基于混合CNN-ViT架构的LXViT模型在柠檬叶部病害检测中的应用

《Scientific Reports》：LXViT: a hybrid hierarchical CNN-ViT framework for lemon leaf disease classification with multi-method explainable AI integration

　　

摘要

柠檬叶部病害威胁着农业生产效率，然而由于病斑特征细微且环境条件多变，早期检测仍然困难。传统深度学习模型往往难以在局部特征提取与全局上下文之间取得平衡。为解决这一问题，我们提出LXViT，一种混合层级式CNN-视觉Transformer（CNN-ViT）模型。该架构协同Xception骨干网络提取局部空间特征，并结合视觉Transformer（ViT）模块捕获长距离依赖关系。利用新构建的数据集LemonLENS（3,266张高分辨率图像，六种类别），该流程整合了严格的预处理（去噪、CLAHE及伽马校正）以及SMOTE以应对类别不平衡问题。该模型在内部LemonLENS测试集上取得了99.59%的高精度，显著优于VGG19、ResNet152V2、ConvNeXt Tiny和MobileNetV2等基准模型。通过分层5折99.75%和10折99.21%交叉验证验证了统计稳定性。在技术层面，该框架确保了边缘计算效率，仅需9.652 GFLOPs的计算量，推理延迟为145.98毫秒。在三个外部数据集上验证了泛化能力：PlantCity数据集准确率98.27%，6类柠檬叶数据集88.49%，9类柠檬叶数据集97.57%。此外，采用LIME、Grad-CAM和遮挡敏感性的多方法可解释人工智能（XAI）框架弥合了"黑箱"鸿沟，突出了与专家评估一致的生物学相关病斑区域。这些结果证明LXViT作为柠檬叶病害分类的有前景架构，在大规模田间部署前，仍需在多样化地理和环境条件下进行进一步验证。