于 明 李若曦 閻 剛 王 巖 王建春 李 揚

(1.河北工業(yè)大學人工智能學院， 天津 300401； 2.河北工業(yè)大學電子信息工程學院， 天津 300401；3.天津商業(yè)大學信息工程學院， 天津 300401； 4.天津市農(nóng)業(yè)科學院， 天津 300190)

0 引言

為了減輕農(nóng)作物病害的損失，大量化學藥物被用于病害防治[1]。但由于對病害的判斷不及時且不準確，導致了化學藥劑的濫用，也對生態(tài)環(huán)境和食品安全造成了巨大影響。因此，開展精準的基于圖形圖像的農(nóng)作物病害識別刻不容緩。

傳統(tǒng)方法通過機器學習相關模型手動提取病斑區(qū)域的顏色、形狀、紋理、邊緣等特征后進行分類[2-5]。但傳統(tǒng)機器學習模型需要針對不同作物的病害人工設計特征提取方法，不僅設計的過程復雜，還容易受到光線、拍攝角度、背景等因素的干擾，而且模型的泛化能力弱，難以遷移到其他類型的識別任務中去。

為解決以上問題，研究人員借助了深度學習方法[6-9]。目前病害識別主要基于AlexNet[10]、VGG16[11]、GoogLeNet[12]、ResNet50[13]等模型。宋余慶等[14]為了解決各種病害區(qū)域大小不一的問題，提出多層次增強高效空間金字塔卷積深度學習模型，提取病害圖像高層語義特征。由于農(nóng)作物病害表征多樣，蒲秀夫等[15]采用多尺度卷積核提取特征，解決了特征多樣性不足的問題。

葉片病斑的顏色特征和形態(tài)特征是病害識別的重要依據(jù)，因此設計顏色掩膜網(wǎng)絡(Color mask network,CMN)針對葉片病斑顏色特征進行學習；然后將所設計的通道自適應自注意力機制嵌入ResNet50，得到融合通道自適應的自注意力網(wǎng)絡(Channel adaptive self-attention network, CASAN)自適應得到病斑的全局、位置和通道上下文信息；最后針對農(nóng)作物病害識別中病害類別易混淆的問題，將CMN和CASAN結(jié)合為融合顏色掩膜網(wǎng)絡和自注意力機制的雙流網(wǎng)絡FCMSAN，同時提取病斑的顏色特征、全局空間特征和通道特征，旨在提升農(nóng)作物病蟲害細粒度識別效果。

1 本文方法

本文提出的FCMSAN整體框架如圖1所示。其中CMN的網(wǎng)絡結(jié)構(gòu)為堆疊的卷積神經(jīng)網(wǎng)絡，可以抑制非病斑顏色區(qū)域的特征，提取病斑顏色區(qū)域的特征。CASAN在ResNet50中引入所設計的通道自適應自注意力機制，能夠建立葉片病害的長距離依賴，同時提取葉片病害的位置特征，從而獲得全局范圍內(nèi)病斑特征的空間信息。另外，在自注意力機制中加入的通道自適應，能夠獲取重要的通道維度信息。最后，將雙流特征輸入到特征轉(zhuǎn)換融合模塊(TFL)中進行融合，得到預測的病害類別。

圖1 FCMSAN整體框架圖Fig.1 Framework of FCMSAN

注意力機制能夠捕捉到關鍵信息，近年來，已被成功應用于病害識別任務中。金曉芙[16]提出Inception-v3+Att+Salie方法，通過在網(wǎng)絡中加入注意力機制可以更好關注細節(jié)，在病害的細粒度分類上取得更好的結(jié)果。王美華等[17]提出I_CBAM (Improved convolutional block attention module) 將CBAM[18]中兩個注意力模塊的串行連接方式改為并行連接方式，來解決CBAM在病害識別中表現(xiàn)不穩(wěn)定等問題。自注意力機制是對注意力機制的改進，減少了模型對外部信息的依賴，更加關注捕獲特征的內(nèi)在聯(lián)系，針對特征間的相關性建模，在全局范圍內(nèi)根據(jù)特征的重要程度分配權(quán)重，從而有效提高模型效率。目前，自注意力機制主要有多頭自注意力(MHSA)[19]，以及Non-Local[20]、SA-axial[21]、CA[22]、ViT[23]等模型，這些模型提出用不同形式的自注意力機制(局部、全局、矢量、軸向等)來替換主干網(wǎng)絡中的部分卷積，在各類視覺任務中取得了較好的結(jié)果。但是這些自注意力機制模型主要針對空間信息建模，無法自適應學習來自不同通道間的特征信息。

