基于多尺度特征和注意力机制的茶叶病害检测方法研究.pdf

摘要

茶叶作为我国传统的经济作物之一，具有重要的经济和文化价值。茶叶病害检

测对茶叶的产量和品质至关重要。然而，茶园环境复杂，病害尺度多变、病害密集

与遮挡等客观因素，增加了精确检测的难度。近年来，注意力机制以其有效增强模

型对图像中重要信息的关注程度，从而提高检测性能，逐渐成为检测领域的研究热

点。在茶叶病害检测任务中引入注意力机制的目的在于提升模型对病害图像中多尺

度特征的捕捉能力，由此改善检测性能。因此，本文研究了基于多尺度特征和注意

力机制的茶叶病害检测方法，旨在提升模型的检测能力。主要内容和创新点归纳如

下：

（1）提出了一种基于多尺度特征和自注意力的茶叶病害检测。首先采用基于

VGG16的多尺度特征提取模块，获取茶叶病害图像在不同尺度下的局部细节特征，

例如纹理和边缘等，有效表达多尺度的局部特征。其次，通过自注意力模块捕获茶

叶图像中像素之间的全局依赖关系，实现病害图像全局信息与局部特征的有效交互。

最后，采用通道注意力机制对多尺度特征进行加权融合，提升模型对病害多尺度特

征的表征能力，更关注关键特征，从而提高病害检测准确性。实验结果显示，多尺

度特征和自注意力的茶叶病害检测在背景复杂、病害尺度多变等场景下具有更好的

检测效果，平均精度均值达到92.15%。

（2）提出了一种基于自注意力蒸馏的茶叶病害检测方法。该方法首先采用基于

ResNet的多尺度特征提取模块，有效捕捉并表达多尺度的局部特征。接着，通过知

识蒸馏策略将教师网络的知识传递给学生网络，有效利用少量数据样本并增强学生

网络对不同尺度特征的识别能力；最后，通过自适应特征融合模块，为不同尺度特

征图分配自适应权重参数，提高茶叶病害检测精度。实验结果显示，基于自注意力

蒸馏网络的茶叶病害检测方法平均检测精度为94.72%，具有较高的精度，可为茶叶

病害的智能诊断提供参考。

关键词：茶叶病害检测；多尺度特征；目标检测；自注意力机制；特征融合

I

Abstract

AsoneofthetraditionalcashcropsinChina,teahasimportanteconomicandcultural

values.Teadiseasedetectioniscrucialtotheyieldandqualityoftea.However,the

complexenvironmentofteagardens,withobjectivefactorssuchasvariablediseasescales

anddensediseasewithocclusion,increasethedifficultyofaccuratedetection.Inrecent

years,theattentionmechanismhasgraduallybecomearesearchhotspotinthedetection

fieldforitseffectivenessinenhancingthemodelsattentiontotheimportantinformation

intheimage,thusimprovingthedetectionperformance.Thepurposeofintroducingthe

attentionmechanismintheteadiseasedetectiontaskistoenhancethemodelsabilityto

capturemulti-scalefeaturesinthediseaseimage,thusimprovingthedetection

performance.Therefore,thispaperinvestigatesateadiseasedetectionmethodbasedon

multi-scalefeaturesandattentionmechanism,aimingtoimprove