基于多尺度特征融合Transformer的苹果叶片病害识别模型

来源：江苏农业科学杂志2025年第第15期北京时间：

作者：潘赟;陈松楠;马俊

单位：1.信阳农林学院信息工程学院，河南信阳 464000； 2.武汉轻工大学数学与计算机学院，湖北武汉 430048

摘要：为了应对苹果叶片病害信息稀疏、特征表达能力不足导致现有识别算法出现识别精度低、漏检严重等问题，提出了一种基于多尺度特征融合Transformer的苹果叶片病害识别模型。首先，设计1个多尺度特征融合Transformer模型，该模型通过引入多尺度特征融合网络，有效提取和融合不同尺度的特征信息，增强对病害细节的捕捉能力；其次，利用空洞卷积和残差连接构建特征增强模块，进一步提高模型对病害特征的表达能力；最后，引入无锚框机制，减少病害区域的漏检问题，提高识别精度。在公开的苹果叶片病害数据集上的试验结果表明，与现有主流病害识别算法相比，本研究提出的模型在整体识别精度、召回率和F1分数上均有显著提升。具体而言，本研究提出模型的识别精度达93.2%、召回率为92.5%，F1分数为92.8%，均优于ResNet34、ResNet101、VGG16、VGG19、MobileNet v2和Swin Transformer等主流算法。此外，模型在保持较高识别准确率的同时，平均识别时间仅为0.12 s/张，展现出其较快的识别速度。试验结果验证了该模型在苹果叶片病害识别任务中的有效性与鲁棒性。

关键词：苹果叶片;病害识别;多尺度特征融合;Transformer;空洞卷积;残差连接;无锚框机制