LCWG-DETR：一种面向柑橘病害检测的小波增强检测Transformer，通过结合小波边缘特征与高斯距离回归提升采摘视觉感知

《Frontiers in Plant Science》：LCWG-DETR: a wavelet-enhanced detection transformer for citrus disease detection improving visual perception in harvesting

　　

针对复杂果园环境中因叶片遮挡、病斑尺度小以及病害类别间视觉相似度高而导致的柑橘病害检测精度低和漏检频繁问题，研究人员提出LCWG-DETR，一种将小波边缘特征与高斯距离回归相结合的柑橘病害检测方法。首先，构建LGFE-ResNet18网络用于特征提取，该网络融合由局部强度偏差标准差引导的纹理感知与傅里叶频域中的全局结构编码，补偿堆叠卷积层造成的小病斑高频信息衰减，并改善微弱病害特征提取。其次，引入跨尺度自适应特征融合（CAFF）模块，通过渐进式逐层融合与动态加权，降低上采样过程中的空间细节损失。此外，构建小波方向注意力模块（WDAM），利用Haar小波分解提取水平与垂直高频分量并生成方向调制权重，引导网络更准确地关注病斑边界与纹理突变区域。最后，提出高斯复合距离损失（GCD），将边界框表示为带协方差矩阵的二维高斯分布，缓解小病斑回归中的梯度消失与尺度敏感性。在自建JXDF数据集与公开OFDD数据集上的实验表明，相较基线模型，LCWG-DETR的mAP分别提升5.07%与3.41%，同时参数量减少0.35 M。结果表明该方法在检测精度与实时性之间取得良好平衡，并在遮挡、密集目标、逆光和复杂背景下保持稳定的检测性能与较强泛化能力，为柑橘采摘机器人的视觉感知系统提供可靠技术支撑。

研究背景方面，柑橘是全球广泛种植和贸易的重要果树，但柑橘溃疡病（citrus canker）、黄龙病（Huanglongbing）、黑斑病（black spot）和炭疽病（anthranose）等病害会造成落果、果实腐烂和树势衰退，降低商品等级与加工适应性。传统人工巡检劳动密集、主观性强且滞后，难以满足大规模柑橘生产中的早期检测与分级需求。现有基于深度学习的方法多在简单背景或受控条件下训练，在真实果园中面临光照变化、枝叶遮挡、病斑细小不规则、类别间外观相似等挑战，存在鲁棒性与泛化能力不足的问题；同时许多方法通过不断加深或复杂化网络提升精度，导致参数量大、推理延迟高，难以部署在边缘平台，且多数研究未将病害识别纳入采摘机器人“感知—决策—执行”完整流程。因此，研究人员面向柑橘采摘场景，在特征提取、跨尺度融合、注意力增强和边界框回归四个环节进行轻量化改进，以期为采摘机器人提供准确、实时的视觉感知支撑，该论文发表在《Frontiers in Plant Science》。

关键技术方法方面，研究人员以RT-DETR为基线，采用ResNet-18作为基础骨干，并在其四个C2f阶段嵌入局部—全局特征增强（LGFE）模块；利用自建JXDF数据集与公开OFDD数据集进行训练与验证；设计跨尺度自适应特征融合（CAFF）模块实现浅层高分辨率细节与深层语义信息的动态加权融合；构建小波方向注意力模块（WDAM），通过Haar离散小波变换提取水平、垂直高频分量生成方向调制权重；引入高斯复合距离（GCD）损失，将边界框建模为二维高斯分布，用中心距离与协方差矩阵联合优化定位。

3 LCWG-DETR

研究人员指出基线RT-DETR在复杂果园中存在浅层难以捕捉早发病变纹理、深层小病斑位置信息弱化、AIFI只在最低分辨率做自注意力导致小目标被忽略、CCFM无法恢复已丢失空间细节、不确定性最小查询选择容易漏掉低响应小病斑等问题。为此提出LCWG-DETR：以LGFE-ResNet18为骨干，取S3、S4、S5多尺度特征，S5进入WDAM做Top-K响应聚合得到F5，再与S3、S4进入CAFF做双向密集跨层融合，最后经不确定性最小查询选择生成查询并送入检测头，配合GCD损失完成分类与回归。

3.1 LGFE-ResNet18

研究人员在ResNet-18的四个C2f阶段嵌入LGFE，分为局部偏差纹理分支（LDFE）与全局频域分支（GFFE）。LDFE以3×3邻域像素强度标准差刻画局部纹理突变，并通过动态门控为病斑边界分配细粒度卷积；GFFE通过二维离散傅里叶变换将特征转入频域，按子带做通道注意力式增强，保留与病害边界、叶脉相关的判别频率成分。研究表明该双分支设计可补偿连续下采样造成的高频衰减，提升对小病斑的空间与频域联合表征能力。

3.2 CAFF

研究人员指出CCFM的上采样不能恢复已被低通操作丢弃的高频成分，且卷积融合会把遮挡区噪声与真实病斑等权聚合。CAFF采用渐进式逐层融合，先将S4、S3做3×3卷积下采样与通道对齐，F5作为高层语义分支，送入加权特征融合（WFF）：WFF结合全局最大池化、全局平均池化、Sobel与Laplacian算子增强边缘与方向梯度，并用1×1卷积生成聚焦特征，再通过自适应权重融合深浅特征。结果表明CAFF可补偿上采样空间细节损失，降低遮挡与背景噪声耦合，提高小病斑与模糊边界的判别性。

3.3 WDAM

研究人员认为标准自注意力计算复杂度随分辨率平方增长，且对叶片、叶脉、光照等背景赋予过多参与权，会稀释小病斑响应。WDAM用Haar离散小波变换将输入分解为F_LL、F_HL、F_LH、F_HH，由F_HL与F_LH经1×1卷积与Sigmoid生成方向权重，再用低频次构建Q、K、V并完成方向调制后的注意力聚合，最后逆小波变换重建。研究表明WDAM能以较低计算成本引导网络关注病斑边界与纹理突变区，减弱叶脉和光照干扰。

3.4 Loss function

研究人员指出IoU类损失对小目标位置偏差极敏感，重叠小时梯度过弱，且对困难样本缺乏针对性。GCD将边界框表示为二维高斯分布，用中心距离与协方差矩阵度量相似性，并对距离做归一化到[0,1]的非线性映射。研究表明GCD可为极小或细长病斑提供更稳定回归梯度，缓解尺度敏感与梯度衰减，从而改善早期小病斑定位。

讨论与结论方面，研究人员总结称，现有柑橘病害检测方法在真实果园中仍受遮挡、光照变化、尺度差异大和细小目标难检制约，且很多方法以网络复杂化换取精度，不利于边缘端实时部署，也少有把检测嵌入采摘机器人完整作业链路。LCWG-DETR通过LGFE-ResNet18、CAFF、WDAM与GCD四类改进，在JXDF与OFDD上较基线分别提升mAP 5.07%与3.41%，参数量减少0.35 M，说明该方法在精度、实时性与轻量化之间取得平衡。结论可译为：在复杂果园条件下，LCWG-DETR能够有效提升柑橘病害中小病斑、遮挡目标和相似类别的检测性能，并保持较强泛化能力；该视觉感知方法可为柑橘采摘机器人提供可靠的三维定位与运动规划前置支撑，对推动智慧农业中果树病害自动检测与机械化采收具有实际应用价值。