基于多尺度Transformer的番茄叶片病害图像识别

来源：江苏农业科学杂志2026年第第11期北京时间：

作者：焦利杰; 陈芊羽; 曹文清

单位：1.河南质量工程职业学院信息工程学院，河南平顶山 467000； 2.郑州轻工业大学电气信息工程学院，河南郑州 450000； 3.郑州大学计算机与人工智能学院，河南郑州 450001

摘要：番茄叶片病害种类繁多、病斑尺度差异大，现有深度学习方法存在多尺度特征融合能力不足、对早期微小病斑敏感度低、复杂纹理背景下病害特征难以有效分离等问题，导致识别精确率受限。本研究提出一种基于多尺度Transformer的番茄叶片病害智能识别方法，旨在提升模型对不同尺度病斑的表征与判别能力。所提方法包含3个核心模块：首先，设计自适应特征提取模块，采用多分支卷积与特征门控机制，自动调节特征响应权重，有效分离病害区域与健康组织特征；其次，构建层次化多尺度特征融合网络，通过跨层特征交互机制将浅层细粒度空间信息与深层高级语义信息进行双向融合，增强对不同尺度病斑的表征能力；最后，引入空间-通道联合注意力机制与Transformer自适应采样策略，动态聚焦病害关键区域，提高分类精确率。在PlantVillage番茄病害数据集上的试验结果表明，所提方法识别准确率达97.8%，较基准算法提升5.2百分点，F1分数达97.5%，模型参数量为32.6 M，推理速度为 38.7帧/s。消融试验显示，自适应特征提取模块、多尺度融合网络、注意力机制分别贡献了约1.8、2.1、1.4百分点的精确率增益。

关键词：病害识别;多尺度特征;Transformer;注意力机制;番茄叶片