一种用于可扩展多作物植物病害分类的模块化视觉Transformer与机器学习框架

《Scientific Reports》：A modular vision transformer and machine learning framework for scalable multi-crop plant disease classification

　　

摘要

植物病害分类对精准农业而言至关重要，但现有的深度学习方法在处理不同作物品种时的可扩展性、泛化能力以及计算复杂度方面往往存在难题。本研究提出了一种两阶段混合框架，用于多作物植物病害分类，该框架结合了深度特征提取与基于机器学习的分类方法。在第一阶段，四种预训练的CNN模型（VGG16、ResNet50、InceptionV3和MobileNetV2）被用于从包含番茄、辣椒和马铃薯病害的21类数据集中提取特征。在第二阶段，采用视觉变换器（ViT）从包含7种作物病害的25类数据集中提取全局特征表示，随后再通过机器学习分类器进行分类。实验结果表明，在基于CNN的配置中，MobileNetV2-SVM的性能最佳，准确率为89.44%；而ViT-SVM框架在多作物病害分类中的准确率可达98%。这些研究结果证明了基于变换器的特征表示在通用植物病害识别方面的有效性，同时也凸显了混合深度特征学习框架在精准农业应用中的潜力。