基于深度学习模型的杨桃病虫害图像识别研究

《Journal of Agriculture and Food Research》：Disease Detection in Averrhoa Carambola using image recognition techniques with deep learning models

　　

杨桃（Averrhoa carambola）是一种主要在亚洲、美洲和非洲种植的热带作物，因其营养特性和日益增长的商业需求而受到重视。其果实富含维生素C、膳食纤维和抗氧化化合物，并可用于治疗发烧、高血压和糖尿病等疾病。然而，杨桃作物面临多种植物检疫挑战，例如炭疽病（anthracnose）和早疫病（early blight）等病害，以及茎蛀虫（stem borer）、叶侵昆虫（leaf insect）、蝗虫（grasshopper）、臭虫（stink bug）和果蛀虫（fruit borer）等害虫，这些病虫害直接影响果实产量和商业品质。传统的防治方法依赖农药和人工监测，存在害虫抗性、环境污染和监测效率低等问题。近年来，深度学习（Deep Learning, DL）技术已被证明能够通过图像识别自动检测多种植物病害，减少诊断时间和人为错误。然而，针对杨桃作物的深度学习应用研究仍然有限，尤其是在秘鲁农村地区。因此，本研究旨在评估七种预训练卷积神经网络（Convolutional Neural Network, CNN）架构（包括EfficientNetB0、EfficientNetB7、EfficientNetV2-S、ResNet50、VGG16、DenseNet121和InceptionV3）在杨桃病虫害图像分类中的性能。研究人员使用来自Mendeley Data的“Carambola Disease Recognition Dataset”数据集，该数据集原始包含559张图像，经数据增强后扩展至3913张，涵盖健康果实、健康叶片、茎蛀虫病害、炭疽病、叶侵昆虫病害、早疫病、蝗虫病害、臭虫病害和果蛀虫病害共九个类别。研究采用70%训练、15%验证和15%测试的划分方式，仅将增强图像用于训练阶段以避免数据泄漏，并应用类别权重平衡、五折分层交叉验证（5-fold stratified cross-validation）和两阶段训练策略（先冻结基网训练分类器，再解冻进行微调）来应对有限且不均衡的数据。评估指标包括准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1分数（F1-Score）和混淆矩阵。实验结果显示，ResNet50取得了最佳综合性能，平均准确率达到92.8%，F1分数为92.7%，且标准差（±1.9%）表明其在各验证折间具有良好的稳定性。相比之下，VGG16（91.2%）和DenseNet121（91.1%）也表现出竞争性能，而EfficientNetB7（88.5%）和EfficientNetV2-S（88.7%）略逊一筹。数据增强对大多数模型有积极影响，其中ResNet50的准确率从91.0%提升至92.8%，F1分数从90.5%提升至92.7%，但对EfficientNetB7反而导致性能下降。在训练时间方面，ResNet50在准确率和计算效率之间取得了良好平衡，其单折平均训练时间约为32.4秒，远低于EfficientNetB7（约126.0秒）。混淆矩阵分析显示，ResNet50在大多数类别中分类正确，尤其对健康叶片和健康果实类别准确率高，但在视觉特征相似的类别之间存在混淆，例如臭虫病害与果蛀虫病害、健康叶片与健康果实。与已有研究相比，本研究使用ResNet50在杨桃数据集上取得的92.8%准确率与马铃薯病害检测（97%）、甘蔗病害检测（99.8%）和花椰菜病害检测（90.85%）等类似工作的性能水平一致，并验证了ResNet50在有限且不均衡数据条件下的鲁棒性。本研究首次系统比较了多种CNN架构在杨桃病虫害分类中的表现，填补了该作物深度学习应用的研究空白。研究表明，在数据规模有限且类别不平衡的实际农业场景中，经典残差网络架构可能比更复杂的现代模型更具稳定性和实用性。该研究为秘鲁杨桃种植中实现早期自动化病虫害检测、减少农药使用和经济损失提供了技术基础，未来工作将集中于扩展数据集、探索生成对抗网络（GAN）和扩散模型等高级数据增强技术、评估轻量级架构并开展田间环境验证。

