（1）本研究提出一种迁移学习与CViT模型相结合的农作物病害预测方法，在通用公共数据集上完成模型的预训练，然后使用迁移学习方法将预训练模型迁移到农作物病害识别任务上，最终达到提升识别方法性能和鲁棒性的目的。

（2）为了提升模型对病害图像中细粒度识别，在ViT模型的输入层设计一个卷积层模块处理图像投影模块，对比直接对图像进行切割和拉平，卷积操作能更有效的保留图像的细粒度特征。

（3）大量实验验证表明，本研究提出的识别方法在查全率、查准率、准确率等性能指标上达到了当前最佳水平。在自然环境中采样的数据集中同样表现优秀，具有较强的鲁棒性，基本达到了自然条件下的农作物病害识别的要求。