面向番茄害虫分类的深度学习与计算机视觉框架及XAI洞察

《Scientific Reports》：Deep learning and computer vision framework for tomato insect classification with XAI insights

　　

摘要

害虫侵袭对全球番茄生产构成致命威胁，往往导致产量大幅损失和经济不稳定。传统的人工识别方法具有主观性强、劳动强度大且易出错的特点。为应对这一挑战，在农业5.0范式下，我们提出了一种新型混合深度学习模型ResNet50-Fusion (ViT)，用于精确检测六种具有经济价值的番茄害虫。该架构通过多头交叉注意力机制将ResNet50骨干网络与视觉Transformer (ViT)分支相结合，实现非对称语义对齐，从而能够同时提取细粒度形态特征和全局上下文模式。为确保科学严谨性并消除数据泄露风险，我们实施了"先划分后增强"协议，保持测试集完全独立且原始。该框架达到了97.00% ± 0.12%的最新测试准确率，显著优于ResNet50（96.44%）和DenseNet169（96.00%）等基线模型，同时展现出高计算效率，每张图像的平均推理延迟为26.6毫秒，适用于实时边缘部署。除预测准确率外，模型可靠性通过整合语义指标的多方法定量可解释人工智能(XAI)框架得到验证：语义定位分数(SLS)用于特征对齐，鲁棒性分数(RS)用于逻辑稳定性，可解释性可靠性系数(IRC)用于决策一致性。我们的结果表明，指向游戏准确率达到96.5%，删除AUC值较低(0.142)，表明模型的注意力模式与具有生物学意义的形态特征高度对齐，而非背景伪影。系统性遮挡敏感性分析进一步证实了模型的鲁棒性，稳定性分数达到0.988。最后，在世界级数据集IP102和Pest24上的外部验证通过直接推理获得了超过90%的准确率，证明了该框架在多样化自动化田间监测条件下的泛化能力。本研究为全球精准农业中的实时害虫识别提供了一种精确、鲁棒且可扩展的解决方案。