DWTFormer:用于识别番茄叶病的频率空间特征融合模型
Yuyun Xiang1, Shuang Gao2, Xiaopeng Li1
1College of Information Engineering, Northwest A&F University, Yangling, 712100, Shaanxi, China.
Plant methods
|March 11, 2025
概括
一个新的模型,DWTFormer,通过融合频率和空间特征来增强番茄叶病的识别. 它实现了高精度,克服了类似疾病出现等挑战.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 植物病理学 植物病理学
背景情况:
- 番茄叶病存在重大识别挑战,因为它具有很高的类间相似性和类内变异性.
- 由于这些固有的复杂性,现有的识别模型往往难以准确.
研究的目的:
- 开发一种新且准确的番茄叶病识别模型.
- 解决当前模型在区分类似疾病和单一疾病类型内的变异方面的局限性.
主要方法:
- 建议使用频率空间特征融合的DWTFormer模型.
- 包含一个Bneck-DSM模块用于浅层特征提取.
- 开发了一种双分支特征映射网络 (DFMM),用于频率特征采用2D离散波量变换,用于空间特征采用金字塔视觉变换器 (PVT) 采用多尺度卷积.
- 采用动态交叉注意力来融合频率空间特征.
主要成果:
- 在番茄叶病数据集上,DWTFormer实现了99.28%的准确性.
- 在外部数据集上表现出高性能 (AI挑战者 2018: 96.18%,PlantVillage: 99.89%).
- 实地测试显示97.22%的准确性,推断时间为0.028秒.
结论:
- 该DWTFormer模型有效地减轻了在番茄叶病的识别中类间相似性和类内变异性的影响.
- 提供了一个可扩展的解决方案,用于在现实世界农业环境中快速准确地识别疾病.


