【摘要】为了及时准确的识别番茄叶片病害，提高番茄产量，提出了一种优化的Swin Transformer番茄病害识别方法，该模型利用Transformer的自注意力结构获得更加完备的番茄病害图像的高层视觉语义信息；结合Mixup混合增强算法，在预处理阶段对图像特征信息进行增强；并采用迁移学习在增强番茄叶片病害数据集上进行训练和优化Swin Transformer模型，以此实现精准的番茄叶片病害识别。结果表明：1)优化的Swin Transformer模型对番茄叶片病害识别准确率达到98.40%;2)在相同训练参数下，本研究模型比原Swin Transformer、VGG16、AlexNet、GoogLeNet、ResNet50、MobileNetV2、ViT和MobileViT模型准确率提高了0.70%～1.91%,且能快速收敛；3)本研究模型中加入的Mixup混合增强算法极大地提高了番茄叶片病害的识别准确率，比现有的常见方法性能更加优越，并且鲁棒性强。因此，本研究提出的新模型能够更加准确的识别番茄叶片病害。