MobileNetV2-KAN: A Lightweight Nonlinear Network for Cross- Dataset Fruit Maturity Recognition
本文介绍了一种名为 MobileNetV2-KAN+ 的轻量级架构，该架构拥有 365 万个参数，通过将 MobileNetV2 主干网络与有界 Kolmogorov-Arnold 网络分类器相结合，在不依赖预训练权重或大型模型规模的情况下，实现了稳健且校准良好的跨数据集水果成熟度识别。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在果园静谧的律动中，收获是足以供养家庭还是沦为浪费，往往取决于颜色上一个细微而微妙的变化。几个世纪以来，农民一直依靠经验来判断果实何时成熟，但随着农业向自动化迈进，机器人和传感器必须学会观察人类肉眼所见之物。这就是农业计算机视觉面临的挑战：教机器在风吹叶动、阴影变幻和光照不均的混乱现实中，分辨出成熟的荔枝与未成熟的荔枝，或是黄色的香蕉与长了斑点的过熟香蕉。虽然现代计算机在受控的实验室环境中已经变得极其擅长识别物体，但面对真实农田中杂乱且不可预测的环境时，它们往往会步履蹒跚。这种在实验室中表现完美但在果园中难以可靠运行的模型之间的差距，仍然是智慧农业面临的一个重大障碍。
厦门大学嘉庚学院的研究人员提出了一种新方法来弥补这一差距，其核心是一种旨在兼顾轻量化与高适应性的特定人工智能架构。他们的工作围绕着一个被称为 MobileNetV2-KAN 的模型展开，旨在解决“跨数据集”识别问题。简单来说，这意味着构建一个能够从一组图像（例如在特定光照下由某种相机拍摄的图像）中学习，并且在面对由不同相机拍摄、位于不同地点或处于不同天气条件下的图像时，依然能表现良好的系统。该团队认为，许多现有系统过于僵化；它们记住了训练数据的特定条件，而不是学习果实成熟度的基本视觉特征。为了解决这个问题，他们将一种经过验证的高效图像处理骨干网络与一种更新、更灵活的数学结构——柯尔莫哥洛夫-阿诺德网络（KAN）相结合，后者擅长在不需要海量计算能力的情况下学习复杂的非线性模式。
实验的核心任务是教模型识别荔枝的成熟度，这是一种随成熟过程由绿转红的水果。研究人员并非只是简单地向计算机输入数千张图片并听天由命。相反，他们构建了一个严密的测试，以观察模型是否真正具备泛化能力。他们在一个来源广泛的荔枝图像集上训练系统，但随后在另一组完全独立的图像集上对其进行测试，这些图像采集自不同的设备且处于不同的环境条件下。这种“跨数据集”测试至关重要，因为它模拟了现实场景：农民可能会使用一个基于某一地区数据训练的模型来管理另一地区的果园。结果令人瞩目。虽然许多标准模型在处理与训练数据相似的数据时表现良好，但在面对全新的、未见过的条件时，其准确率会大幅下降。然而，MobileNetV2-KAN 模型保持了更高的稳定性。在独立荔枝数据集的测试中，它的准确率达到了约 77.57%，优于几种在适应新环境方面表现挣扎的成熟重型模型。
使这一结果显得尤为突出的，是该解决方案的高效性。研究人员并没有单纯通过堆砌算力来解决问题。他们构建的模型是“轻量化”的，这意味着与深度学习中常用的庞大网络相比，它的参数（即内部设置）数量相对较少。这对于在田间部署至关重要，因为无人机或手持扫描仪等设备的电池寿命和处理能力都非常有限。通过用 KAN 结构替换网络的标准最终层，该模型获得了更好地映射水果阶段之间细微非线性差异的能力。KAN 组件不再依赖僵化的预定义规则，而是学习灵活的一维函数，从而能够根据数据的细微差别进行调整。这使得模型能够捕捉水果外观的精细细节——例如成熟荔枝的具体红色色调——而不至于被背景中的叶片或阴影干扰。
为了确保发现并非偶然，团队还在另一种完全不同的水果——香蕉上测试了该模型。这个数据集提出了新的挑战，因为香蕉的视觉演变过程是从绿色变为黄色，然后产生褐色斑点，这与荔枝的“红移”过程截然不同。研究人员应用了完全相同的模型和训练策略，并未针对新水果进行任何特殊调整。模型成功适应了这一变化，在香蕉数据集上的测试准确率达到了约 94.91%。这种跨作物的成功表明，该方法并非局限于识别特定水果，而是一种可以应用于各种农业任务的稳健方法。该模型证明了它学习的是水果成熟度的底层原理，而非仅仅死记硬背训练图像的像素。
研究还探讨了训练数据量如何影响模型的性能。在许多机器学习任务中，人们假设数据越多结果越好。然而，在这一特定语境下，研究人员发现即使在较小规模的数据子集上进行训练，模型依然能保持稳定。当他们将训练数据减少到可用数据集的 20% 时，该模型依然表现出了竞争力，而其他模型则显示出更大的波动性。这表明 KAN 结构在处理有限样本时特别有效，这在收集大规模、精准标注数据集既困难又昂贵的农业领域是一个关键优势。研究人员指出，尽管该模型功能强大，但其成功高度依赖于数据的质量；如果图像噪声过多或标签不一致，模型的泛化能力将会受到影响。
最终，这项研究指向了一个农业人工智能不仅要强大，更要实用且便携的未来。通过证明一种轻量级的混合模型比传统的重型网络更能应对现实环境的不可预测性，作者们为自动化采收和作物管理提供了一条可行的路径。这项工作表明，解决“从实验室到田间”差距的关键，不在于构建更大、更复杂的系统，而在于设计更聪明、更灵活的系统，使其能够学习果实成熟度的本质，无论图像是在何处或以何种方式拍摄的。随着技术的成熟，此类系统将允许农民部署智能工具，使其能够在不同的季节、地点和作物类型中可靠运行，将复杂的果实识别艺术转化为精确的自动化科学。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。