1.1 顏色掩模網(wǎng)絡

顏色掩模網(wǎng)絡CMN的輸入為構(gòu)建掩膜提取病斑顏色特征后的殘差RES圖，該過程如圖2所示。先將原始RGB圖像轉(zhuǎn)換到HSV顏色空間，查得HSV顏色空間中表示綠色的數(shù)值范圍，利用二值化操作將綠色置0，構(gòu)建掩膜Mask圖像

圖2 RES圖像構(gòu)建過程Fig.2 Process of constructing RES

(1)

最后將掩膜Mask圖像和原始RGB圖像作像素與操作，得到RES圖。

經(jīng)7×7卷積核對RES圖進行卷積，提取局部特征。然后對由基礎模塊堆疊而成的卷積塊進行卷積操作。基礎模塊每堆疊若干次后，通過2×2最大池化層進行下采樣，進一步縮小圖像的分辨率，得到高層低分辨率的特征。

1.2 融合通道自適應的自注意力網(wǎng)絡

融合通道自適應的自注意力網(wǎng)絡(CASAN)將CMN的最后兩個堆疊的基礎模塊中的3×3卷積替換為CASA模塊。CASA模塊的結(jié)構(gòu)如圖3所示。

圖3 CASA結(jié)構(gòu)圖Fig.3 Structure diagram of CASA

CASAN提取3類特征：全局上下文信息、位置上下文信息和通道上下文信息。給定輸入特征X∈RH×W×d，將X輸入4個權(quán)重矩陣WQ∈R1×1×d、WK∈R1×1×d、WV∈R1×1×d、WC∈R1×1×d，分別獲得查詢矩陣q∈RH×W×d、鍵矩陣k∈RH×W×d、值矩陣v∈RH×W×d和通道矩陣c∈RH×W×d，計算式為

q=WQ(X)

(2)

k=WK(X)

(3)

v=WV(X)

(4)

c=WC(X)

(5)

1.2.1全局上下文信息

將查詢矩陣q∈RH×W×d與矩陣kT∈Rd×H×W相乘，得到全局語義信息Q為

Q=q?kT

(6)

可以得到矩陣特征與鍵矩陣的關系，捕獲特征圖任意兩點間的長程距離依賴，從而獲取到全局信息。

1.2.2位置上下文信息

分別對特征圖的高度H和寬度W歸一化，得到Rh∈RH×1×d、Rw∈R1×W×d，將Rh和Rw在元素級相加，得到位置信息p為

p=Rh⊕Rw

(7)

式中 ⊕——元素相加運算符

然后將查詢矩陣q∈RH×W×d和矩陣pT∈RH×W×d相乘，得到位置信息P為

P=q?pT

(8)

式中 ?——矩陣相乘運算符

該過程通過在空間維度設置可訓練參數(shù)，獲取在高度H和寬度W上與特征相關的二維坐標。通過這種方式將提取到的特征賦予相應的位置信息，極大豐富了特征在空間上的語義。將提取到的全局上下文信息Q與位置上下文信息P相加，通過softmax函數(shù)后與值矩陣v相乘，得到結(jié)合全局內(nèi)容信息與位置信息的空間注意力特征FS∈RH×W×d,FS為

FS=softmax(Q⊕P)?v

(9)

1.2.3通道上下文信息

將通道矩陣c輸入平均池化層，經(jīng)批次正則化加快模型的訓練速度。通過全連接層1(fc1)、激活函數(shù)ReLU和全連接層2(fc2)進行非線性映射，得到通道注意力特征FC∈Rd×1×1。該過程使得模型自適應不同通道特征。最后，得到通道上下文信息Z為

(10)

式中 ⊙——元素相乘運算符

1.3 雙流特征融合

為增強特征的傳播和表達能力，如圖1所示，將CMN的輸出fm1、fm2、fm3、fm4與CASAN的輸出f1、f2、f3、f4進行特征融合。將fm1與f1輸入到TFL中，先進行元素相加，再輸入到兩個卷積核為3×3、步長為1、填充為1的卷積層，通過步長為2的2×2最大池化層下采樣，得到F1。然后將fm2與f2輸入到TFL中進行相同的操作，再與F1相加得到F2。與獲取F2的過程類似，將fm3與f3輸入TFL中，再加上F2得到F3，將fm4與f4輸入TFL中，再加上F3得到F4。

