Double Transfer Learning-Based Capsule Network for Multi-Crop Plant Disease Classification Using Heterogeneous Leaf Image Datasets

技术摘要：基于双重迁移学习的胶囊网络用于多作物植物病害分类

问题陈述
植物病害对全球粮食安全和农业生产力构成了重大威胁，往往导致作物产量和质量下降。传统的诊断方法依赖于专家的视觉检查，这种方法耗时、具有主观性且容易出现人为错误。虽然卷积神经网络（CNN）改进了自动化检测，但它们在维持病害症状之间空间关系方面存在局限性，导致在症状具有相似视觉特征时发生误分类。此外，现有的深度学习模型通常是为单一作物数据集量身定制的，缺乏在多样化农业环境中的泛化能力。此外，新兴的基于 Transformer 的模型虽然在捕捉全局上下文方面非常有效，但计算成本高昂，且需要海量的标注数据集，这使其不太适用于资源受限的农业环境。

方法论：DTL-CapsNet 框架
作者提出了一种新颖的框架——双重迁移学习胶囊网络（DTL-CapsNet），旨在利用异构叶片图像数据集对多种作物进行病害分类。该方法集成了四个主要阶段：

1. 预处理与分割： 输入的叶片图像被调整为 224 × 224 × 3 像素。预处理流水线应用了归一化、去噪和对比度增强。至关重要的是，分割步骤将叶片区域从背景中分离出来，以便将特征提取重点放在病害症状（病斑、斑点、变色）而非无关的背景噪声上。
2. 双重迁移学习： 该框架采用两阶段迁移学习过程来提取判别性特征：
   • 第一阶段： 预训练的深度学习模型从分割后的图像中提取通用的高层视觉特征（边缘、纹理、形状）。
   • 第二阶段： 这些特征通过特定植物病害数据集进行微调，以学习病害特有的表示。这使得模型能够利用通用的视觉知识，同时适应特定的作物病理。
3. 胶囊网络（CapsNet）集成： 提取的特征不是传递给标量输出分类器，而是输入到胶囊网络中。与 CNN 不同，CapsNet 将特征表示为向量，并利用**动态路由（dynamic routing）**来保留病害症状与叶片结构之间的层次化部分-整体关系以及空间依赖性。这种机制增强了对姿态和方向变化的鲁棒性，这对于区分视觉相似的病害至关重要。
4. 分类： 胶囊网络的输出通过 Softmax 分类器来确定病害类别（如健康、早疫病、黑腐病）的概率分布。模型使用 Adam 优化器和类别交叉熵损失进行优化。

核心贡献

• 新颖架构： 将双重迁移学习与胶囊网络相结合，以解决多作物病害检测中维持空间层次结构的特定挑战。
• 多作物泛化： 该框架在一个包含 21,927 张叶片图像的异构数据集上得到了验证，涵盖了苹果、辣椒、棉花、玉米和马铃薯五种不同的作物，包括 17 种不同的健康和患病类别。
• 鲁棒的特征表示： 通过利用基于向量的表示和动态路由，该模型有效地捕捉了传统 CNN 经常忽略的空间关系，提高了对具有相似视觉模式的病害的分类准确率。

实验结果
提出的 DTL-CapsNet 与包括标准 CNN、ResNet50、EfficientNet 和单迁移学习 CNN 在内的基准模型进行了评估。实验在 30 个训练轮次（epochs）内进行。结果表明，DTL-CapsNet 在所有五个作物数据集上均一致优于所有基准模型：

• 苹果： 实现了 96.92% 的准确率（对比迁移学习 CNN 的 95.87%）。
• 辣椒： 实现了 95.80% 的准确率（对比迁移学习 CNN 的 95.87%）。
• 棉花： 实现了 96.10% 的准确率（对比迁移学习 CNN 的 95.87%）。
• 玉米： 实现了 97.20% 的准确率（对比迁移学习 CNN 的 95.87%）。
• 马铃薯： 实现了 94.80% 的准确率（对比迁移学习 CNN 的 95.87%）。

研究指出，虽然该模型在马铃薯数据集上表现出轻微的性能波动（可能是由于早疫病和晚疫病之间的视觉相似性），但它仍然保持了优于传统架构的整体性能。

意义与主张
论文声称 DTL-CapsNet 框架为智能植物病害诊断提供了一种高效且可扩展的解决方案。通过结合迁移学习的特征提取能力与胶囊网络的空间推理能力，该方法在实现高分类准确率的同时，避免了与基于 Transformer 模型相关的过度计算开销。作者认为，由于该方法可以处理多种作物类型和复杂的环境条件，因此对于精准农业和实时作物监测具有重要意义。该框架被呈现为增强智能耕作应用中疾病控制和生产力的可靠工具。

未来展望
作者建议可以将该框架扩展到包含更大且更多样化的数据集。他们提出了与物联网（IoT）设备、云计算和移动应用程序集成的潜在可能性，用于实时决策。此外，他们还确定了将该模型部署在边缘系统和**无人机（UAV）上进行大规模监测的机会，以及引入可解释人工智能（XAI）**以提高模型的可解释性和用户信任度。