摘要 為實(shí)現(xiàn)復(fù)雜環(huán)境下辣椒病害的精準(zhǔn)識(shí)別和分類，設(shè)計(jì)了一種適用于辣椒病害識(shí)別分類的方法。以辣椒在生長(zhǎng)過(guò)程中常見(jiàn)的6 種病害為分類研究的對(duì)象，使用數(shù)據(jù)增強(qiáng)的方法擴(kuò)充數(shù)據(jù)集，提出一種基于MaxViT改進(jìn)的MaxViT-DF 模型，將MaxViT 模型中的普通卷積替換為可變形卷積，使模型在提取特征時(shí)能更貼近復(fù)雜環(huán)境下的識(shí)別目標(biāo)；同時(shí)在MaxViT 模型施加注意力時(shí)引入特征融合模塊，提高模型的全局感知能力。結(jié)果顯示，改進(jìn)的MaxViT-DF 模型識(shí)別分類準(zhǔn)確率達(dá)到98.10%，對(duì)6 種辣椒病害的分類精度均高于95%。與ResNet-34、EfficientNetv2 和VGG-16 等模型相比，改進(jìn)模型在收斂速度和分類精度上具有明顯優(yōu)勢(shì)。以上結(jié)果表明，MaxViT-DF 模型能夠?qū)Σ煌N類的辣椒常見(jiàn)病害進(jìn)行有效的分類識(shí)別。

關(guān)鍵詞 MaxViT-DF； 辣椒病害分類； 可變形卷積； 特征融合； 深度學(xué)習(xí)

中圖分類號(hào) TP391.41 ； S436.418.1 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1000-2421（2024）02-0123-11

21 世紀(jì)以來(lái)，全球辣椒種植面積與產(chǎn)量穩(wěn)步增長(zhǎng)，中國(guó)辣椒產(chǎn)業(yè)也進(jìn)入了迅速發(fā)展階段。據(jù)聯(lián)合國(guó)糧食及農(nóng)業(yè)組織的統(tǒng)計(jì)數(shù)據(jù)顯示，2020 年中國(guó)辣椒產(chǎn)量約占全球產(chǎn)量的1/2，是全球最大的辣椒主產(chǎn)國(guó)［1］。在辣椒的實(shí)際種植生產(chǎn)過(guò)程中，各種病害阻礙了辣椒的正常生長(zhǎng)，從而造成辣椒減產(chǎn)。因此，對(duì)辣椒常見(jiàn)病害的精準(zhǔn)識(shí)別分類可以起到及時(shí)發(fā)現(xiàn)病害、指導(dǎo)農(nóng)藥使用和減少經(jīng)濟(jì)損失等作用。傳統(tǒng)的辣椒病害識(shí)別主要是基于高光譜圖像和基于表面紋理特征的方法，上述方法依賴人工并且不利于后續(xù)農(nóng)業(yè)智能化的發(fā)展，因此亟需一種能精準(zhǔn)識(shí)別辣椒病害的方法。

近些年來(lái)深度學(xué)習(xí)得到了快速發(fā)展，深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)［2］（convolutional neural network，CNN）能充分利用計(jì)算機(jī)的計(jì)算能力，高效地提取圖像特征，在植物病害識(shí)別分類方面取得了良好的效果［3］。Sladojevic 等［4］首次利用CNN 將植物葉片與周圍環(huán)境區(qū)分開來(lái)，并且在CaffeNet 模型上微調(diào)改進(jìn)，改進(jìn)模型的平均識(shí)別精度達(dá)到了96.3%。張帥等［5］針對(duì)人工分析提取特征時(shí)造成的不同植物種屬差異性問(wèn)題，利用一個(gè)8 層卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)系統(tǒng)分別對(duì)簡(jiǎn)單背景和復(fù)雜背景葉片圖像進(jìn)行訓(xùn)練和識(shí)別，結(jié)果表明，使用CNN+SVM 和CNN+Softmax分類器識(shí)別方法對(duì)單一背景葉片圖像識(shí)別率分別高達(dá)91.11% 和90.90%，復(fù)雜背景葉片圖像的識(shí)別率也能達(dá)到34.38%。張善文等［6］針對(duì)在復(fù)雜的病害葉片圖像中很難選擇出對(duì)病害類型識(shí)別貢獻(xiàn)較大的有用特征這一問(wèn)題，構(gòu)建了一種深度CNN 模型，直接從歸一化后的彩色病害葉片圖像中提取高層次的抽象特征，并在輸出層進(jìn)行病害識(shí)別，結(jié)果表明，與基于特征提取的傳統(tǒng)病害識(shí)別方法相比，該方法的識(shí)別性能較高，識(shí)別分類準(zhǔn)確率達(dá)到90.32%。雖然基于CNN 識(shí)別植物病害具有識(shí)別準(zhǔn)確率高的優(yōu)勢(shì)，但是受制于網(wǎng)絡(luò)架構(gòu)因素、模型參數(shù)量大、訓(xùn)練時(shí)間長(zhǎng)等特點(diǎn)，模型不易使用。

