基于AgriSwin的植物病虫害检测算法

来源：电子测量技术杂志2024年第24期北京时间：

作者：刘微，张傲

单位：沈阳理工大学信息科学与工程学院 沈阳 110159

摘要：针对现代农业中植物病虫害检测所面临的多尺度特征和复杂背景处理难题，本文提出了一种高效且精准的检测模型AgriSwin，以提升农业病虫害检测的精度和效率。AgriSwin模型在Swin Transformer的基础上，融合了扩张特征聚合模块与自适应空间卷积模块。扩张特征聚合模块通过不同扩张率的卷积层实现多尺度特征提取，并利用全局特征信息的自适应加权机制优化了特征融合效果。自适应空间卷积模块则通过生成自适应权重，对特征图进行动态加权，从而在复杂背景下增强局部和全局信息的捕捉能力。实验结果表明，AgriSwin模型在PlantDoc、PlantVillage和自建数据集上的检测精确率分别达到79.65%、99.90%和95.08%。此外，该模型的参数量比Swin Transformer-T减少了25.63%，在保持高精确率的同时显著降低了内存和计算资源的占用，展示了在大规模农业应用中的广泛潜力。

关键词：植物病虫害检测;深度学习;卷积神经网络;多尺度卷积;自适应空间卷积;特征聚合;农业自动化