混合卷积神经网络-图注意力网络框架用于草莓叶片与花器病害分类

《Crop Design》：Hybrid CNN-GAT framework for strawberry leaf and blossom disease classification

　　

早期且准确地检测草莓病害对高效作物管理具有重要意义，然而重叠的视觉症状会限制仅基于图像的分类器性能。研究人员评估了一种混合卷积神经网络-图注意力网络（CNN-GAT）框架，用于四类病害分类：角斑病、花腐病、白粉病和叶斑病。预训练ResNet18骨干网络生成128维图像嵌入，通过稀疏top-K余弦相似度图（K=5）连接，GAT在执行多层感知机分类前完成注意力加权邻域聚合。所提模型在报告实验设定下达到94%总体准确率，高于ResNet18的89%与EfficientNet的91%。各类精确率、召回率与F1分数均衡，白粉病F1最高。混淆矩阵分析、t-SNE可视化与消融结果支持关系精炼的贡献，尤其对视觉相似病害类。源数据集主要由韩国温室自然光照下手机采集图像构成，约20%来自公共网络。由于归档实验未提供独立验证的严格归纳式图评估或受控扰动测试，94%图结果被保守解释为转导式。在宣称部署级鲁棒性前，仍需独立田间、跨设备与严格归纳式验证。

研究背景方面，草莓（Fragaria × ananassa）作为重要园艺作物，叶部与花器病害会削弱光合与生殖组织并最终降低产量与品质。角斑病、花腐病、白粉病与叶斑病在病斑颜色、坏死、边缘褐变和组织变形上存在高度类间相似与类内变异，导致人工巡检与纯卷积神经网络（Convolutional Neural Network，CNN）分类器均面临可靠性下降。既有深度学习研究虽在受控数据集上取得高准确率，但常规CNN将每张图像独立处理，未显式利用视觉相似样本间关系；同时农业图像在光照、背景、拍摄距离与相机特性上异质性强，数据增强无法建模样本间结构。图神经网络（Graph Neural Network，GNN）可将样本作为节点、相似关系作为边，图注意力网络（Graph Attention Network，GAT）进一步学习邻域权重，为症状重叠病害提供关系推理补充。研究缺口不在于更换CNN骨干，而在于将图像级特征学习与样本级关系推理耦合，并明确转导式（transductive）与严格归纳式（strict inductive）图评估的方法学边界。

研究人员开展的研究为：基于公开Strawberry Disease Detection Dataset（Afzaal等，含2500张七类标注图，本研究取四类的1889张原始图+388张增强图=2277张，无健康对照），构建五阶段流程——图像预处理与增强、CNN特征提取、相似度图构建、GAT关系精炼、多层感知机（Multi-Layer Perceptron，MLP）分类。ResNet18末层替换为128维投影得嵌入z_i∈R¹²⁸；以余弦相似度建top-K（K=5）稀疏图；GAT用多头注意力做邻居聚合；MLP以交叉熵、Adam（lr=0.001，20 epoch）训练。划分采用增强前分层80:20图像级切分，测试集不含增强副本，但缺乏植株/小区/会话级分组变量。该文发表于《Crop Design》。

关键方法概括：研究人员采用Afzaal等公开的草莓病害检测数据集（韩国温室手机自然光为主、约20%来自公共网络、419×419标准化至224×224）的四类子集；以ImageNet预训练ResNet18截断得128维嵌入；按余弦相似度建top-K=5无向稀疏图；引入多头GAT做注意力加权邻域聚合；MLP+softmax分类，Adam优化20轮；评估区分转导式（测试特征可入图、标签不出）与严格归纳式（测试节点训练后接入冻结图），本报告结果保守归为转导式。

研究结果部分，整体分类性能小节指出CNN-GAT在转导设定下达94%准确率，较ResNet18基线89%、EfficientNet基线91%提升，其中相对同骨干ResNet18的5个百分点增益是关系精炼贡献的直接内部证据，但不构成严格归纳或跨地泛化结论。类级性能小节中，各类精确率、召回率、F1均衡，白粉病F1=0.96最高（白色粉状外观特异），角斑病与叶斑病F1分别为0.91与0.92，反映斑点状与水渍状坏死病斑视觉重叠。混淆矩阵分析小节显示最大残差混淆位于角斑病与叶斑病之间，与类级召回及二者棕色坏死斑相似性一致。特征空间可视化小节用t-SNE投影128维嵌入，四类成紧凑簇，仅作定性支撑不解读全局距离。基线对比小节确认CNN-GAT（94%）>EfficientNet（91%）>ResNet18（89%），同骨干对比最具信息量；但未含嵌入级kNN/MLP/相似权重基线，故不能隔离GAT优于更简单邻域法的部分。消融分析小节给出ResNet18-only 89%、CNN+图卷积无注意力91%、全CNN-GAT 94%，表明邻域结构与自适应注意力均起作用。鲁棒性范围小节声明实验未保留光照偏移、运动模糊、传感器噪声、遮挡、背景随机化、压缩、裁剪叶等受控扰动测量，无跨地跨设备切分，故94%不代表部署鲁棒性。

讨论部分解释：内部证据由同骨干对比+消融序列组成，89%→91%→94%渐进支持关系结构有用且自适应邻域加权再增效；白粉病因独特白粉外观置信度最高，角斑/叶斑因棕色坏死斑互混。结果应与既往受控高准确率及田间泛化下降研究对照看，不跨数据集直比数值。Afzaal等的Mask R-CNN七类实例分割任务不可直比，但印证了病害外观与采集条件变异大。实践上框架可用于病害巡查与决策支持，但部署需严格归纳式、独立田间跨设备集、受控扰动与疾病相关可解释性。图构建近邻计算带来开销，大体量或边缘端可用近似最近邻、小批图构建、原型图学习缓解。

结论部分翻译：本研究评估了混合CNN-GAT框架用于四类草莓叶与花器病害分类。预训练ResNet18生成128维嵌入，top-K余弦相似度图表征样本间关系，GAT执行注意力加权邻域精炼，MLP输出四类预测。在报告转导设定下CNN-GAT准确率94%，优于ResNet18的89%与EfficientNet的91%；类级指标、混淆矩阵、t-SNE与消融结果支持当前实验内关系精炼的效用。重要局限包括：四类子集无健康对照；缺植株/小区/会话分组变量；采集日期、设备型号、品种、气候与发病率元数据不全；无独立验证严格归纳式图结果；无重复运行统计、嵌入级kNN/MLP基线、受控扰动、背景随机化或叶分割实验、无独立跨地跨设备评估。故报告准确率不可解释为部署级田间鲁棒性。未来研究应优先开展未见植株/会话的严格归纳评估、独立田间集、光照/模糊/噪声/遮挡/背景/尺度/压缩受控测试、直接嵌入级基线、背景随机化与叶分割、Grad-CAM与图邻域注意力分析以确认预测依赖病害组织而非背景相关；并扩展病害/健康/非生物胁迫类与轻量图构建后方可实用部署。