DAC-Grad-CAM: Defect-aware explainable AI for automated mango quality classification

深度学习模型虽能实现高精度水果分类，却缺乏可解释性；标准Grad-CAM产生的注意力分布弥散，无法实现缺陷特异性定位。现有用于水果分级的可解释人工智能（XAI）方法依赖定性视觉检查，无法对缺陷对齐进行定量验证，从而限制了其在商业质量控制中的可信度与法规接受度。本研究提出了一种可解释芒果分类框架，通过缺陷感知对比Grad-CAM（DAC-Grad-CAM）将分类性能与定量可解释性分析相结合。该方法将基于梯度的注意力与无监督LAB色彩空间瘀伤先验进行乘法融合。采用两阶段流水线，将YOLO-11n检测与四种分类架构（ResNet18、MobileNetV3、VGG16及自定义CNN）相结合。在三类芒果数据集（特级、一级、二级）上进行评估。迁移学习架构显著优于自定义CNN（ResNet18：97.8%，VGG16：97.6%，MobileNetV3：96.5% vs 75.4%），差距达22–23个百分点，特级类精确率> 0.995。DAC-Grad-CAM产生了最集中的解释（熵10.02，对比Grad-CAM的10.27和SHAP的10.18）。针对50个手动标注的像素级瘀伤掩膜进行验证，其峰值定位优于标准Grad-CAM（指向游戏准确率0.561 vs 0.439），且在迁移学习骨干网络上超过SHAP（0.659 vs 0.615），同时每区域仅需34 ms，而SHAP需4220 ms，成本降低124倍。缺陷聚焦分数（DFS）实现了任务特异性验证，基于梯度与基于扰动的解释之间的一致性（r = 0.68–0.75，p < 0.001）证实了所定位特征是任务真实的，而非方法特异性伪影。在模拟不同光照、分辨率、散焦、压缩和遮挡的受控扰动下，缺陷聚焦注意力保持稳定，而分类准确率下降，端到端吞吐量达到17.4果·秒⁻¹。该框架支持基于置信度的人机协作工作流（margin > 0.95，DFS > 0.37，r > 0.60），可用于采后作业中可信赖的自动化质量控制。