針對(duì)上述CNN 識(shí)別植物病害時(shí)模型訓(xùn)練收斂時(shí)間長(zhǎng)和參數(shù)龐大的問(wèn)題。Vishnoi 等［7］開發(fā)了一種CNN，該網(wǎng)絡(luò)由較少數(shù)量的層組成以降低計(jì)算負(fù)擔(dān)，所提出的模型僅需要較少的存儲(chǔ)和計(jì)算資源便可以達(dá)到98% 的識(shí)別分類準(zhǔn)確率。Liu 等［8］使用Mobile‐NetV2 模型作為骨干網(wǎng)絡(luò)實(shí)現(xiàn)了對(duì)柑橘病害的識(shí)別，該方法在保持良好分類精度的同時(shí)減少了模型的預(yù)測(cè)時(shí)間和模型大小。為了使分類模型更容易部署到手機(jī)端，張鵬程等［9］對(duì)MobileNetV2 模型進(jìn)行了進(jìn)一步的改進(jìn)，將ECA 注意力機(jī)制嵌入Mobile‐NetV2 網(wǎng)絡(luò)的反殘差結(jié)構(gòu)尾部，以增強(qiáng)原網(wǎng)絡(luò)的跨通道信息交互能力，提升原網(wǎng)絡(luò)的特征提取能力，并基于該改進(jìn)模型開發(fā)了一款邊緣計(jì)算APP，改進(jìn)模型對(duì)柑橘蟲害的分類準(zhǔn)確率達(dá)到93.63%。為了在提高檢測(cè)速度的同時(shí)提高識(shí)別分類準(zhǔn)確率，蘇俊楷等［10］在YOLOv5 模型的主干網(wǎng)絡(luò)中添加CA 注意力機(jī)制，改善目標(biāo)漏檢問(wèn)題；在頸部使用BiFPN 替代原有的PANet；并且引入Focal-EIOU Loss 損失函數(shù)，在保持模型較低計(jì)算量的情況下，提升了模型的檢測(cè)速度和算法性能，改進(jìn)后的YOLOv5 模型和傳統(tǒng)的YOLOv5s 相比，平均精度上升了4.5%。為了提高模型識(shí)別病害的泛化性和精準(zhǔn)度，孫道宗等［11］在EfficientNetv2 網(wǎng)絡(luò)模型引入了遷移學(xué)習(xí)機(jī)制，并且選取MultiMarginLoss 作為模型的損失函數(shù)，結(jié)果顯示，改進(jìn)模型在參數(shù)量和模型大小均下降的情況下，在存儲(chǔ)空間大小、準(zhǔn)確率和訓(xùn)練時(shí)間3 個(gè)指標(biāo)上具有明顯優(yōu)勢(shì)。

值得注意的是，以上的植物病害識(shí)別結(jié)果都是建立在具有良好的環(huán)境和數(shù)據(jù)集的背景下得出的，其數(shù)據(jù)集背景簡(jiǎn)單并且檢測(cè)目標(biāo)較易被識(shí)別，而在日常農(nóng)業(yè)生產(chǎn)中很難有如此理想的環(huán)境。因此，為了應(yīng)對(duì)背景雜亂或有干擾物等的復(fù)雜環(huán)境下對(duì)辣椒病害進(jìn)行精準(zhǔn)識(shí)別分類的問(wèn)題，本研究選用Max‐ViT［12］作為骨干網(wǎng)絡(luò)，建立了MaxViT-DF 模型，旨在保證病害特征提取能力的同時(shí)使網(wǎng)絡(luò)兼顧注意力機(jī)制以提高分類準(zhǔn)確率。

1 材料與方法

1.1 數(shù)據(jù)集

本研究以炭疽病、病毒病等對(duì)辣椒生長(zhǎng)危害最嚴(yán)重的6 種病害作為研究對(duì)象，收集圖像組成基礎(chǔ)數(shù)據(jù)集，圖像背景為辣椒自然生長(zhǎng)環(huán)境，圖片背景復(fù)雜并且有干擾物，如圖1 所示。

基礎(chǔ)數(shù)據(jù)集共收集病害2 107 張圖片（隨機(jī)劃分測(cè)試集421 張，訓(xùn)練集1 686 張）。為了避免模型沒(méi)有足夠樣例區(qū)分特征，導(dǎo)致模型在訓(xùn)練過(guò)程中出現(xiàn)過(guò)擬合現(xiàn)象，通過(guò)圖像翻轉(zhuǎn)、調(diào)整對(duì)比度、調(diào)整飽和度和調(diào)整銳度4 類數(shù)據(jù)增強(qiáng)方法對(duì)訓(xùn)練集進(jìn)行處理（圖2），獲得本識(shí)別分類方法的最終訓(xùn)練集（表1）。為了保證試驗(yàn)數(shù)據(jù)的均衡性，將6 種病害的訓(xùn)練集數(shù)量擴(kuò)大至同等規(guī)模，每種病害數(shù)據(jù)集包括560 張圖片，共3 360 張圖片。

