基于TomatoVit的番茄病害分类与分级研究

摘要

针对番茄种植中病害程度识别难度大、检测成本高等问题，以及传统方法主观性强、时效性差等缺陷，提出了一种新的Tomato Vit模型，包含3个核心模块:(1)基于Res Net-50和Vision Transformer的混合主干网络，用于提取病害特征;(2)特征自验证模块(FSV)，通过token替换和预测机制增强模型对病害特征细微变化的识别能力;(3)多尺度局部全局注意力模块(MSGL)，结合全局与局部注意力机制，更好地捕获病害的微小变化特征。该方法将番茄病害检测从单一分类扩展至病害程度评估，将番茄的8种常见病害细分为健康、早期和严重3个等级，实现对病害发展的不同程度监测。在包含18个类别的番茄病害程度数据集上进行实验，模型达到89.79%的准确率和0.90的F1-score，优于现有方法。

关键词

图像分类 / 视觉Transformer / 番茄病害分类 / 病害分级

基金资助

国家科技创新2030—“新一代人工智能”重大项目（2021ZD0113603）