面向不平衡数据的木薯叶部病害图像识别方法

来源：中国农机化学报杂志2025年第3期北京时间：

作者：王丹阳, 梁伟红, 李玉萍, 黄贵修,

单位：（1. 中国热带农业科学院科技信息研究所/海南省热带作物信息技术应用研究重点实验室，海口市，571101； 2. 中国热带农业科学院环境与植物保护研究所，海口市，571101）

摘要：为提高产地环境下木薯叶部病害自动识别的准确性，解决病害图像低对比度和数据长尾分布问题，建立一种深度学习模型SwinTFCC用于木薯叶部病害识别。该模型采用Swin Transformer作为骨干网络，借助Swin Transformer的自注意力机制和层级结构关注局部与全局特征，使其对复杂背景病害识别具有鲁棒性；将最后一层特征输入特征簇压缩模块，以映射稀疏特征簇为稠密特征簇，减少长尾分布中样本少的类别稀疏特征簇跨越决策边界导致分类错误情况；并采用迁移学习在木薯叶部病害图像数据集上进行训练，以提升木薯叶部病害识别性能。试验结果表明，模型的F1值达到90.74%，较其他主流模型提升8.04%~19.3%。所采用的方法在小规模不平衡数据集上取得较好效果，验证模型的有效性，为木薯叶部病害自动精准识别提供技术支撑。

关键词：木薯叶部,病害识别,图像识别,迁移学习,不平衡数据

基金资助：中央级公益性科研院所基本科研业务费专项（1630072023005）；海南省自然科学基金青年基金项目（323QN300）