基于DenseNet优化Swin Transformer模型的苹果叶部病害多尺度特征分类

来源：农业机械学报杂志2026年第2期北京时间：

作者：谷伟，叶峥，矫桂娥

单位：上海海洋大学;上海建桥学院,上海海洋大学,上海建桥学院,

摘要：针对人工检测苹果病害效率低、成本高且准确性差的问题，本文以Swin Transformer作为基础模型，在核心模块中引入DenseNet思想，增强特征传递和梯度流动；使用Outlook Attention捕捉图像中细节特征，提升模型细粒度信息提取能力。为了进一步优化模型性能，引入了深度可分离卷积和膨胀卷积，实现在较小参数量前提下捕捉不同尺度的特征；在模型中引入Non-Local，以整合全局上下文信息，进一步提高模型的综合性能。以上改进共同作用，使得本文模型在多个任务上表现出了优异的性能和鲁棒性。实验结果显示，苹果叶部病害分类识别准确率达到95.8%，精确率、召回率和F1分数分别达到95.80%、95.74%、95.76%，均超过基线模型。基于改进Swin Transformer的苹果叶部病害分类模型能够有效实现苹果叶部病害的种类识别及其严重程度分类，为大规模作物病害监测提供了理论支持和研究基础，助力精准防控与绿色农业。

关键词：苹果叶部病害;深度可分离卷积;细粒度信息;全局上下文信息;特征传递

基金资助：国家自然科学基金项目（42376194）和上海市晨光计划项目（AASH2004）