記者從中國科學院合肥物質科學研究院智能所獲悉，近日，該所謝成軍與張潔團隊提出了一種基於因果推斷的農作物害蟲識別方法。相關研究成果發表在農林科學領域國際權威期刊Pest Management Science上。

  隨着計算機視覺技術的飛速進步，深度學習方法在害蟲識別領域已經展現出巨大的潛力和顯著的優勢。然而，現有識別技術面臨着一個核心難題：難以適應害蟲訓練集的分佈偏差問題。

  由於圖像採集工作多在特定環境下進行，導致訓練數據集中存在大量背景相似的樣本，這可能使模型在訓練過程中過度依賴背景特徵，而非害蟲的關鍵特徵。當測試數據的分佈與訓練數據不一致時，模型的識別準確性便可能大幅下降。

  為了克服挑戰，研究團隊提出了一種創新的解耦特徵學習框架，並利用中心三元損失來加強和優化模型在不同域中捕捉類別核心特徵的能力。通過在Li數據集、小樣本害蟲數據集以及大規模害蟲數據集IP102上的廣泛測試，DFL框架顯著提升了現有基線分類模型的性能，在三個數據集上分別取得了95.33%，92.59%和74.86%的最佳識別準確率。

  此外，可視化結果也證實了即使在測試數據分佈發生偏移時也能保持穩定的優越性能，從而證明了其在緩解數據分佈偏差問題、增強深度學習在農業領域可靠性方面的重要作用。

  （記者 劉小容 實習生 郝樂田雨）