一种轻量化CNN-Transformer的苹果叶片病害分类算法

来源：江苏农业科学杂志2025年第第9期北京时间：

作者：嵇春梅;周鑫志;叶烨华

单位：1.盐城工业职业技术学院信息与安全学院，江苏盐城 224005； 2.江苏省外国专家工作室，江苏南京 210095； 3.南京农业大学人工智能学院，江苏南京 210031； 4.东南大学计算机科学工程学院，江苏南京 211189

摘要：准确识别苹果叶片病害，对于提高苹果产量和质量具有重要意义。为了解决现有的基于深度学习算法在苹果叶片病害分类识别中精度低、参数量大等问题，提出一种基于轻量化CNN-Transformer的苹果叶片病害分类模型。首先，使用数据增强技术扩充苹果叶片病害数据集，以提高模型的泛化能力；其次，利用多层卷积操作来提取输入图像的局部特征表示，增强模型对图像细节的敏感性；设计多头局部自注意力机制模块，建立图像中不同区域之间的全局上下文依赖关系，提高模型对图像语义的理解能力；提出随机位置编码，更好地捕捉图像中的空间信息。试验结果显示，本研究模型在苹果叶片病害分类精度、GPU内存使用、分类时间方面的表现优于其他深度学习模型，能够有效识别苹果叶片病害的类型和程度；与单一Transformer模型相比，本研究模型在节约40%内存资源的同时，分类时间降低了55%，精确率、召回率、F1分数分别达到98.2%、97.5%、97.3%。

关键词：苹果叶片病害;CNN-Transformer;局部自注意力机制;随机位置编码;轻量化