L'IA face aux grands problèmes du monde · Sciences du vivant · Nature (computational biology) · 2026-10-26
Cadre hybride de transformeur de vision local–global pour une détection robuste des maladies des plantes en agriculture de précision
Titre original: Hybrid local–global vision transformer framework for robust plant disease detection in precision agriculture
Identifier avec précision les maladies des plantes est essentiel pour la sécurité alimentaire, mais les CNN ont des champs réceptifs limités et les transformeurs de vision perdent souvent la texture locale fine. Les auteurs présentent ViT-LGFNet, qui combine un module d'entrée CNN local, un encodeur transformeur et un module de fusion par attention croisée. Sur le jeu de données PlantVillage, il a atteint une précision de validation moyenne de 95,15 % ± 0,74 sur l'ensemble des exécutions, avec un meilleur cas à 96,28 %.