面向害虫识别的互补特征融合双流网络

摘要

针对害虫类别间细节差异小、田间背景干扰严重及样本分布不均衡等问题，提出一种面向害虫识别的互补特征融合双流网络。该网络结合卷积神经网络的局部感知能力与Mamba模型的全局建模能力，捕获并融合害虫图像的全局与局部信息。设计层次化多尺度感知模块，通过分组层次化卷积提取多尺度图像特征，并采用细节强化感知策略增强害虫细节信息；设计自适应聚焦Mamba模块，利用动态卷积算子定位害虫关键区域，减少复杂背景干扰；设计注意力加权融合模块，通过交叉注意力机制实现全局和局部特征的自适应交互优化，进一步提升语义表达的准确性。最后，构建均衡损失函数，缓解数据集类别不平衡的影响。实验结果表明，该网络在大规模害虫数据集IP102上的准确率达到71.19%，在D0数据集上的准确率为99.36%，能够有效识别害虫种类。

关键词

害虫识别 / Mamba / 多尺度特征提取 / 特征融合 / 注意力机制

基金资助

国家自然科学基金项目（62071379）; 陕西省自然科学基金项目（2025JC-YBMS-663）