基于Vision Transformer的小麦病害图像识别算法

来源：中国农机化学报杂志2024年第2期北京时间：

作者：白玉鹏, 冯毅琨, 李国厚, 赵明富, 周浩宇, 侯志松,

摘要：小麦白粉病、赤霉病和锈病是危害小麦产量的三大病害。为提高小麦病害图像的识别准确率,构建一种基于Vision Transformer的小麦病害图像识别算法。首先,通过田间拍摄的方式收集包含小麦白粉病、赤霉病和锈病3种病害在内的小麦病害图像,并对原始图像进行预处理,建立小麦病害图像识别数据集;然后,基于改进的Vision Transformer构建小麦病害图像识别算法,分析不同迁移学习方式和数据增强对模型识别效果的影响。试验可知,全参数迁移学习和数据增强能明显提高Vision Transformer模型的收敛速度和识别精度。最后,在相同时间条件下,对比Vision Transformer、AlexNet和VGG16算法在相同数据集上的表现。试验结果表明,Vision Transformer模型对3种小麦病害图像的平均识别准确率为96.81%,相较于AlexNet和VGG16模型识别准确率分别提高6.68%和4.94%。

关键词：小麦病害,VisionTransformer,迁移学习,图像识别,数据增强

基金资助：国家自然科学基金(11871196);河南省科技攻关项目(232102111125)