基于金字塔视觉Transformer与核心样本注意力的田间害虫检测方法研究

针对田间环境中密集小目标害虫检测难题，研究人员创新性地提出PVT-PSA模型。该研究通过金字塔视觉Transformer(PVT)融合多尺度害虫特征，结合核心样本注意力(PSA)机制优化训练样本选择，有效提升遮挡场景下的检测精度。实验表明，该模型性能优于11种主流检测器，并成功部署于Jetson TX2平台，为智慧农业害虫防控提供可靠技术方案。

　　

在智慧农业(smart agriculture)领域，害虫检测是影响作物产量与品质的关键因素。面对田间环境中密集分布、尺寸微小的害虫目标，传统检测方法往往难以奏效。为此，研究者开发了融合金字塔视觉Transformer(Pyramid Vision Transformer, PVT)与核心样本注意力(Prime Sample Attention, PSA)的创新模型PVT-PSA。

该模型采用金字塔结构的视觉Transformer，通过分层特征提取有效捕获微小害虫的上下文信息，显著提升小目标特征表达能力。特别设计的PSA机制能智能筛选训练过程中的关键样本，缓解密集害虫间的遮挡效应。消融实验证实了各模块的有效性，对比实验显示PVT-PSA在检测精度和推理速度上均优于11种主流检测器。

为验证实用性，研究团队将模型部署在基于Jetson TX2主板的陆地机器人平台，实现了田间环境的实时害虫检测。这项研究不仅为农业害虫防控提供了新思路，其提出的多尺度特征融合方法和样本选择策略，对解决其他领域的密集小目标检测问题也具有重要参考价值。