DOI：10.3969/j.issn.1672-3872.2025.15.013
基金项目：广东省大学生创新创业训练计划项目（S202413720021、S202413720022）；广东理工学院科技项目（2024GCJS002）；广东理工学院大学生创新创业训练计划项目（CXCY202401207）
作 者：何懿璇 ，叶兆元 ，郑凯扬 ，易心蕊 ，黎志勇 ，李彦錂 ，刘 洋（广东理工学院，广东 肇庆 526100）
摘 要：在真实环境中，玉米病害识别面临背景复杂的难题，并且卷积神经网络（CNN）在对玉米病害图像进行识别时，往往只依靠局部特征信息，识别效果并不理想。基于此，文章提出了一种以ViT为基础的农作物检测方案。团队收集了4种常见玉米病害的图像样本，以ViT模型为主体去除环境干扰，对图像进行镜像翻转、高斯模糊等图像增强操作，提升模型对于复杂环境中的玉米叶片、根茎等部位病害的识别能力。研究结果表明，在玉米病害识别中，相比基于CNN的相关模型以及其他同类模型，ViT模型的准确率有显著提升。
关键词：ViT模型；玉米病害；卷积神经网络；识别性能
引文信息：[1]何懿璇，叶兆元，郑凯扬，等.基于ViT的农作物检测方法与应用研究[J].南方农机，2025，56(15)：55-58.
查看全文请下载PDF文件↓
