一种优化的Swin Transformer番茄叶片病害识别方法

摘要：

为了及时准确的识别番茄叶片病害,提高番茄产量,提出了 一种优化的Swin Transformer番茄病害识别方法,该模型利用Transformer的自注意力结构获得更加完备的番茄病害图像的高层视觉语义信息;结合Mixup混合增强算法,在预处理阶段对图像特征信息进行增强;并采用迁移学习在增强番茄叶片病害数据集上进行训练和优化Swin Transformer模型,以此实现精准的番茄叶片病害识别.结果表明:1)优化的Swin Transformer模型对番茄叶片病害识别准确率达到98.40％;2)在相同训练参数下,本研究模型比原Swin Transformer、VGG16、AlexNet、GoogLeNet、ResNet50、MobileNetV2、ViT 和 MobileViT 模型准确率提高了 0.70％～1.91％,且能快速收敛;3)本研究模型中加入的Mixup混合增强算法极大地提高了番茄叶片病害的识别准确率,比现有的常见方法性能更加优越,并且鲁棒性强.因此,本研究提出的新模型能够更加准确的识别番茄叶片病害.

关键词：Swin Transformer、Mixup、数据增强、番茄病害识别、迁移学习、图像分类

所属期刊栏目：28

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;湖南省自然科学基金项目;湖南省教育科学十三五规划基金项目

在线出版日期：2023-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：80-90