MACAT Net a hierarchical CNN transformer framework with multi scale attention for robust cassava leaf disease detection

木薯是全球数百万人的重要粮食作物，但其生产力受到木薯花叶病（Cassava Mosaic Disease）、木薯褐条病（Cassava Brown Streak Disease）和细菌性枯萎病等叶部病害的严重损害，这些病害在未经成像控制时症状细微且外观重叠。光照不一致、背景复杂、遮挡以及类间相似性是降低标准图像诊断系统准确性的主要因素。为克服这些局限性，本文提出MACAT-Net，一种新型多尺度注意力引导的CNN-Transformer网络，能够利用多样图像的真实样本有效且可靠地检测多种木薯叶病害实例。该框架将基于卷积神经网络的分层局部特征提取主干与基于Transformer的全局上下文建模模块相结合，有助于识别叶片区域之间的长程空间依赖关系。提出多尺度注意力系统，在不同感受野上选择性区分病害相关模式，从而在图像层面实现病害相似性的细粒度判别并屏蔽背景噪声。与当前单一表示方法相比，MACAT-Net自适应融合卷积和Transformer表示，确保其在纹理层面以及症状的全局模式分布上学习互补特征。在具有真实变异性的木薯叶病害基准数据集上进行了大量实验，以确定分类准确率、精确率、召回率、F1分数以及对不利视觉条件的抵抗力。所提出的MACAT-Net始终优于最新的先进卷积模型、纯Transformer模型和混合深度学习模型，具有更好的泛化性和稳定性。消融研究进一步证实了多尺度注意力和混合融合策略的贡献。研究结果表明，MACAT-Net是一种可行且可扩展的自动化木薯叶病害诊断系统，在精准农业的实际决策支持系统中具有很大潜力。