基于改进MobileNet-V2的田间农作物叶片病害识别研究学术报告

一、 研究作者、机构及发表信息 本研究由江苏大学电气信息工程学院的孙俊、朱伟栋、罗元秋、沈继锋、陈义德、周鑫共同完成。研究成果以题为《基于改进mobilenet-v2的田间农作物叶片病害识别》的学术论文形式，发表于《农业工程学报》（Transactions of the Chinese Society of Agricultural Engineering）2021年11月出版的第37卷第22期。

二、 学术背景与研究目的 本研究属于农业工程与人工智能交叉领域，具体聚焦于计算机视觉技术在智慧农业中的应用，特别是针对田间复杂背景下的农作物叶片病害自动识别问题。

研究背景： 农作物病害是导致粮食减产的重要因素。传统的病害诊断依赖专家经验，存在效率低、覆盖面有限、难以应对复杂田间环境等挑战。近年来，基于卷积神经网络（Convolutional Neural Network, CNN）的图像识别技术为病害智能化防治提供了新途径。然而，多数现有研究基于实验室环境下采集的、背景单一的叶片图像，其模型在部署到田间真实复杂环境（如多变光照、杂乱背景、多角度拍摄）时，识别性能往往显著下降。田间移动检测设备通常计算资源和内存有限，因此，开发一种既能适应复杂背景、又具备轻量化特性的高精度病害识别模型，具有重要的现实意义。

研究目的： 本研究旨在针对田间复杂背景下的农作物叶片病害识别任务，对轻量级CNN模型MobileNet-V2进行改进，以提升其对复杂背景下多尺度、多类别病害特征的提取和识别能力，同时尽可能控制模型参数量，为模型向田间移动端设备的移植提供可行的技术方案。

三、 详细研究流程与方法 本研究的工作流程主要包括数据准备、模型改进、实验设计与性能评估四个核心环节。

1. 数据准备与预处理 * 数据来源与构成： 研究使用的原始数据集来自Kaggle平台，包含4种农作物（苹果、木薯、玉米、棉花）共计15个类别的图像，其中11类为病害叶片，4类为健康叶片，图像总数3503张。所有图像均具有复杂的田间背景，更贴近实际应用场景。 * 数据预处理与增强： 针对原始数据集中存在的类别样本数量不均衡问题，以及为了增强模型对田间多变环境的鲁棒性，研究采用了三种数据增强操作：(1) 随机亮度调整，以模拟不同光照条件；(2) 90°、180°、270°旋转，以模拟不同拍摄角度；(3) 添加随机噪声，以模拟夜间或恶劣天气下的图像质量。经过增强后，数据集样本总量扩充至10,371张，各类别样本数量趋于均衡，为模型训练提供了更丰富和多样的场景。

2. 模型改进策略 本研究以轻量级网络MobileNet-V2为基线模型，针对其在复杂背景、多尺度病斑识别中的不足，进行了三项核心改进：

• 嵌入坐标注意力（Coordinate Attention, CA）机制： 为了解决复杂背景下模型注意力分散、难以聚焦病害区域的问题，研究在MobileNet-V2的倒置残差模块（第3至18层）中嵌入了轻量型的坐标注意力模块。该机制不同于仅关注通道关系的SENet，它通过对特征图在高度和宽度两个方向分别进行全局池化，编码了精确的位置信息，使网络能够沿着一个空间方向捕获长程依赖关系，同时沿另一个空间方向保留精确的位置信息。这有助于模型在复杂背景中更准确地定位并关注病害区域，抑制无关背景干扰。
• 构建多尺度特征金字塔进行特征融合： 针对病斑大小不一、分布广泛的特点，研究设计了一种特征融合策略。原始CNN的高层特征语义信息丰富但细节丢失，低层特征细节清晰但语义信息不足。本研究通过在网络不同深度（对应不同尺寸的特征图，如7x7, 14x14, 28x28等）引出旁支（Lateral Layer），经过1x1卷积统一维度后，将高层特征图上采样后与相邻的低层特征图进行融合。经过对比多种融合方案（如P1+P3, P1+P3+P5等），最终确定采用融合高层（P1）、中层（P3）和浅层（P5）特征的方案（即P1+P3+P5），该方案在准确率和参数量之间取得了最佳平衡。这种多尺度特征融合使模型能够同时利用高层语义信息和低层细节信息，提升了对不同尺度病斑的识别能力。
• 优化模型参数量： 为了缓解引入注意力机制和特征融合带来的参数量增长，并适配移动端部署需求，研究进行了两项优化：(1) 在特征融合后的平滑处理卷积层中采用分组卷积（Group Convolution），以减少计算量；(2) 由于分类任务在特征融合后即可完成，删除了原MobileNet-V2模型末尾不必要的分类层（第19-21层），进一步精简了模型。

