农业工程学报

作者：陶丹,王沅哲,邱光应,郭守宏,李光林,

关键词：图像识别, 计算机视觉, 深度学习, 蚕蛹, 雌雄鉴别

基金：42

家蚕蛹雌雄鉴别准确率决定育种效率与质量。针对家蚕蛹在线鉴别时因性腺特征缺失导致识别精度低的问题，该研究提出一种改进的轻量化实时语义分割模型Fast-SCNN-mp。首先，在特征提取阶段引入多尺度卷积注意力模块，强化判别性腺区域聚焦能力；然后，采用级联深度可分离卷积与瓶颈残差模块进行特征压缩与增强；最后，在特征聚合阶段集成金字塔池化模块，通过多级金字塔池化融合多尺度上下文信息。结果表明，针对多角度蚕蛹性腺缺失数据集，Fast-SCNN-mp模型的精确率（italic>P/italic>）、召回率（italic>R/italic>）、F1分数及准确率（italic>A/italic>）分别达到98.57%、98.65%、98.61%与98.61%，与基础Fast-SCNN模型相比，分别提升2.79、2.73、2.76和2.79个百分点。在>72°～90°侧倾角度的数据集上，Fast-SCNN-mp模型的准确率为96.30%，与最优主流语义分割算法Mask2Former准确率持平，而最优的传统分类算法CCT（convolutional compact Transformer）准确率仅为81.48%。Fast-SCNN-mp模型处理速度达68.10 帧/s，较Mask2Former提升32.55倍，且模型参数量仅为2.17 M，更有利于在边缘设备上部署。该研究为家蚕蛹在线智能鉴别提供了高效可靠的技术方案，可为农业领域实时分类任务的模型优化与应用提供重要参考。/

来源：2026年第5期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第5期