基于改进Swin Transformer的番茄和水稻植株病害检测

来源：江苏农业科学杂志2025年第第10期北京时间：

作者：陈藜韦;古丽娜孜·艾力木江;伊力亚尔·加尔木哈买提;赵志闯

单位：1.伊犁师范大学电子与工程学院，新疆伊宁 835000； 2.伊犁师范大学网络安全与信息技术学院，新疆伊宁 835000

摘要：针对番茄和水稻病害检测人工成本高、效率低和准确率低等问题，提出一种改进Swin Transformer的番茄和水稻植株病害检测方法。首先收集早疫病、晚疫病、斑枯病和白粉病等10种常见的番茄病害图片和4种水稻病害图片，对数据进行CutMix、高斯滤波、颜色增强和旋转等数据增强方法来增强样本的多样性，改善模型的泛化能力，然后在模型中插入感受野增强模块来解决模型空间中大量上下文信息未能有效交流的问题，同时加入频域层来解决Swin Transformer模型不能准确捕捉局部特征的问题。试验结果表明，改进的Swin Transformer模型在番茄病害数据集和水稻病害数据集上的准确率分别达到98.61%和100%。改进的模型在番茄病害数据集上与基线模型相比，其准确率、精确度、召回率和F1分数4个指标上提升1.36、3.05、2.11、2.93百分点。本研究提出的方法能够在复杂背景条件下保持较高准确率，为减少人工检测提供了技术参考。

关键词：番茄;水稻;病害检测;感受野;频域层;迁移学习;数据增强