**论文解读：基于深度学习模型的杨桃病虫害图像识别研究**

**一、研究背景与问题**

杨桃（Averrhoa carambola）是一种具有重要经济价值的热带水果，广泛种植于亚洲、美洲和非洲，因其高维生素C含量、膳食纤维和抗氧化成分而备受青睐。然而，杨桃作物受到多种病虫害的严重威胁，包括炭疽病（anthracnose）、早疫病（early blight）以及茎蛀虫、叶侵昆虫、蝗虫、臭虫和果蛀虫等害虫。这些病虫害不仅降低果实产量和商业品质，还给生产者造成巨大的经济损失。传统防治手段依赖农药喷洒和人工田间监测，存在害虫抗药性增强、环境污染、监测劳动强度大且易出错等问题。更重要的是，许多病虫害的可见症状在出现时往往已错过最佳防控时机。尽管深度学习技术在多种作物的病害检测中已展现出显著优势，但其在杨桃这类特色作物上的应用研究仍十分有限，尤其是在秘鲁农村地区缺乏合适的技术解决方案。因此，有必要系统评估不同深度学习模型在杨桃病虫害分类任务中的表现，以确定兼顾准确性和计算效率的最优模型。

**二、研究内容与主要结论**

研究人员使用Mendeley Data提供的“Carambola Disease Recognition Dataset”数据集，该数据集原始包含559张杨桃叶片和果实图像，涵盖健康叶片、健康果实、炭疽病、早疫病、茎蛀虫、叶侵昆虫、蝗虫、臭虫和果蛀虫共九类。研究采用数据增强技术将图像扩展至3913张，并遵循70%训练、15%验证、15%测试的比例划分数据，增强图像仅用于训练阶段以避免数据泄漏。研究人员系统比较了七种预训练卷积神经网络（CNN）架构：EfficientNetB0、EfficientNetB7、EfficientNetV2-S、ResNet50、VGG16、DenseNet121和InceptionV3。所有模型均采用统一的自定义分类头（包括全局平均池化层、含256个神经元的全连接层、丢弃率为0.4的Dropout层和softmax输出层），并实施两阶段训练策略：第一阶段冻结基网训练分类器，第二阶段解冻基网进行微调。为应对类别不平衡问题，研究使用Scikit-learn的compute_class_weight函数计算类别权重，对少数类赋予更高惩罚。模型性能通过五折分层交叉验证进行稳健评估，并采用准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1分数（F1-Score）和混淆矩阵作为评估指标。

实验结果表明，ResNet50取得了最佳综合性能，平均准确率达92.8%，F1分数为92.7%，标准差为±1.9%，展现出良好的稳定性和鲁棒性。VGG16和DenseNet121分别以91.2%和91.1%的准确率位居其后，而EfficientNetB7（88.5%）和EfficientNetV2-S（88.7%）表现相对较低。数据增强对大多数模型有积极影响，其中ResNet50的准确率从91.0%提升至92.8%，F1分数从90.5%提升至92.7%；但EfficientNetB7在增强后性能反而下降，说明数据增强的效果因架构而异。训练时间分析显示，ResNet50在准确率和计算效率之间达到了最佳平衡，单折平均训练时间约为32.4秒，而EfficientNetB7则需126.0秒。混淆矩阵显示ResNet50在大多数类别中分类正确，尤其对健康叶片和健康果实识别精确，但在臭虫病害与果蛀虫病害、健康叶片与健康果实之间仍存在视觉相似性导致的混淆。与已有研究相比，本研究在杨桃数据集上取得的92.8%准确率与马铃薯（97%，ResNet50）、甘蔗（99.8%，EfficientNet-B7）和花椰菜（90.85%，ResNet50）等作物的检测性能水平相当，验证了ResNet50在数据有限且不均衡条件下的适用性。

