农业机械学报

作者：杨信廷，周子洁，李文勇，陈晓，王慧，于合龙

单位：吉林农业大学;北京市农林科学院,吉林农业大学;北京市农林科学院,北京市农林科学院,北京市农林科学院;上海海洋大学,北京市农林科学院;山东农业大学,吉林农业大学,

关键词：害虫识别;小样本学习;迁移学习;度量学习;通道注意力机制;金字塔全卷积网络

基金：国家重点研发计划项目(2022YFD2001801)和北京市农林科学院协同创新中心建设专项

针对面对害虫数据稀缺的实际场景时,现有害虫图像识别方法容易出现过拟合导致模型表达能力不足的问题,本研究提出了一种结合度量学习和迁移学习的小样本田间害虫图像分类识别方法。 首先,使用 ECA PyramidResNet12 模型在 mini-ImageNet 数据集上进行预训练;其次,在度量模块中添加 ECA 通道注意力机制,通过捕捉通道间的依赖关系来增强害虫的图像特征表示;然后,使用特征金字塔结构来捕获害虫图像的局部特征和害虫的多尺度特征;最后,利用 20 类自建鳞翅目害虫图像作为元数据集,对模型进行元训练和元测试。 实验结果表明,在3-way 5-shot 和 5-way 5-shot 条件下,本文模型准确率分别达到 91.16% 和 87.26% ,比 SSFormers、DeepBDC 方法分别提高 4.58、1.35 个百分点。 提出的模型有效提升了小样本学习中目标图像特征的表达能力,能够为数据稀缺场景下的田间害虫自动识别提供方法参考。

来源：2025年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第2期