基于迁移学习和卷积视觉转换器的农作物病害识别研究

来源：中国农机化学报杂志2023年第8期北京时间：

作者：余胜, 谢莉

单位：韶关学院信息工程学院，广东韶关，512005

摘要：农作物病虫害对粮食生产和质量都有很大影响。针对当前传统的农作物病害识别过程中主要依赖人工特征提取，且真实环境下采集的病害图像样本数目较少，识别方法鲁棒性差、分类准确率偏低等问题，基于迁移学习提出了以卷积操作预处理图像子块的视觉转换器(Vision Transformer，ViT)模型用于农作物病害识别。在ViT模型结构的基础上引入卷积操作对输入图像进行预处理，卷积操作能提高获取底层特征的丰富度，进而在ViT学习过程中通过多头注意力机制，加大有用特征的权重，削弱噪声等无用信息的影响，达到模型提高特征学习能力并增强鲁棒性的目的。试验结果表明，利用迁移学习方法在ibean数据集上能够提升模型的识别准确率10%以上；模型最终在ibean数据集上识别准确率为98.12%，约有2%的提高，在PlantVillage数据集识别准确率为99.91%，都达到了当前最佳识别水平。提出的识别方法在复杂背景干扰下具有较高的识别准确率和鲁棒性，可以满足自然条件下的农作物病害识别的要求。

关键词：迁移学习,卷积视觉转换器,病害识别,注意力机制

基金资助：广东省自然科学基金项目(2021A1515011803)；韶关市科技计划项目(210728114530796、210728104530586)