**三、关键技术方法**

本研究采用了以下主要技术方法：一是基于迁移学习（transfer learning）的预训练CNN架构，包括ResNet50、VGG16、DenseNet121、InceptionV3、EfficientNetB0/B7/V2-S，所有模型均在ImageNet上预训练后针对杨桃数据微调；二是数据增强技术，包括旋转、平移、缩放、裁剪、水平翻转和亮度调整等几何与光度变换，以扩充训练样本并提高泛化能力；三是类别权重平衡策略，通过compute_class_weight函数为少数类分配更高惩罚；四是五折分层交叉验证，在保持每折类别比例一致的前提下，将数据分为五个子集并轮流进行训练和验证，最终取平均结果以降低单一划分带来的偏差；五是两阶段训练策略，即先冻结基网训练分类头，再解冻部分层进行微调，以适应特定数据集特征。实验硬件环境为Intel Core i5-12400F CPU、32 GB RAM和NVIDIA RTX 4060 Ti GPU，模型基于TensorFlow框架训练。

**四、研究结果分述**

**（1）模型性能对比。** 通过准确率、精确率、召回率和F1分数等指标对比，ResNet50以92.8%的准确率和92.7%的F1分数在所有模型中表现最佳，且标准差最低（±1.9%），说明其在不同验证折间具有良好稳定性。DenseNet121虽然标准差最低（±1.7%），但准确率低于ResNet50，综合判断ResNet50在准确性和稳定性之间取得更优平衡。

**（2）训练时间与效率。** 训练时间分析显示，EfficientNetB7总训练时间最长（约630秒），单折平均126秒，而ResNet50总训练时间约162秒，单折平均32.4秒。ResNet50在保持最高准确率的同时，训练成本远低于更复杂的模型，表明其在实际农业部署中更具计算效率优势。

**（3）数据增强效果。** 对比原始数据集与增强数据集的实验结果，数据增强使ResNet50准确率提高1.8个百分点（91.0%→92.8%），F1分数提高2.2个百分点（90.5%→92.7%）；VGG16和DenseNet121也均有提升。然而EfficientNetB7的准确率从90.1%降至88.5%，显示数据增强并非对所有架构有效，其作用受模型架构和数据特性交互影响。

**（4）混淆矩阵分析。** ResNet50的混淆矩阵表明，模型在大多数类别中能够正确分类，尤其对“健康叶片”和“健康果实”的识别准确率极高。但在视觉特征相似的类别对之间存在明显混淆，例如“臭虫病害”与“果蛀虫病害”、“健康叶片”与“健康果实”，说明模型仍受类别间相似性限制，可通过增加少数类样本和改进特征提取进一步优化。

**五、讨论与结论总结**

讨论部分指出，ResNet50的优秀表现与已有研究中该架构在作物病害分类中的结果一致，如马铃薯病害（97%）和花椰菜病害（90.85%）。但本研究的准确率低于采用EfficientNet-B7的甘蔗病害检测（99.8%），这可能与杨桃数据集规模小、类别不平衡以及图像变异度有限有关。研究也注意到，复杂架构并不一定在小型数据集上优于经典架构，这与花椰菜研究中的发现吻合。在实际应用方面，ResNet50相比EfficientNetB7具有更低的计算成本和更短的训练时间，更适用于计算资源受限的农村地区。然而，研究存在局限性：数据集虽然经过增强，但仍无法完全反映真实田间环境的光照、遮挡和病害发展阶段差异；类别不平衡问题仍然突出（少数类仅12–22张图像）；训练时间虽作为计算成本指标，但未详细评估推理时间、内存占用等关键部署指标；模型未经田间实地验证，实际鲁棒性尚不明确。

研究结论总结如下：本研究评估了不同神经网络架构在杨桃病害自动分类中的性能，并应用类别平衡、五折交叉验证和合理的数据划分策略以保证评估的可靠性。结果表明，ResNet50以92.8%的准确率和92.7%的F1分数取得最佳表现，优于EfficientNetV2-S（88.7%）等更新模型，VGG16（91.2%）和DenseNet121（91.1%）也具有竞争力。数据增强改善了部分模型的性能，尤其对ResNet50效果显著，但其影响并非对所有架构一致。这些发现表明，在数据有限且类别不均衡的场景下，经典架构可能比复杂模型提供更高的稳定性和鲁棒性。从农业应用角度看，本研究展示了深度学习支持杨桃作物监测的潜力，早期自动化病害检测有助于减少农药使用、降低经济损失并提高秘鲁杨桃种植的生产力。