[1]陈藜韦,古丽娜孜·艾力木江,伊力亚尔·加尔木哈买提,等.基于改进Swin Transformer的番茄和水稻植株病害检测[J].江苏农业科学,2025,53(10):222-232.
　Chen Liwei,et al.Detection of tomato and rice plant diseases based on improved Swin Transformer[J].Jiangsu Agricultural Sciences,2025,53(10):222-232.
点击复制

基于改进Swin Transformer的番茄和水稻植株病害检测()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第53卷
期数:
2025年第10期
页码:
222-232
栏目:
农业工程与信息技术
出版日期:
2025-05-20

文章信息/Info

Title:
Detection of tomato and rice plant diseases based on improved Swin Transformer
作者:
陈藜韦1; 古丽娜孜·艾力木江2; 伊力亚尔·加尔木哈买提2; 赵志闯1
1.伊犁师范大学电子与工程学院，新疆伊宁 835000； 2.伊犁师范大学网络安全与信息技术学院，新疆伊宁 835000
Author(s):
Chen Liwei; et al
关键词:
番茄; 水稻; 病害检测; 感受野; 频域层; 迁移学习; 数据增强
Keywords:
-
分类号:
S126；TP391.41
DOI:
-
文献标志码:
A
摘要:
针对番茄和水稻病害检测人工成本高、效率低和准确率低等问题，提出一种改进Swin Transformer的番茄和水稻植株病害检测方法。首先收集早疫病、晚疫病、斑枯病和白粉病等10种常见的番茄病害图片和4种水稻病害图片，对数据进行CutMix、高斯滤波、颜色增强和旋转等数据增强方法来增强样本的多样性，改善模型的泛化能力，然后在模型中插入感受野增强模块来解决模型空间中大量上下文信息未能有效交流的问题，同时加入频域层来解决Swin Transformer模型不能准确捕捉局部特征的问题。试验结果表明，改进的Swin Transformer模型在番茄病害数据集和水稻病害数据集上的准确率分别达到98.61%和100%。改进的模型在番茄病害数据集上与基线模型相比，其准确率、精确度、召回率和F1分数4个指标上提升1.36、3.05、2.11、2.93百分点。本研究提出的方法能够在复杂背景条件下保持较高准确率，为减少人工检测提供了技术参考。
Abstract:
-

参考文献/References:

［1］孙哲，张春龙，葛鲁镇，等. 基于Faster R-CNN的田间西兰花幼苗图像检测方法［J］. 农业机械学报，2019，50(7)：216-221.
［2］Krizhevsky A，Sutskever I，Hinton G E. ImageNet classification with deep convolutional neural networks［J］. Communications of the ACM，2017，60(6)：84-90.
［3］张领先，景嘉平，李淑菲，等. 基于图像自动标注与改进YOLO v5的番茄病害识别系统［J］. 农业机械学报，2023，54(11)：198-207.
［4］刘天真，苑迎春，滕桂法，等. 基于改进YOLO v4的自然场景下冬枣果实分类识别［J］. 江苏农业科学，2024，52(1)：163-172.
［5］马晓，邢雪，武青海. 基于改进ConvNext的复杂背景下玉米叶片病害分类［J］. 江苏农业科学，2023，51(19)：190-197.
［6］Ebrahimi M A，Khoshtaghaza M H，Minaei S，et al. Vision-based pest detection based on SVM classification method［J］. Computers and Electronics in Agriculture，2017，137：52-58.
［7］Yan Q，Yang B H，Wang W Y，et al. Apple leaf diseases recognition based on an improved convolutional neural network［J］. Sensors，2020，20(12)：3535.
［8］Yang T，Liu C. Recognition system for leaf diseases of ophiopogon japonicus based on PCA-SVM［J］. Plant Diseases and Pests，2020，11(2)：9-13.
［9］姜国权，杨正元，霍占强，等. 基于改进YOLO v5网络的疏果前苹果检测方法［J］. 江苏农业科学，20，51(14)：205-215.
［10］王鹏新，杜江莉，张悦，等. 基于遥感多参数和CNN-Transformer的冬小麦单产估测［J］. 农业机械学报，2024，55(3)：173-182.
［11］孙剑明，毕振宇，牛连丁. 基于特征融合Transformer的EfficientNet v2网络对马铃薯叶片病害的识别［J］. 江苏农业科学，2024，52(8)：166-176.
［12］Tolstikhin I O，Houlsby N，Kolesnikov A，et al. Mlp-mixer：an all-mlp architecture for vision［J］. Advances in Neural Information Processing Systems，2021，34：24261-24272.
［13］项剑文，陈泯融，杨百冰. 结合Swin及多尺度特征融合的细粒度图像分类［J］. 计算机工程与应用，2023，59(20)：147-157.
［14］罗欣欢，王奕璇，李炜，等. 基于显著性信息的Fit CutMix数据增强算法在医学影像上的应用［J］. 智能科学与技术学报，2023，5(1)：58-68.
［15］Rao Y，Zhao W，Zhu Z，et al. Global filter networks for image classification［J］. Advances in Neural Information Processing Systems，2021，34：980-993.
［16］Zhou C J，Zhou S H，Xing J G，et al. Tomato leaf disease identification by restructured deep residual dense network［J］. IEEE Access，2021，9：28822-28831.
［17］Sethy P K，Barpanda N K，Rath A K，et al. Deep feature based rice leaf disease identification using support vector machine［J］. Computers and Electronics in Agriculture，2020，175：105527.
［18］Liu Z H，Wu J Z，Fu L S，et al. Improved kiwifruit detection using pre-trained VGG16 with RGB and NIR information fusion［J］. IEEE Access，2019，8：2327-2336.
［19］杨非凡，徐伟诚，陈盛德，等. 融合Focal Loss与典型卷积神经网络结构的水稻病害图像分类［J］. 江苏农业科学，2023，51(14)：198-204.
［20］孙露露，刘建平，王健，等. 细粒度图像分类上Vision Transformer的发展综述［J］. 计算机工程与应用，2024，60(10)：30-46.
［21］薛勇，王立扬，张瑜，等. 基于GoogLeNet深度迁移学习的苹果缺陷检测方法［J］. 农业机械学报，2020，51(7)：30-35.
［22］万军杰，祁力钧，卢中奥，等. 基于迁移学习的GoogLeNet果园病虫害识别与分级［J］. 中国农业大学学报，2021，26(11)：209-221.
［23］姜红花，杨祥海，丁睿柔，等. 基于改进ResNet18的苹果叶部病害多分类算法研究［J］. 农业机械学报，2023，54(4)：295-30.
［24］江顺，黄红星，莫里楠，等. 基于改进AlexNet的岭南水稻虫害识别方法研究［J］. 江苏农业科学，2023，51(23)：187-195.
［25］严春满，张翔，王青朋. 基于改进MobileNet v2的人脸表情识别［J］. 计算机工程与科学，2023，45(6)：1071-1078.
［26］武锦龙，吴虹麒，李浩，等. 基于改进DeepLab v3+的荞麦苗期无人机遥感图像分割识别方法研究［J］. 农业机械学报，2024，55(5)：186-195.

