基于Transformer和CNN的真实场景下植物病害识别方法

作     者：刘畅 莫海芳 马春 Liu Chang;Mo Haifang;Ma Chun

作者机构：中南民族大学计算机科学学院武汉430074 农业区块链与智能管理湖北省工程研究中心武汉430074 湖北省制造企业智能管理工程技术研究中心武汉430074 

出 版 物：《现代计算机》 (Modern Computer)

年 卷 期：2023年第29卷第11期

页      面：22-27页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家民委中青年英才培养计划(MZR20007) 新疆维吾尔自治区区域协同创新专项(科技援疆计划)(2022E02035) 

主　　题：植物病害识别 Transformer CNN 真实场景 

摘      要：针对真实场景下的植物病害图像,设计了一种融合Transformer和CNN的植物病害识别模型CLT。该模型采用多阶段层次设计,以Conv Stem作为初始特征提取模块提取浅层局部特征,结合Transformer模块以学习全局特征;利用卷积Token嵌入,改变模型每个阶段Token的序列长度和特征维数,实现对多层次的局部空间上下文进行建模;将卷积模块融入到Transformer模块,并将多头注意力机制中的线性投影替换为卷积投影,提升模型对局部空间的特征提取。实验结果表明,CLT模型能够有效表达植物病害的各种特征,在真实场景下平均准确率达到77.91%,分类效果优于其他模型,为真实场景下植物病害识别提供参考。