最后，將F4輸入到全連接層中，得到61類葉片病害的分類結(jié)果。

2 實驗結(jié)果與分析

2.1 實驗數(shù)據(jù)集

實驗所用的數(shù)據(jù)集為AI Challenger 2018[24]，共包含31 721幅訓練集圖像和4 540幅驗證集圖像。有蘋果、草莓、櫻桃等10個物種，36類不同病害，每種病害分為健康、一般和嚴重3個等級，共61類病害，標簽為0～60。表1為該數(shù)據(jù)集部分分類標簽。圖4為數(shù)據(jù)集中部分病害圖像。

表1 AI Challenger 數(shù)據(jù)集部分分類標簽Tab.1 Labels for AI Challenger

圖4 AI Challenger數(shù)據(jù)集部分圖像示例Fig.4 Some samples of AI Challenger

2.2 實驗環(huán)境與參數(shù)設置

服務器操作系統(tǒng)為Windows 10，處理器為Intel(R) Xeon(R) Silver 4210 CPU@2.20 GHz 2.19 GHz (2核處理器)，運行內(nèi)存128 GB，GPU為NVIDIA GTX2080Ti。

實驗參數(shù)設置：輸入圖像尺寸為256像素×256像素，每次訓練樣本數(shù)為16，共訓練1 982次，進行40次迭代，使用交叉熵損失函數(shù)與Adam優(yōu)化器，初始學習率為0.000 3，動量因子為0.9，每迭代15次，學習率衰減一次，衰減因子取0.1。

2.3 評價指標

在實驗中引入Top-k準確率，用來計算預測結(jié)果中概率最大的前k個結(jié)果，包含正確標簽的占比。準確率(Accuracy)是預測正確的樣本數(shù)占總樣本個數(shù)的比例。

由于AI Challenger 2018數(shù)據(jù)集類別分布不均衡，如柑橘黃龍病圖像為3 627幅，番茄健康類別圖像為1 028幅，蘋果黑心病圖像361幅，而西紅柿瘡痂病圖像只有2幅。因此引入精確率、召回率、F1值對本文方法的識別性能進行全面評估[25]。

2.4 實驗結(jié)果分析

2.4.1單雙流網(wǎng)絡性能比較

為驗證本文方法對于病害識別的有效性，將2個單流網(wǎng)絡CMN、 CASAN與雙流網(wǎng)絡FCMSAN進行實驗對比，如表2所示，表中的準確率、召回率、F1值均為所有類別的算術(shù)平均值。從實驗結(jié)果可以看出， FCMSAN在各項評價指標上的結(jié)果都優(yōu)于CMN和CASAN。在Top-1 準確率上，F(xiàn)CMSAN相較于CMN和CASAN，分別提升了2.31、0.35個百分點；在F1值上，F(xiàn)CMSAN比CMN和CASAN分別提升了3.47、0.61個百分點。單流網(wǎng)絡與雙流網(wǎng)絡在每個子類上的識別準確率對比如圖5所示?？梢钥闯觯珻MN在某些子類的識別準確率相較CASAN更高， FCMSAN在這些分類上的識別準確率均較高；同樣CASAN也可以在某些子類上提升識別準確率。CMN和CASAN在識別病害類別時能夠相互補充，因此得到的融合網(wǎng)絡FCMSAN的識別性能最優(yōu)。

表2 單雙流網(wǎng)絡性能對比Tab.2 Comparison of single network with double stream networks %

圖5 單雙流網(wǎng)絡在每個子類上的識別準確率Fig.5 Precision of single and dual networks on each subclass

2.4.2基礎模塊堆疊數(shù)的消融實驗

FCMSAN的單流網(wǎng)絡結(jié)構(gòu)基于ResNet50，由堆疊若干基礎模塊后下采樣，重復4次構(gòu)成。表3堆疊數(shù)量中，每個數(shù)字代表堆疊的基礎模塊數(shù)量，[3,4,6,3]即為ResNet50原有的堆疊結(jié)構(gòu)。保留前兩次的堆疊參數(shù)，對后兩次的數(shù)量進行調(diào)整。實驗結(jié)果顯示，當FCMSAN的基礎模塊堆疊數(shù)為[3,4,5,2]時，模型的各項指標均達到最高，能夠獲得最好的識別性能。

