基于多原型指导的小样本水稻害虫识别与分类

来源：江苏农业科学杂志2023年第第20期北京时间：

作者：李军;李志伟;李艳红

单位：1.山西华澳商贸职业学院科研处，山西晋中 030600； 2.山西农业大学农业工程学院，山西太谷 030801； 3.晋中职业技术学院机电工程系，山西晋中 030600

摘要：精确识别与分类复杂场景下水稻害虫对水稻病害治理与产量提升具有重要的研究意义，提出一种基于多原型指导的小样本水稻害虫识别与分类模型。首先，利用Vision Transformer网络作为主干网络进行特征映射，将水稻害虫图片映射到深度特征空间；其次，利用可微分的超像素聚类算法实现深度特征图中类特定原型的聚类分组，构造水稻多类型害虫的特征表达；再次，提出一种双通道特征融合注意力模块实现水稻害虫支持特征和查询特征的深度融合；最后，利用无参数的度量学习算法计算待测水稻病虫害图片特征与深度融合特征之间的距离，根据距离值实现待测病虫害图片的识别与分类。试验结果表明，所提出的水稻害虫识别模型可以实现0.955的识别准确率、0.941的精确率、0.949的召回率和0.962的F1值，与AlexNet、ResNet、YOLO v5、Vgg-16、Inception v3和LeNet5等模型相比，所提出模型的各项指标表现良好。该方法的提出为农作物害虫的智能化识别提供了新的思路。

关键词：水稻;害虫识别;多原型;小样本学习;超像素聚类;注意力机制