RAVA: a robust recurrent active vision agent for plant disease diagnosis under severe environmental noise
Nima Saeedi · Sana Gholinavaz · Sina Samadi Gharehveran 等 5 人
提出RAVA，一种循环主动视觉智能体，通过主动观察应对环境噪声，提升植物病害诊断鲁棒性。
结合ResNet-18、RNN、STN，用PPO训练主动策略，并加入监督对比学习
在严重退化下，RAVA准确率77.0%，远超ResNet-50的26.3%，且参数仅约12M。
可探索将主动视觉与对比学习结合，应用于其他农业任务，如害虫检测或果实计数，在复杂田间环境下提升鲁棒性。
提出RAVA主动视觉模型，显著提升真实环境下植物病害诊断鲁棒性，方法新颖且实验扎实。
深度学习模型在受控实验室环境中进行植物病害分类时已能达到近乎完美的准确率，然而，它们在真实农业环境中的部署却因“部署鸿沟”而严重受阻——即对传感器噪声、运动模糊和遮挡等环境干扰存在关键脆弱性。为弥合这一鸿沟，我们提出了循环主动视觉智能体（RAVA），将病害检测任务构建为部分可观测马尔可夫决策过程（POMDP）。与被动地全局处理图像的卷积神经网络（CNNs）不同，RAVA模拟了人类农学家的主动检查行为。我们的架构将轻量级ResNet-18骨干网络与循环神经网络（RNN）及空间变换网络（STN）相集成。在近端策略优化（PPO）的驱动下，该智能体学习一种序列策略，以智能地导航并放大信息丰富的“瞥视”区域，从而有效避开背景杂乱干扰。为稳定强化学习过程并强制实现噪声不变的特征表示，我们引入了一种融合监督对比学习（SupCon）的混合目标函数。在结合PlantVillage和PlantDoc数据集的综合实验中，RAVA在极端条件下展现出压倒性优势。在“严重退化”压力测试中，标准ResNet-50的准确率骤降至26.3%，而我们的主动智能体则保持了稳健的77.0%。在极端噪声和遮挡条件下，RAVA保持了54.6%的准确率，而基线模型仅为17.2%。值得注意的是，这种鲁棒性仅以约1200万参数即可实现——远少于大规模视觉Transformer——这证明了主动视觉注意力结合对比学习，为面向田间部署的精准农业提供了一条计算高效且高度稳健的路径。