一种浮游植物显微图像分类模型构建方法

本发明公开了一种浮游植物显微图像分类模型构建方法，属于智能检测领域。针对显微图像质量不稳定、浮游植物类间差异小的问题，提出双分支ResNeXtViT模型：ResNeXt分支通过小波卷积注意力模块增强纹理特征提取能力，结合自适应卷积模块提升对不规则形状的适应性；Transformer分支捕获全局上下文信息；特征融合模块整合局部细节与全局结构。采用包含噪声添加、颜色迁移的组合式数据增强策略，并设计联合损失函数优化类内紧凑性与局部判别能力。实验表明，本方法在巢湖浮游植物数据集上准确率达94.11%，优于ResNet、ViT等模型，可部署至智能分析仪实现水质快速监测。