道门（GAP+两层MLP+Sigmoid）与空间门（通道平均池+7×7卷积+Sigmoid）融合得Y=X+αF_fused；3.4 MSCWA对编码器各阶段做GAP得Z_i，双向1×1卷积聚邻阶得Z_i^agg，共享W₁/W₂瓶颈出g_i，通道乘加权Y_i=X_i?g_i，浅层细节导深层语义防小目标下采样丢失；3.5分类用Softmax，损失L_oss=0.6L_ce+0.4L_dice。第4节实验：4.1数据集为IP102-Sub（2347张15类）加UAV田间（1000张4类）共3347张512×512；4.3对比U-Net/MU-Net/TransUNet/VM-UNet/AgriSegNet/Mamba-UAV-SegNet/MFEVM-UNet，CFAEVM-UNet居首（mIoU 81.23%、DSC 83.67%、PA 92.34%、22.4 G FLOPs、34.80 M）；4.4可视化显示在单虫、多虫、复杂密小虫三场景下面具最接近真值、误检漏检最少；4.5消融以U-Net为基，VSS单加mIoU+4.51%且FLOPs降35%，LG-SCGA单加+1.55%，MSCWA单加+0.78%，全模81.23%（较U-Net+8.89%），VSS+LG-SCGA 78.67%，全模较其再+2.56%证互补；按尺寸分组小虫（<1%）CFAEVM-UNet PA 89.12%/mIoU 76.89%优于VM-UNet与MFEVM-UNet；4.6结果分析重申各模正向贡献与密小虫场景优势；4.7鲁棒性以5随机种子复训测试集固定，指标波动小。

讨论与结论翻译：定量与定性分析一致证实CFAEVM-UNet对小且密集害虫分割有效，mIoU 81.23%、DSC 83.67%，较VM-UNet高4.38%、较MFEVM-UNet高2.31%；消融证VSS单模增益最大（mIoU+4.51%）且FLOPs降35%，全模较U-Net提8.89%；小虫（<1%面积）PA 89.12%/mIoU 76.89%远优VM-UNet（82.34%/68.23%），归因多尺度跨融合与MSCWA增强跳跃连接保细节；图4证复杂背景密小虫下误检最少。结论为：CFAEVM-UNet通过VSS、LG-SCGA与MSCWA互补，兼顾线性复杂度长程依赖、多尺度局部-全局门控融合与跨阶段通道重加权，在无人机农田小密害虫分割达SOTA，为精准农业边缘部署提供有效实用解。