基于SAM实例分割的茶树叶片病害严重度估计方法

来源：中国农机化学报杂志2026年第4期北京时间：

作者：余京豪, 陈炫宇, 韩章, 郑鹏飞, 李欢欢

单位：江苏大学食品学院，江苏镇江，212013

摘要：茶树在生长过程中容易遭受病害侵染，通过对茶树病害进行严重度估计，可以有效地估计茶叶产量，从而提高茶园管理效率。为此，提出一种基于SAM（Segment Anything Model）实例分割的茶树叶片病害严重度估计方法SAM—Swin。使用SAM算法对受病害影响的茶树叶片进行精确的编码，基于编码信息提供病害并基于自注意力网络（Transformer）的实例分割算法实现单阶段的病斑大小计算方法。该方法在制备的茶树病害叶片数据集上实现最高97.80%的第一类分类精度（Top1—Acc）；在4种严重度的病害叶片病斑大小预测上的决定系数R2为0.819~0.992，均方根误差RMSE为0.140%~1.840%。提出的SAM—Swin方法在精度和速度上优于传统的两阶段严重度估计算法和传统的单阶段实例分割算法，能够快速、精准地对茶树叶片病害实现严重度估计，为茶园管理提供更高效、先进的栽培检测技术。

关键词：茶树病害,严重度估计,实例分割,深度学习,单阶段网络

基金资助：江苏省现代农业产业技术体系建设项目(JATS[2022]509号)