3. 实验设计与参数设置 * 实验环境： 使用PyTorch深度学习框架，在配备NVIDIA GTX 2080Ti显卡的工作站上进行实验。 * 数据划分： 将增强后的数据集按照4:1的比例随机划分为训练集和测试集。 * 参数配置： 输入图像统一缩放至224x224像素，批量大小（Batch Size）设为32，训练周期（Epoch）为100。使用Adam优化器，初始学习率为0.02，并采用学习率衰减策略（每10个周期衰减为原来的80%）。在全连接层前添加Dropout（比率0.2）以防止过拟合。 * 评价指标： 采用识别准确率、查准率（Precision）、查全率（Recall）、F1分数以及模型参数量作为主要评价指标。 * 对比模型： 为验证改进效果，进行了消融实验（Ablation Study）以评估各改进模块的贡献，并与EfficientNet-B0、ResNet-50、ShuffleNet-V2等经典CNN架构进行性能对比。

四、 主要研究结果与分析 1. 消融实验结果分析： * 多尺度特征融合方案对比： 对比8种不同的特征融合方案发现，单纯增加融合次数或融合尺度跨度过大的特征图（如P1+P5）会导致性能下降。最终采用的P1+P3+P5方案取得了91.59%的最高准确率，且参数量（1.855×10^6）相对合理，证明了融合高、中、低三层特征的有效性。 * 注意力机制对比： 在MobileNet-V2基础上分别添加SE、BAM、CA三种注意力模块进行测试。结果显示，添加CA模块的模型识别准确率最高（90.97%），高于基线模型（89.29%）和其他注意力模块。混淆矩阵分析进一步表明，CA模块能更有效地帮助模型区分特征相似的病害（如木薯细菌性枯萎病与褐条病），但在区分极度相似的病害类别上仍有挑战。 * 综合改进效果： 将CA模块与多尺度特征融合（P1+P3+P5方案）结合后，改进模型在测试集上达到了92.20% 的最高识别准确率，较原始MobileNet-V2（89.29%）提升了2.91个百分点。同时，平均查准率、平均查全率和F1分数也均有显著提升（分别达到92.22%、92.13%和92.18%）。模型参数量控制在2.30×10^6，仅比原始模型（2.24×10^6）略有增加，实现了性能与复杂度的良好平衡。

2. 与经典模型对比结果分析： 与EfficientNet-B0、ResNet-50、ShuffleNet-V2等模型相比，本研究的改进模型展现出综合优势： * 与EfficientNet-B0对比： 改进模型识别准确率（92.20%）高于EfficientNet-B0（约91.55%），而参数量（2.30×10^6）远低于后者（5.30×10^6），体现了更高的效率。 * 与ResNet-50对比： 改进模型在保持相近甚至更优识别性能的同时，参数量大幅减少，更符合移动端部署需求。 * 与ShuffleNet-V2对比： 改进模型在准确率上领先约3个百分点，且训练过程的收敛曲线更为平稳。 这些对比结果表明，本研究提出的改进模型在田间复杂背景病害识别任务上，在识别精度、模型轻量化和训练稳定性方面取得了较好的综合性能。

五、 研究结论与价值 结论： 本研究成功构建了一个基于改进MobileNet-V2的轻量级农作物叶片病害识别模型。通过嵌入坐标注意力机制，模型增强了在复杂背景下对病害区域的定位和聚焦能力；通过多尺度特征融合策略，模型提升了对不同大小和分布病斑的特征提取能力；通过分组卷积和删除冗余层，有效控制了模型复杂度的增长。最终模型在自建的复杂背景田间病害数据集上取得了92.20%的识别准确率，且参数量仅为2.30M，较好地平衡了识别性能与模型复杂度。

价值： * 科学价值： 提出了一种结合坐标注意力和多尺度特征融合的轻量级CNN改进框架，为在资源受限环境下实现高精度的视觉识别任务提供了新的思路和方法论参考。 * 应用价值： 研究直接面向田间真实复杂环境，所构建的模型具有较高的实用性和移植潜力，为开发部署在智能手机、无人机或便携式设备上的智能化田间病害实时检测系统提供了可行的核心技术方案，有助于推动农业生产的智能化与精准化。

六、 研究亮点 1. 问题导向明确： 紧扣“田间复杂背景”这一实际应用中的核心难点，而非仅针对实验室理想环境。 2. 改进策略有效且协同： 提出的坐标注意力机制与多尺度特征融合策略分别从“关注哪里”和“用什么特征”两个关键角度提升了模型性能，且两者结合产生了“1+1>2”的效果。 3. 注重模型轻量化： 在提升性能的同时，始终将模型参数量和计算效率作为重要设计考量，通过分组卷积、结构精简等手段，确保了模型的轻量化特性，契合移动端部署需求。 4. 实验验证充分： 通过系统的消融实验，清晰揭示了各个改进模块的贡献；通过与多种主流模型的对比，全面论证了所提模型的综合优势。

七、 其他有价值内容 研究中对木薯细菌性枯萎病与褐条病误判案例的分析具有启发性。它指出，对于病害症状在视觉上高度相似的类别，即使是性能提升的模型也面临挑战。这指出了未来研究的一个可能方向：如何引入更细粒度的特征（如纹理、形状的微观差异）或结合多模态信息（如多光谱）来区分极其相似的病害类别，从而进一步提升模型的实用性和可靠性。