基于Vision Transformer的小麦病害图像识别算法

小麦白粉病、赤霉病和锈病是危害小麦产量的三大病害。为提高小麦病害图像的识别准确率，构建一种基于Vision Transformer的小麦病害图像识别算法。首先，通过田间拍摄的方式收集包含小麦白粉病、赤霉病和锈病3种病害在内的小麦病害图像，并对原始图像进行预处理，建立小麦病害图像识别数据集；然后，基于改进的Vision Transformer构建小麦病害图像识别算法，分析不同迁移学习方式和数据增强对模型识别效果的影响。试验可知，全参数迁移学习和数据增强能明显提高Vision Transformer模型的收敛速度和识别精度。最后，在相同时间条件下，对比Vision Transformer、AlexNet和VGG16算法在相同数据集上的表现。试验结果表明，Vision Transformer模型对3种小麦病害图像的平均识别准确率为96.81%,相较于AlexNet和VGG16模型识别准确率分别提高6.68%和4.94%。