基于多分支对比学习的轻量级不平衡虫害图像识别方法

本发明提出了一种基于多分支对比学习的轻量级不平衡虫害图像识别方法，用于解决虫害图像数据集类别不平衡以及昆虫形态变异性导致的模型识别精度低的问题。其步骤为：首先，对害虫数据集中的虫害图像进行预处理；其次，基于EfficientNet‑B0模型构建多分支网络，并利用预处理后的害虫数据集进行训练；在训练过程通过引入逻辑校准和对比学习进行优化，获得最优的多分支网络模型；最后，利用最优的多分支网络模型进行测试，得到每个分支的全连接层的输出特征，将所有分支的输出特征相加得到最终预测输出。本发明实现了对类别不平衡农业虫害的识别，提高了农业虫害分类准确率，可应用于农业智能信息处理领域，有利于促进农作物保护。