From Handcrafted Descriptors to Deep Embeddings: A Comparative Study for Regional Hazelnut Image Classification

区域榛子图像的自动化分类对于农业可追溯性、产地感知分选以及食品加工系统中的决策支持具有重要意义。本研究提出了一个统一的比较基准，用于对Van、Ordu和Giresun三个类别的榛子图像进行分类。实验框架整合了经典手工设计描述子、深度迁移学习模型以及降维空间下的经典与量子兼容混合分类器。在经典分支中，将HOG与RGB颜色直方图特征进行组合，并使用基于KNN和SVM的分类器进行评估。在深度学习分支中，通过两阶段迁移学习策略训练ResNet50和EfficientNetB0，并采用Grad-CAM提供定性可解释性。在混合分支中，将从最佳EfficientNetB0模型GAP层提取的1280维嵌入压缩至低维空间，用于降维空间SVC和QSVC实验。在当前图像级划分协议下，最强的手工特征基线PCA + SVM达到了98.90%的准确率和0.9888的宏F1值，而ResNet50达到了99.45%的准确率和0.9945的宏F1值。EfficientNetB0达到了100%的测试准确率，而在压缩后的EfficientNetB0嵌入上训练的降维空间经典SVC在完整测试集上达到了99.63%的准确率和0.9961的宏F1值。在公平子集协议下，经典SVC达到了98.33%的准确率，而最佳QSVC配置达到了90.83%的准确率。该结果应被解释为数据集内的强基准，而非对象级或部署级泛化能力的确定性证据。Grad-CAM可视化进一步表明，深度模型主要关注具有语义意义的榛子区域，而非背景模式。研究结果表明，表征质量是该任务的核心因素，而所报告的接近上限的性能应结合图像级划分策略来理解。