相似文献/References:

[1]马旭俊,刘春娟,吕世博,等.绿色荧光蛋白基因在水稻遗传转化中的应用[J].江苏农业科学,2013,41(04):35.
[2]李岳峰,居立海,张来运,等.水分胁迫下丛枝菌根对水稻/绿豆间作系统 作物生长和氮磷吸收的影响[J].江苏农业科学,2013,41(04):58.
[3]崔月峰,孙国才,王桂艳,等.不同施氮水平和前氮后移措施对水稻产量 及氮素利用率的影响[J].江苏农业科学,2013,41(04):66.
[4]张其蓉,宋发菊,田进山,等.长江中下游稻区水稻区域试验品种抗稻瘟病鉴定与评价[J].江苏农业科学,2013,41(04):92.
[5]何从亮,毛久庚,甘小虎,等.玻璃温室番茄长季节基质袋栽培技术[J].江苏农业科学,2013,41(04):158.
[6]王麒,张小明,卞景阳,等.不同插秧密度对黑龙江省第二积温带水稻产量及产量构成的影响[J].江苏农业科学,2013,41(05):60.
　Wang Qi,et al.Effect of different transplanting density on yield and yield component of rice in second temperature zone of Heilongjiang Province[J].Jiangsu Agricultural Sciences,2013,41(10):60.
[7]张国良,张森林,丁秀文,等.基质厚度和含水量对水稻育秧的影响[J].江苏农业科学,2013,41(05):62.
　Zhang Guoliang,et al.Effects of substrate thickness and water content on growth of rice seedlings[J].Jiangsu Agricultural Sciences,2013,41(10):62.
[8]李永灿,余文贵,陈怀谷,等.番茄灰霉病菌产毒条件优化[J].江苏农业科学,2013,41(05):94.
　Li Yongcan,et al.Optimization of toxigenic conditions of tomato Botrytis cinerea[J].Jiangsu Agricultural Sciences,2013,41(10):94.
[9]赵秋月,甘潇,张广臣.Na2CO3胁迫对番茄幼苗生长的影响[J].江苏农业科学,2013,41(05):128.
　Zhao Qiuyue,et al.Effect of Na2CO3 stress on growth of tomato seedlings[J].Jiangsu Agricultural Sciences,2013,41(10):128.
[10]耿德刚,徐俊伟,戈振超,等.温室大棚番茄滴灌试验研究及效益分析[J].江苏农业科学,2013,41(05):132.
　Geng Degang,et al.Drip irrigation experimental and benefit analysis on greenhouse tomato[J].Jiangsu Agricultural Sciences,2013,41(10):132.

备注/Memo

备注/Memo:
收稿日期：2024-03-12
基金项目：新疆维吾尔自治区自然科学基金(编号：2023D01C52)；伊犁师范大学重点项目(编号：2023YSZD004)；新疆维吾尔自治区研究生科研创新项目(编号：XJ2024G259)；伊犁师范大学学实高层次人才岗位项目(编号：YSXSJS22002)；伊犁哈萨克自治州科技计划(编号：YZ2022YD001)。
作者简介：陈藜韦(1996—)，男，新疆奎屯人，硕士研究生，研究方向为模式识别、图像处理。E-mail：1005712285@qq.com。
通信作者：古丽娜孜·艾力木江，博士，教授，硕士生导师，研究方向为计算机视觉、遥感图像处理、智能信息处理。E-mail：1014818024@qq.com。
更新日期/Last Update: 2025-05-20