摘要： 水稻产量和质量对农业经济、粮食安全、农民收入及生态环境至关重要，而水稻病害是影响其产量和质 量的关键因素之一。为提升实际种植场景下的病害识别准确率，本文捉出了一种融合Vision Transformer和通道注 意力机制的水稻病害识别方法。收集田间拍摄的水稻病害图像，并通过翻转、旋转、缩放等数据增强手段丰富样 本多样性。针对病斑特征在图像中尺度变化大、形态复杂、局部与全局关联困难的问题，采用Vision Transformer 作为基础框架，捕捉局部特征与全局信息，并融入通道注意力机制，提升模型对重要特征的关注度。引入迁移学 习策略及学习率调度器，提升在样本不足情况下的识别精度并优化模型收敛速度。实验结采表明，本文方法识别 精度达96.93%，相比AlexNet、VGG16、Res Net50及原始Vision Transformer,准确率分别提高4.95%、4.62%、 1.91%和1.16%，且收敛速度更快，能够满足水稻病害识别需求，为其捉供有效的技术支持。

关键词: 水稻病害；图像识别；Vision Transfommer;通道注意力机制

中图分类号: 

• S24