Severity Grading of Early Visible Symptoms of Sugarcane Pokkah Boeng Disease Based on Multi-Scale Dynamic Feature Fusion and Channel-Spatial Interaction: An On-Device Framework
Cuimin Sun · Xiaojie Qin · Junyang Dou 等 7 人
提出轻量级框架，对甘蔗凤梨病早期可见症状进行四级严重度分级。
基于MobileNetV2，融合多尺度动态特征与通道-空间交互模块，构建图像数据
准确率96.29%，INT8量化后模型仅2.57MB，推理延迟10.79ms，适合移动端部署。
可扩展至其他作物早期病害分级，并探索田间复杂光照下的鲁棒性与多病害联合识别。
面向甘蔗凤梨病早期症状的轻量化端侧分级框架，方法新颖、指标扎实，具备移动辅助防控的实用价值。
甘蔗凤梨病（pokkah boeng disease）是由藤仓镰刀菌复合种（Fusarium fujikuroi species complex，FFSC）病原菌引起的真菌病害。早期可见症状包括幼叶基部褪绿黄化、叶片皱缩及形态异常，这些症状与健康叶片差异细微，导致人工巡检和严重度评估困难。现有研究对上述早期可见症状的严重度分级关注有限，且部分模型过于复杂，难以在移动端部署。针对上述问题，本研究以叶片颜色改变、叶片形态异常及生长点区域可见异常作为视觉症状锚点，建立了四级严重度标准，并构建了甘蔗凤梨病图像数据集。随后，基于MobileNetV2开发了适用于该任务的轻量化分级框架，融合多尺度动态特征融合与快速通道-空间交互模块，以增强严重度相关视觉特征的多尺度和通道-空间表征能力。所提方法在准确率、精确率、召回率和Macro-F1上分别达到96.29% ± 0.73%、95.32% ± 0.79%、95.99% ± 0.78%和95.43% ± 0.77%，总体优于主要对比模型。在FP32和INT8精度下，端侧准确率均为96.53%。经INT8量化后，ONNX模型大小从8.63 MB降至2.57 MB，单张图像推理延迟从30.819 ± 4.625 ms降至10.794 ± 0.999 ms。本研究为甘蔗凤梨病早期可见症状的基于图像的视觉严重度分级与移动辅助评估提供了轻量化解决方案，从而为移动辅助严重度评估和病害管理提供技术支持。