基于改进Swin-Transformer的柑橘病叶分类模型

来源：中国农机化学报杂志2024年第1期北京时间：

作者：方俊泽, 郭正, 李歌, 邢素霞, 王瑜

摘要：针对柑橘病害人工检测效率低、成本高、准确度低等问题，结合人工智能技术对柑橘病叶进行分类识别。首先，建立模拟复杂环境下的柑橘病叶数据集。其次，提出一种改进的SwinTrasnformer柑橘病叶分类模型，包含局部感知通道增强注意力模块(LPCE)，以提升模型的感受野和特征表达能力，通过通道之间的相关性进行加权，使模型更容易提取关键特征。试验证明本文模型的分类识别准确率达到98.52%，精确率、召回率和F1score分别达到98.17%、98.24%、98.28%，均超过基线模型。该模型为柑橘病害的检测提供技术支撑。

关键词：柑橘病叶,深度学习,分类识别,Swin-Transformer,注意力模块

基金资助：国家自然科学基金项目(61473009)；北京市自然科学基金项目(KZ202110011015)