农业工程学报

作者：毛锐,郝思嘉,李书琴,冯明晨,王健,

关键词：无人机, 遥感, 小麦黄矮病, 深度学习, 双流自适应协同, 小波变换

基金：42

小麦黄矮病是小麦主要病毒病害，在黄淮麦区常年普遍发生，严重威胁小麦生产。传统的病毒检测方法和人工踏查均无法满足大规模田间病害快速调查需求。针对此问题，该研究结合小麦黄矮病的多时期发病特征，创新构建了一种基于无人机多光谱影像的田块尺度检测模型DSFNet。该模型的核心在于双流空频协同机制：一是双流自适应协同融合特征编码（dual-stream adaptive synergistic fusion，DASF），通过CNN和Transformer双流特征交互提取，增强了全局上下文与局部病变纹理特征的互补表达。二是空频联合特征映射（spatial-frequency feature mapping，SFFM），引入小波变换频域特征，与空间域特征开展跨域关联学习，有效提升模型对图像灰度剧变区域的处理能力。试验结果表明，DSFNet对小麦黄矮病检测的平均像素精度（mean pixel accuracy，mPA）和平均交并比（mean intersection over union，mIoU）分别达到92.66%和86.77%；在2025年独立测试集上，mPA和mIoU仍保持89.71%和82.56%的高水平。与Segformer、DBFormer、SFFNet和DECSNet等7种典型病害检测模型相比，mPA和mIoU分别显著提升6.35和10.16个百分点以上，充分验证了其在跨时区复杂真实场景下的稳健性和优异迁移性能。该研究为小麦黄矮病快速精准检测提供了高效解决方案，空频协同特征学习框架也为其他作物病害的遥感识别提供了重要参考。/

来源：2026年第6期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第6期