一种水稻叶片病害多尺度特征增强的分类方法

本发明公开了一种水稻叶片病害多尺度特征增强的分类方法，涉及农业领域。具体为：收集水稻叶片初始数据，采用频‑空双域协同增强策略生成增强数据集；将初始数据集合并增强数据集得到自制数据集；并将全方位注意力协同模块和多尺度金字塔融合模块融合接入核心为Swin Transformer的模型中，形成深度学习分类模型ASTNet；将自制数据集导入ASTNet模型中，进行八种水稻叶片特征状态的分类实验，得到八种特征分类结果。本发明提出一种面向复杂农业场景的水稻叶片病害多尺度特征增强的分类方法，通过频‑空双域数据增强、全方位注意力协同机制和多尺度金字塔融合机制，显著提升模型对水稻七种病害的分类精度与鲁棒性。