AdapterMoE: A Two-Stage Hard-Routing Mixture-of-Experts Architecture for Multi-Crop Disease Recognition with Calibrated Rejection and Incremental Learning
【预印本,未经同行评审】针对多作物病害识别任务,提出基于确定性硬路由的两阶段 AdapterMoE 架构:RouterHead 依据最大 softmax 概率阈值分类作物并拒判非目标作物,Energy+KNN 双重门控模块捕获分布外输入;在冻结 EfficientNet-B0 主干上添加五个逐作物 Adapter,通过温度缩放校准。在 PlantVillage(5 作物 26 类)上,AdapterMoE 与最优基线 Macro-F1 差距在 0.24 分以内,但训练成本约为全网络基线的 9%,并可通过 add_crop 接口实现逐作物增量更新,避免专家坍缩,适合田间部署成本敏感的精准植保场景。