XMACNet：一种基于多模态融合的可解释轻量注意力CNN用于辣椒病害分类
计算机视觉与模式识别
2026-03-10 v1 人工智能
摘要
通过成像进行植物病害分类是精密农业中的关键任务。我们提出了XMACNet，一种新颖的轻量级卷积神经网络(CNN)，集成了自注意力和可见图像与植被指数(如NDVI、NPCI、MCARI)的多模态融合，用于辣椒病害检测。XMACNet采用EfficientNetV2S作为主干网络，增强了自注意力模块，并引入一个融合分支处理RGB图像和计算得到的植被指数图。我们构建了一个包含12,000张辣椒叶子图像的数据集，覆盖六个类别(五种病害类型加健康样本)，通过StyleGAN进行合成数据增强以缓解数据稀缺问题。在该数据集上训练后，XMACNet在准确率、F1分数和AUC方面均表现出色，超越ResNet-50、MobileNetV2和Swin Transformer变体等基线模型。至关重要的是，XMACNet具有可解释性：我们使用Grad-CAM++和SHAP来可视化和量化模型对病害特征的关注。该模型紧凑的规模和快速推理使其适用于实际农业场景中的边缘部署。
引用
@article{arxiv.2603.06750,
title = {XMACNet: An Explainable Lightweight Attention based CNN with Multi Modal Fusion for Chili Disease Classification},
author = {Tapon Kumer Ray and Rajkumar Y and Shalini R and Srigayathri K and Jayashree S and Lokeswari P},
journal= {arXiv preprint arXiv:2603.06750},
year = {2026}
}
备注
14 pages, 8 figures, Conference Paper