基于改进Vision Transformer的水稻叶片病害图像识别

来源：电子测量技术杂志2025年第10期北京时间：

作者：朱周华，周怡纳，侯智杰，田成源

单位：西安科技大学通信与信息工程学院 西安 710061

摘要：水稻叶片病害智能识别在现代农业生产中具有重要意义。针对传统Vision Transformer网络缺乏归纳偏置，难以有效捕捉图像局部细节特征的问题，提出了一种改进的Vision Transformer模型。该模型通过引入内在归纳偏置，增强了对多尺度上下文以及局部与全局依赖关系的建模能力，同时降低了对大规模数据集的需求。此外，Vision Transformer中的多层感知器模块被Kolmogorov-Arnold网络结构取代，从而提升了模型对复杂特征的提取能力和可解释性。实验结果表明，所提模型在水稻叶片病害识别任务中取得了优异的性能，识别准确率达到了98.62%，较原始ViT模型提升了6.2%，显著提高了对水稻叶片病害的识别性能。

关键词：水稻叶片病害;图像识别;Vision Transformer网络;归纳偏置;局部特征

基金资助：国家自然科学基金联合资助项目(U19B2015)资助