【摘要】针对传统大球盖菇人工分级劳动强度大、效率低、一致性差等问题，提出基于MobileViT模型的改进方法。通过设计自适应分支的多尺度模块、增加局部与全局特征融合、引入双重注意力模块等，提高特征提取能力，增强模型鲁棒性。实验结果表明，改进后的XCA-MobileViT对实验平台上5个级别的大球盖菇数据集平均识别准确率达97.71%，相较于Mobile Vi T模型准确率提高2.34%，参数量和计算量分别下降0.401M和140.2 M。通过对两个菌菇公开数据集进行的验证实验发现，XCA-MobileViT的F1分及准确率超越对比的其他模型，具有良好的泛化性。