摘要
水稻产量和质量对农业经济、粮食安全、农民收入及生态环境至关重要,而水稻病害是影响其产量和质量的关键因素之一。为提升实际种植场景下的病害识别准确率,本文提出了一种融合Vision Transformer和通道注意力机制的水稻病害识别方法。收集田间拍摄的水稻病害图像,并通过翻转、旋转、缩放等数据增强手段丰富样本多样性。针对病斑特征在图像中尺度变化大、形态复杂、局部与全局关联困难的问题,采用Vision Transformer作为基础框架,捕捉局部特征与全局信息,并融入通道注意力机制,提升模型对重要特征的关注度。引入迁移学习策略及学习率调度器,提升在样本不足情况下的识别精度并优化模型收敛速度。实验结果表明,本文方法识别精度达96.93%,相比AlexNet、VGG16、ResNet50及原始Vision Transformer,准确率分别提高4.95%、4.62%、1.91%和1.16%,且收敛速度更快,能够满足水稻病害识别需求,为其提供有效的技术支持。
出处
《农业与技术》
2025年第7期69-74,共6页
Agriculture and Technology
基金
上海市科技兴农项目“稻田面源污染综合防治技术研究与生态系统构建示范”(项目编号:沪农科推字(2022)第2-3号)。
作者简介
涂雪滢(1992-),女,硕士,助理研究员。研究方向:机器视觉与图像处理;通信作者:刘世晶(1982-),男,硕士,副研究员。研究方向:机器视觉与图像处理。
