基于多尺度注意力聚合MambaUNet的大田水稻害虫检测方法

来源：江苏农业科学杂志2026年第第7期北京时间：

作者：张善文;许新华

单位：1.郑州西亚斯学院电信与智能制造学院，河南新郑 451150； 2.河南省农业信息数智化工程研究中心，河南新郑 451150

摘要：针对传统TransUNet模型的计算复杂度为二次方增长问题，提出一种基于多尺度注意力聚合MambaUNet模型(MSAA-MUNet)。该模型由视觉状态空间(VSS)模块、块合并、块扩展和多尺度注意力聚合(MSAA)模块构成，通过空间与通道双重注意力机制实现特征增强，显著提升多级特征融合能力。与U-Net和MambaUNet在通道维度的单个特征映射中单独建模语义相互依赖的方法不同，引入MSAA捕获全局上下文依赖特征。MSAA中的自适应细节感知模块对远程空间依赖关系进行建模，自适应提取不同层次的有效细节作为补偿。VSS中的深度可分卷积有选择地过滤掉低层特征图中不相关的空间细节，将2个模块的输出逐层融合，实现精细的特征表示，从而产生精确的像素级分割结果。在公开作物害虫数据集IP102上的水稻害虫图像子集上的试验结果表明，该模型的精度和DSC最高，分别为84.57%和83.76%。

关键词：水稻害虫;MambaUNet;注意力聚合模块;MSAA;多尺度;检测