基于EffiDINO-ViT的全天候多任务农作物健康监测与预警平台

本发明公开了一种基于EffiDINO‑ViT模型的多任务农作物健康监测与预警平台，该平台集成EffiDINO‑ViT多任务学习模型、地理信息系统(GIS)模块、基于XGBoost的病害趋势预测模块、交互模块及数据存储模块，协同实现对病虫害的精准识别、特征提取及趋势预测，平台采用基于Blender模拟生成的多光照全天候数据集，有效提升了EffiDINO‑ViT模型在复杂光照条件下的检测能力，为全天候农作物健康监测提供了强有力的技术支撑。基于XGBoost的病害趋势预测模块由病情分析单元和XGBoost预测单元组成，其中病情分析单元以EffiDINO‑ViT模型输出的视觉信息为核心，提取病虫害的分类结果、分割区域和相关特征，通过条件位置编码(Conditional Positional Encoding)优化特征表达，并结合多层感知器(MLP)进行特征整合。