1.2 MaxViT模型

MaxViT 是2022 年谷歌提出的分層Transformer模型［13］，融合了注意力機(jī)制和卷積，并且提出了1 種新穎的獨(dú)立多軸注意力模塊，由阻塞的局部注意力和擴(kuò)張的全局注意力組成，具有線性復(fù)雜性的感知能力，MaxViT 在圖像分類和目標(biāo)檢測(cè)方面表現(xiàn)良好。

MaxViT 模型如圖3 所示，輸入網(wǎng)絡(luò)的是1 張224像素× 224像素的三通道RGB 圖片，輸出為6，對(duì)應(yīng)辣椒的6 種病害。輸入的圖片首先通過(guò)2 個(gè)卷積層進(jìn)行特征提取，然后經(jīng)過(guò)4 個(gè)MaxViT block 添加注意力，在MaxViT block 中將MBConv 與注意力一起使用進(jìn)一步提高了網(wǎng)絡(luò)的泛化性和可訓(xùn)練性，再經(jīng)過(guò)池化層和全連接層輸出結(jié)果，最后將網(wǎng)絡(luò)處理后的結(jié)果輸入Softmax 分類器計(jì)算病害類別預(yù)測(cè)概率，將其中概率最大的病害作為網(wǎng)絡(luò)識(shí)別這張圖片的預(yù)測(cè)種類。

1.3 可變形卷積模塊

針對(duì)辣椒表面形狀復(fù)雜和病害缺陷范圍不規(guī)則的問(wèn)題，在MaxViT 模型的基礎(chǔ)上將提取特征的普通卷積層替換為可以偏移位置的可變形卷積［14］?？勺冃尉矸e在采樣位置增加了1 個(gè)偏移量，相比于普通卷積，可變形卷積在采樣時(shí)可以更貼近物體的形狀和尺寸，具有更強(qiáng)的魯棒性（圖4）。

可變形卷積結(jié)構(gòu)如圖5 所示，由普通卷積和偏移模塊組成。偏移模塊中的偏差通過(guò)1 個(gè)卷積層獲得，輸入特征圖，輸出偏差，生成通道維度是“2N”，其中“2”分別對(duì)應(yīng)平面上x 值方向和y 值方向這2 個(gè)2D 偏移，“N”是通道數(shù)，一共有2 種卷積核，包括普通卷積中的卷積核以及卷積核學(xué)習(xí)offset 對(duì)應(yīng)的卷積層內(nèi)的卷積核，二者可通過(guò)雙線性插值反向傳播同時(shí)進(jìn)行參數(shù)更新。

1.4 特征融合模塊

MaxViT 模塊在添加注意力的同時(shí)也對(duì)特征圖進(jìn)行尺寸的縮減，為了緩解這種因?yàn)槌叽缈s減而帶來(lái)的特征損失問(wèn)題，本研究在MaxViT 模型的框架中引入了特征融合模塊。特征融合模塊結(jié)構(gòu)如圖6 所示，首先將輸入的特征圖分為2 部分，分別進(jìn)入Max‐ViT 模塊施加注意力和CBR 模塊提取特征，CBR 模塊由卷積、批量歸一化和ReLU 激活函數(shù)組成；其次將MaxViT 模塊的輸出作為下一個(gè)MaxViT 模塊的輸入繼續(xù)添加注意力，并且把MaxViT 模塊的輸出與CBR 模塊的輸出相加，將相加得到的結(jié)果作為下一個(gè)CBR 模塊的輸入繼續(xù)進(jìn)行下采樣過(guò)程；最后將MaxViT 模塊和CBR 模塊的最終輸出結(jié)果相加，作為整個(gè)特征融合模塊的輸出結(jié)果。

1.5 MaxViT-DF模型

為了提高辣椒病害的識(shí)別準(zhǔn)確率，將可變形卷積和特征融合模塊融合到原始MaxViT 模型中。MaxViT-DF 模型結(jié)構(gòu)如圖7 所示，用可變形卷積替代原始MaxViT 中的2 個(gè)卷積層進(jìn)行特征提取，和原始MaxViT 中的2 個(gè)卷積層一樣，可變形卷積將輸入大小為224像素× 224像素的圖片提取為112像素×112像素的特征圖，并且在提取特征的過(guò)程中更加貼近識(shí)別目標(biāo)的位置與形狀，有利于模型在后續(xù)對(duì)提取到的特征進(jìn)行準(zhǔn)確有效的學(xué)習(xí)；將經(jīng)過(guò)特征提取后的特征圖放入MaxViT block 中施加注意力，同時(shí)也把特征圖放入特征融合模塊中融合全局信息，在每個(gè)特征融合的過(guò)程中，利用卷積層對(duì)數(shù)據(jù)進(jìn)行下采樣，以保證采樣后的數(shù)據(jù)大小與MaxViT block 處理后的數(shù)據(jù)大小相匹配；將4 個(gè)MaxViT block 處理后的結(jié)果和特征融合模塊處理結(jié)果相加，經(jīng)過(guò)池化層和全連接層處理輸出分類結(jié)果。