La evaluación de calidad de imagen (IQA) tiene como objetivo evaluar automáticamente la calidad perceptual de la imagen simulando el sistema visual humano, lo cual es un tema de investigación importante en el campo del procesamiento de imágenes y visión por computadora. Aunque los modelos de IQA basados en aprendizaje profundo existentes han logrado un éxito significativo, estos modelos de IQA suelen requerir imágenes de entrada con un tamaño fijo, lo que varía la calidad perceptual de las imágenes. Con este fin, este artículo propone un método de evaluación de calidad de imagen basado en Transformer incrustado en la relación de aspecto, que puede implantar las relaciones de aspecto adaptativas de las imágenes de entrada en el módulo de autoatención de múltiples cabezales del Transformer Swin. De esta manera, el modelo de IQA propuesto no solo puede aliviar la variedad de calidad perceptual causada por cambios de tamaño en las imágenes de entrada, sino también aprovechar correlaciones de contenido global para inferir la calidad perceptual de la imagen. Además, para capturar de manera integral el impacto de las características de bajo y alto nivel en la calidad de imagen, el modelo de IQA propuesto combina las características de salida de bloques de Transformer de múltiples etapas para inferir conjuntamente la calidad de imagen. Los resultados experimentales en múltiples bases de datos de IQA muestran que el método de IQA propuesto es superior a los métodos de vanguardia para evaluar la calidad técnica y estética de la imagen.