表3 基礎模塊堆疊數(shù)量不同時的識別效果Tab.3 Comparison of basic blocks with different stacked numbers %

2.4.3模塊輸入數(shù)的消融實驗

對特征轉(zhuǎn)換融合模塊輸入數(shù)進行消融實驗，結(jié)果如表4所示。將CMN輸出的fm1、fm2、fm3、fm4與CASAN輸出的f1、f2、f3、f4對應，輸入數(shù)表示從后向前選取的數(shù)量，可以看出，當融合模塊的輸入數(shù)為3，即選擇fm2、fm3、fm4與f2、f3、f4作為TFL的輸入時，模型的Top-1 準確率與F1值最高，因此選擇此模塊的輸入數(shù)。

表4 融合模塊輸入數(shù)不同時的識別效果Tab.4 Comparison of fusion module with different inputs %

2.4.4通道自適應自注意力機制的性能分析

為了驗證所提出的自注意力機制的性能，將經(jīng)典自注意力機制CBAM[12]、SA[26]、CA[16]、Non-Local[14]和CASA分別嵌入到ResNet50的conv4_x與conv5_x之間，實驗結(jié)果如表5所示?？梢钥闯?， CASA在病害識別任務上的各項指標優(yōu)于其他注意力機制，與全局建模感受野的自注意力機制Non-Local相比，CASA的Top-1 準確率提升了0.57個百分點；與軸向建模的自注意力機制CA相比，CASA的Top-1 準確率提升了0.27個百分點；比通道建模的注意力機制CBAM與SA的Top-1 準確率高0.23、0.35個百分點。實驗證明，CASA可以注意到特征間的關系，將更多權(quán)重賦給重要特征，從而提高模型的識別性能。為進一步探究CASA的有效性，本文利用激活熱圖(Grad-CAM)[27]對不同模型進行可視化分析比較，如圖6所示。對比分析輸入圖像，可知第1行、第3行的病害呈圓形斑點，大量分布在葉片中；第2行病害以斑狀分布在各處，但是以最上方邊緣處、正中偏右處最為嚴重；第4行病害以塊狀體現(xiàn)在葉片左上邊緣。通過熱力激活圖可以看出，與CBAM、SA、CA、Non-Local等模型相比， CASA模型對葉片的病害區(qū)域定位更加準確、廣泛。說明CASA模型能夠有效提取病害特征。

表5 各種注意力機制對比Tab.5 Comparison results of different attention mechanisms %

圖6 各注意力機制熱力激活圖對比Fig.6 Comparison of thermal activation diagrams with different attention mechanisms

2.4.5與其他方法對比

將本文方法與其他方法進行比較，結(jié)果如表6所示?？梢钥闯?，F(xiàn)CMSAN的各項指標均表現(xiàn)良好。

表6 與其他方法識別性能對比Tab.6 Comparison recognition performance with other methods %

其中Top-1準確率達到87.97%，分別比AlexNet[10]、VGG16[11]、GoogLeNet[12]、ResNet50[13]、Inception-v3+Att+Salie[16]和I_CBAM[17]提升2.61、2.52、1.32、0.91、0.49、0.99個百分點；F1值分別比AlexNet、VGG16、GoogLeNet、ResNet50提高3.1、2.96、1.43、1.19個百分點，證明在樣本分布不均衡情況下，F(xiàn)CMSAN對各類病害的識別具有較好的效果。

本文提出的方法具有較高的識別準確性，進一步對圖像病害識別檢測效率進行對比實驗，如表7所示，可以看出本文方法的檢測時間略長于基線模型的檢測時間。這是因為FCMSAN集成了雙流網(wǎng)絡，模型參數(shù)更大；且CASA模塊在提取到更豐富的病害特征的同時，也引入了更大的計算量，使得FCMSAN的檢測速度較基線網(wǎng)絡在可接受的范圍內(nèi)有所下降。

表7 與其他方法檢測速度對比Tab.7 Comparison detection speed with other methods ms

3 結(jié)束語

針對當前植物葉片病害細粒度分類粗糙、識別準確率低等問題，提出基于顏色掩膜與通道自適應自注意力機制的病害識別網(wǎng)絡。該網(wǎng)絡能夠根據(jù)葉片顏色變化、病斑范圍與病斑間的位置關系，有效學習葉片病害顏色特征和位置特征。在公開數(shù)據(jù)集上進行大量實驗證明了FCMSAN網(wǎng)絡的有效性，對病害識別達到了較好的效果。