一种具有参数化 Swish 和感兴趣区域感知注意力机制的轻量级 CNN 模型，用于茄科蔬菜作物田间多类病害分类

《Journal of Crop Health》：A Lightweight CNN Model with Parametric Swish and ROI-Aware Attention for Field-Based Multiclass Disease Classification in Solanaceae Vegetable Crops

　　

摘要

在资源受限设备上实现植物病害分类，需要模型在有限的内存和推理需求下提供有效的预测性能。本研究提出了SolaLeafNet，一种四模块的轻量级卷积神经网络，将逐层参数化Swish激活函数与低开销的感兴趣区域感知空间注意力模块相结合。研究团队从PlantVillage、PlantDoc以及206张专家标注的实地图像中汇编了一个15类混合茄科数据集。经过基于SHA-256的重复筛选后，保留了22,031张唯一图像，并采用固定的分层70:15:15划分方案划分为训练集、验证集和测试集。在混合数据集上的五次独立运行中，SolaLeafNet的准确率为90.61?±?0.62%，宏F1分数为89.44?±?0.63%，期望校准误差为1.83?±?0.38%，可训练参数为99,974个，模型大小为0.396 MB。与ReLU基线相比，完整模型在五次匹配运行中的平均准确率提高了3.42个百分点，平均宏F1提高了3.64个百分点。在38类PlantVillage基准上，相应的准确率、宏F1分数和期望校准误差分别为96.99?±?0.26%、96.42?±?0.45%和1.59?±?0.18%。在相同混合测试集上的匹配种子42对比中，MobileNetV3-Small、ShuffleNetV2 1.0×、EfficientNet-Lite0和MobileViT-XXS的准确率和宏F1均高于SolaLeafNet。然而，在评估的所有架构中，SolaLeafNet具有最少的参数、最小的模型大小，以及最低的批次大小为1的GPU延迟1.06?ms。在30张独立采集的实地图像上的初步Android评估中，混合训练模型的准确率为76.7%（23/30），而PlantVillage训练模型的准确率为60.0%（18/30），设备端每张图像的推理时间为20–100?ms。这些结果表明，SolaLeafNet是一种紧凑、低延迟的架构，在准确率与效率之间提供了明确的权衡。移动端的发现仍处于初步阶段，需要更大规模、地理独立性的实地数据集以及在多设备上进行验证。