重新思考植物病害诊断：通过视觉 Transformer 和零样态学习搭建学术与实际应用之间的鸿沟
计算机视觉与模式识别
2025-11-25 v1 人工智能
摘要
深度学习的近期进展推动了植物病害分类在叶片图像方面的显著进展。该领域的大量现有研究依赖于PlantVillage数据集，该数据集由针对统一、无杂乱背景的均匀居中植物图像组成。尽管在该数据集上训练的模型可实现高准确率，但常常难以泛化到现实田间图像，例如农户提交至植物诊断系统的图像。这一现象凸显了已发表研究与实际应用需求之间的显著差距，凸显了必须调查和解决此问题的必要性。在本研究中，我们探讨了注意力机制架构和零样态学习方法是否能够弥合精心挑选的学术数据集与现实农业条件之间在植物病害分类中的差距。我们评估了三类模型：卷积神经网络(CNN)、视觉Transformer和基于对比语言-图像预训练(CLIP)的零样态模型。虽然CNN在域迁移下表现有限，但视觉Transformer通过捕获全局上下文特征表现出更强的泛化能力。最值得注意的是，CLIP模型无需任何特定任务训练即可直接从自然语言描述中对病害进行分类，展现出强大的适应性和可解释性。这一发现凸显了零样态学习作为一种实用且可扩展的域适应策略在多样化田间环境中进行植物健康诊断的潜力。
关键词
引用
@article{arxiv.2511.18989,
title = {Rethinking Plant Disease Diagnosis: Bridging the Academic-Practical Gap with Vision Transformers and Zero-Shot Learning},
author = {Wassim Benabbas and Mohammed Brahimi and Samir Akhrouf and Bilal Fortas},
journal= {arXiv preprint arXiv:2511.18989},
year = {2025}
}