摘要： 随着全球农业生产规模的扩大，苹果叶片病害的及时检测对提高果品质量和产量至关重要。传统方法依 赖人工观察，效率低且易受人为因素影响。为此，本研究提出了一种基于掩码自编码器(MAE)的两阶段病害 检测方法，通过自监督学习和迁移学习提升检测性能。预训练阶段利用无标签数据提取深层特征，微调阶段将预 训练的ME编码器参数迁移到视觉变换器(VT)模型中，并在带标签数据集上进行微调。实验结采表明，基 于MAE预训练的VT模型准确率可达到98.42%，较无预训练模型提升5.07%。消融实验显示，50%的掩码比例 在特征学习与重建损失之间实现了最佳平衡。本研究验证了自监督学习与VT模型结合在苹采叶片病害检测中的 有效性，为智慧农业提供了高效、精准的病害识别方案。

关键词: 病害检测；掩码自编码器；视觉变换器；迁移学习

中图分类号: 

• S432