TomatoGrow-3：面向迁移学习与微调系统评估的三阶段番茄物候基准

《Measurement: Food》：TomatoGrow-3: A three-stage tomato phenological benchmark with systematic evaluation of transfer learning and fine-tuning

　　

研究人员开发了一个新的番茄生长阶段图像数据集，填补了番茄精准农业中早期生长阶段监测的空白。该研究采用迁移学习（transfer learning, TL）和微调（fine-tuning, FT）两种策略，对11个预训练卷积神经网络（CNN）进行了基准测试。其中，ShuffleNetV2在结合数据增强（data augmentation, DA）与微调后，达到了98.99%的准确率和F₁分数。微调后的模型在多源番茄图像上表现出很强的泛化能力。

番茄是全球需求最大的蔬菜作物之一，其生长周期包含萌发、幼苗、营养、开花、结果和成熟等多个阶段。传统番茄物候识别主要依赖人工目视检查，该方法耗时、主观且难以规模化应用。现有基于深度学习的番茄成熟度分类研究大多聚焦于果实成熟过程（如未熟、半熟、全熟），而对开花、幼果等早期关键物候阶段的关注不足，且相关数据集多不公开。为填补这一空白，研究人员构建了TomatoGrow-3三阶段物候基准数据集，旨在统一和系统化评估不同深度学习模型在番茄早期物候识别中的性能。

TomatoGrow-3整合了两个公开图像来源：Tomato Plantfactory Dataset和Real-world Tomato Image Dataset。研究人员制定了显式的物候类别定义、类别边界规则和图像质量筛选协议，对异质来源的标签进行统一标准化，最终保留2217张原始图像，其中开花160张、结果1325张、成熟732张。针对类别不平衡问题，采用几何数据增强（随机裁剪、水平/垂直翻转、仿射变换、弱透视扭曲）将三类训练样本分别扩增至1325张，形成共3975张图像的平衡训练集。研究人员系统评估了11种预训练深度架构（VGG-16/19、ResNet-50/101、InceptionV3、ViT-B/16、SqueezeNet、MobileNetV2、EfficientNet-B0、ShuffleNetV2、DenseNet-121）在迁移学习（冻结特征提取层）和微调（部分或全部更新预训练层）两种策略下，搭配/不搭配数据增强的分类性能，并以一个从零训练的自定义CNN作为参考基线。

在结果部分，4.2 Custom CNN baseline results：从零训练的自定义CNN在没有数据增强时准确率为88.79%，加入几何数据增强后提升至97.24%，增幅达8.45个百分点，表明数据增强对提升模型泛化具有显著作用。4.3 Pretrained model benchmarking results：在11种预训练架构中，微调结合数据增强的设置普遍优于迁移学习；其中ShuffleNetV2表现最佳，准确率为98.99%，精确率、召回率和F₁分数均为98.99%~99.00%。VGG-16、ResNet-50和SqueezeNet紧随其后，准确率为98.74%；ViT-B/16和EfficientNet-B0准确率为98.49%。在迁移学习加数据增强条件下，VGG-16取得最高准确率98.24%，说明微调带来的增益因架构而异。5.1.1 Ablation of partial versus full fine-tuning：部分微调与全微调的比较显示，微调深度的影响具有架构依赖性。全微调对DenseNet-121、InceptionV3、MobileNetV2和ViT-B/16有不同程度提升，但对VGG-16和ShuffleNetV2反而略降；ShuffleNetV2在部分微调下准确率为98.99%，高于全微调下的98.74%。5.1.2 Split-sensitivity analysis：针对ShuffleNetV2在80/10/10、70/15/15和60/20/20三种划分下进行敏感性分析，准确率分别为98.99%、98.49%和98.87%，最大差异仅0.50个百分点，显示模型对数据划分不敏感。5.1.3 Cross-validation robustness analysis：五折交叉验证中，ShuffleNetV2平均准确率为98.39%±0.55%，DenseNet-121为98.29%±0.55%，ViT-B/16、EfficientNet-B0和MobileNetV2分别为97.94%±0.35%、97.79%±0.33%和97.28%±0.59%，表明整体准确率稳定。

讨论部分指出，几何数据增强在所有配置中一致提升性能，原因在于保留了颜色等关键物候线索，仅引入受控空间变化。微调收益并非模型统一属性，而是取决于预训练特征对番茄物候任务的适配程度。模型复杂度并非决定因素，轻量级架构ShuffleNetV2反而取得最高准确率。研究局限性在于：TomatoGrow-3仅包含三个物候阶段，未覆盖完整生长周期；开花类样本数量显著少于其他两类，影响类级性能估计的可靠性；研究未进行外部跨域验证，因此不能断言模型在未见过农场、地区或设备上的泛化能力。

结论部分翻译如下：本研究构建了TomatoGrow-3，一个包含开花、结果和成熟三个番茄生长阶段的复合物候图像基准。来自两个公开数据集的图像通过预定义的物候定义、类边界规则和图像质量标准进行统一，形成标准的三类分类框架。研究人员系统评估了11种预训练深度学习架构在迁移学习和部分微调下的表现，并以从零训练的自定义CNN作为参考基线，同时考察了几何数据增强的影响，还通过消融分析比较了部分与全微调。基准测试结果显示，多种架构获得了高分类性能，几何数据增强在评估配置中一致带来性能提升。ShuffleNetV2在部分微调结合数据增强下取得最高点估计准确率98.99%，精确率99.00%，召回率98.99%，F₁分数98.99%。然而，几个领先架构间的差异较小，应视为描述性排名而非统计显著性证据。消融分析显示微调深度的影响依赖架构：全微调对部分架构有益，对其他架构几乎无改进，部分微调仍具竞争力。五折交叉验证也表明整体准确率相对稳定。在解释这些发现时需考虑若干局限：TomatoGrow-3目前仅表达三个物候类别，未涵盖完整番茄生长周期；开花类独立图像数量远少于结果和成熟类，限制了类级性能估计的可靠性；尽管数据集整合了不同采集特征的图像，但未进行独立外部或跨域验证，因此结果不应被诠释为向未见农场、地理区域、成像设备或栽培条件泛化的证据。未来工作将优先在多样地点、栽培环境、成像设备和采集条件下收集并独立验证更大、更均衡的开花图像集；基准将扩展至更多物候阶段，包括早期营养阶段和更细化的中间发育阶段；还将进行外部验证和跨源域实验，以评估模型在真正未见条件下的稳健性。此外，未来研究可评估合成数据生成方法、轻量级架构和计算效率，但实际部署应通过专门的延迟、内存和硬件评估后再作断言。