🌿 叶护卫 · AI 作物叶片病害诊断

一、硬指标（田间实测，可复算）

实测性能（生产环境，CPU）：识别端到端 0.35 秒（含上传 / 预处理 / ONNX 推理 / 知识库方案生成）；关键区域热力图按需生成，3×3 首次 3.5 秒、同图缓存 0.34 秒、5×5 精细模式首次 8.8 秒；Top-3 置信度按四位小数输出（如 99.998% / 0.001%），模型不确定时会给出「可能不在覆盖范围内」的提示。
指标口径：以上为 PlantDoc 真实田间照片 451 张的评测结果（含水平翻转 TTA），可逐条复算复核；不是实验室干净背景数据集的成绩。类别构成：39 个识别类别 = 26 种病害 + 12 种作物健康 + 1 种无叶片背景。
我们更看重另一组数字：模型给出 ≥80% 置信度时准确率达 90.1%（223 条样本）—— 它大体知道什么时候不该硬答。配合「低置信度建议复拍」的引导，这对农户比一个虚高的总体准确率更有用。
数据来源：训练用公开数据集 PlantVillage；田间评测用 PlantDoc。混淆矩阵见 交互式混淆矩阵（当前线上模型 · 336 输入 · 逐类可查）；静态 PNG 为早期蒸馏版（@288）留档，仅作新旧对比；训练曲线原始数据见 training_history.json。
模型演进全过程：6 代迭代可视化（实验室 94% → 田间 11% → 救回 10 倍，每代可复算）→

二、技术架构

2.1 模型与推理链路

输入 336×336×3（等比缩放 + 中心裁剪）
   │
   ▼
Patch Embedding：Conv 14×14/14（336→24×24）→ 384 维嵌入（ViT-S/14 自监督预训练）
   │
   ▼
Transformer Encoder × 12 层（ViT-S 规模：384 宽 / 6 头 / 577 token）
   · Multi-Head Self-Attention（384 → 6 头，每头 64 维）
   · MLP 隐层 4× 升维 → GELU
   · Pre-Norm + 残差连接 Add（实测 LayerNorm ×25、残差 Add ×85）
   · cls token 取序列首位置作全局表征
   │
   ▼
LayerNorm → 384 维特征
   │
   ├─▶ Linear 384→39 + Softmax ──▶ 病名 + Top-3 置信度
   ├─▶ 遮挡敏感性热力图（逐块遮挡看置信度下降）─▶ 模型关注区域
   └─▶ HSV 病斑分割 ──▶ 严重度：轻 / 中 / 重（病斑占叶比）

2.2 系统分层

三、创新点

• 可解释而非黑盒：输出 Top-3 候选 + 关键区域热力图，让使用者看到「模型凭什么这么判断」。热力图采用遮挡敏感性实现（逐块遮挡图像、观测目标类别置信度下降幅度），在只有 ONNX 推理环境（无 PyTorch 依赖）的生产服务器上也能运行，实测 3×3 网格首次约 3.5 秒、同图缓存后 0.34 秒，另提供 5×5 精细模式。
• 知识库约束的防治方案：识别结果不直接生成自由文本，而是经农业知识库约束输出结构化方案（推荐农药 + 农艺措施），抑制大模型幻觉。
• 严重度量化：不只是「有病/没病」，用 HSV 病斑分割给出病斑占比与轻/中/重分级，直接支撑「要不要打药」。
• 移动端优先 + 离线可用：田间网络差，做成可安装的 PWA，静态资源缓存；拍照即压缩上传（1280 长边）省流量。
• 真实数据看板：统计全部来自真实诊断记录，不做演示数据包装；图鉴覆盖 39 类并附症状描述。
• 诚实的能力边界：页面明确标注数据集指标与田间差异，避免「99% 准确率」的误导式宣传。

四、功能清单

五、复现与部署

# 1) 训练（GPU 可选，10 epoch 即可收敛）
python train.py --data ./data --epochs 10

# 2) 评测（Top-1/Top-3、每类 P/R/F1、混淆矩阵）
python eval.py --weights weights/best_model.pth

# 3) 导出 ONNX
python export_onnx.py --weights weights/best_model.pth

# 4) 启动服务
uvicorn server.main:app --host 0.0.0.0 --port 8000

# 5) 前端（静态即用）
#    将前端目录挂到 Nginx 站点，按需配置 HTTPS / gzip / 缓存

训练细节、增量数据与消融实验见仓库 docs/；模型权重已随仓库提供（weights/*.onnx）。

六、边界与声明

• 适用边界（我们主动公示的局限）：田间 Top-1 为 76.5%，意味着大约每 4 张就有 1 张判错——这是真实水平，我们不粉饰。错误主要集中于：病斑早期不典型、症状高度相似的病种混淆、非目标作物。仅覆盖 14 种作物，水稻/小麦/棉花/辣椒等主粮主菜在库外。系统用 Top-3 + 热力图 + 严重度 + 低置信度提示辅助人工判断，而非替代农技人员。
• 用药安全：防治方案仅为生产参考，实际用药请遵循当地植保部门指导与农药标签说明。
• 数据来源：训练与展示使用公开数据集 PlantVillage，仅用于教学科研。
• 隐私：诊断图片与记录仅用于本系统识别与历史查询，不做对外共享。