SCFM-DETR：一种基于变压器的改进方法，用于田间环境中的自动玉米病害检测

《Plant Methods》：SCFM-DETR: an enhanced transformer-based method for automated maize disease detection in field environments

　　

摘要

玉米在其生长周期中容易受到多种疾病的侵袭，这会显著降低产量。由于光照条件和天气变化的多变性，在田间环境中准确识别症状相似的玉米疾病尤其具有挑战性。本文提出了一种名为SCFM-DETR的新检测模型，该模型基于改进的实时检测变换器（RT-DETR）技术，能够在复杂环境中实现对玉米疾病的可靠识别。在该模型中，采用了SimAM-StarNet作为特征提取的骨干网络，减少了参数数量并提升了多尺度特征融合能力，从而减轻了背景噪声的影响。此外，原有的RepC3模块被新设计的CGLU-FasterBlock-MANet（CFM）模块所取代，后者增强了自适应特征融合能力，提高了疾病的区分度。实验结果表明，SCFM-DETR模型在玉米疾病数据集上的平均精度达到96.7%，召回率为95.8%，分别比基线模型RT-DETR-R18高出3.1%和6.0%。同时，该模型还降低了47%的参数数量和49%的计算负担，使其非常适合在计算资源有限的农业环境中应用。这项工作提供了一个高精度、轻量级的框架，有助于实现智能作物疾病监测，并推动智能农业的发展。

"