基于深度学习的昆虫识别研究综述

基于深度学习的昆虫识别研究综述一、昆虫识别的研究背景与现实意义昆虫是地球生物多样性中最庞大的类群，目前已被描述的物种超过100万种，占所有已知动物物种的三分之二以上，在生态系统的物质循环、能量流动中承担着不可替代的作用。从农业生产角度来看，害虫是造成作物减产的重要因素，据联合国粮农组织统计，全球每年因虫害导致的粮食损失占总产量的14%左右，直接经济损失超过千亿美元；而传粉昆虫则为75%以上的主要农作物提供授粉服务，仅我国每年昆虫授粉带来的农业增值就超过5000亿元。从生态保护领域来看，昆虫对环境变化的敏感性远高于脊椎动物，其种群数量、群落结构的变化可以作为森林健康、湿地生态系统稳定性、环境污染程度的重要生物指示器，例如步甲、蜣螂等类群的丰度变化已经被广泛用于生态恢复效果的评估。此外，在公共卫生领域，蚊、蝇、蜱等媒介昆虫是疟疾、登革热、莱姆病等传染性疾病的传播载体，准确的昆虫识别是虫媒传染病监测与防控的核心前提。传统的昆虫识别高度依赖分类学专家的形态学鉴定，需要对昆虫的触角、翅脉、外生殖器等细微形态特征进行观察比对，不仅耗时极长、效率低下，且专业分类人才的缺口日益扩大。据统计，目前全球在岗的昆虫分类学家不足5000人，仅依靠人工鉴定完成所有已知昆虫的分类需要数百年时间，更不用说每年还有大量新物种被发现。随着物联网、智慧农业、生态监测等领域的快速发展，对昆虫识别的效率、精度、实时性提出了更高要求，传统方法已经无法满足大规模、高通量的应用需求。二、深度学习在昆虫识别领域的应用发展历程深度学习技术在昆虫识别领域的应用大致可以划分为三个阶段：第一阶段是2012-2016年的探索起步期，这一时期以AlexNet在ImageNet竞赛中取得突破性成果为标志，研究者开始尝试将卷积神经网络（CNN）应用于昆虫图像识别任务。2014年，美国农业研究局的研究团队首次将CNN用于农业害虫识别，在包含10种常见农业害虫的数据集上取得了85%的识别准确率，相比传统的SVM、随机森林等机器学习方法准确率提升了15%以上。这一阶段的研究大多基于小型自定义数据集，网络结构以浅层CNN为主，主要解决的是“能否用深度学习做昆虫识别”的可行性问题，但普遍存在泛化能力差、对复杂背景、姿态变化鲁棒性不足的缺陷。第二阶段是2017-2020年的快速发展期，随着ResNet、DenseNet等深度网络结构的提出，以及大规模昆虫图像数据集的陆续公开，深度学习昆虫识别的性能得到了快速提升。2018年，中国农业大学发布了包含102种农业害虫、超过7万张标注图像的AgriculturalPestDataset，为相关研究提供了重要的数据支撑；同年，Google团队提出的EfficientNet系列网络被应用于昆虫识别，在包含1000种昆虫的数据集上Top-1准确率达到了92.3%。这一阶段的研究开始关注实际应用场景中的痛点问题，例如针对野外拍摄图像的复杂背景干扰问题，研究者提出了基于注意力机制的背景抑制模块，使模型在自然场景下的识别准确率提升了8-12个百分点；针对昆虫姿态多样、尺度变化大的问题，多尺度特征融合、金字塔池化等技术被广泛引入，有效提升了模型对不同大小昆虫的识别能力。第三阶段是2021年至今的场景落地期，研究重点从实验室环境下的高准确率转向复杂实际场景下的鲁棒性、低功耗、实时性。这一时期的显著特征是轻量级网络和多模态融合技术的广泛应用，例如将MobileNet、ShuffleNet等轻量化模型与边缘计算设备结合，实现了在智能手机、田间监测摄像头等端侧设备上的实时昆虫识别，推理速度达到30帧/秒以上，准确率超过90%。同时，研究者开始突破单一图像识别的局限，将昆虫的声纹特征、时间信息、地理分布信息等多模态数据与图像特征融合，进一步提升了识别精度，例如结合昆虫的鸣声特征，对近缘种的识别准确率提升了15%以上。三、主流深度学习昆虫识别技术路线3.1基于卷积神经网络的图像识别方法卷积神经网络（CNN）是目前昆虫识别领域应用最广泛的技术路线，其核心优势在于能够自动从原始图像中提取多层次的特征，无需人工设计特征算子。目前主流的CNN-based昆虫识别方案可以分为三类：第一类是基于通用图像分类网络的迁移学习方案。该方案利用在ImageNet等大规模通用图像数据集上预训练的网络模型（如ResNet50、ViT、EfficientNet等），通过微调（fine-tuning）的方式适配昆虫识别任务。这种方法的优势是开发成本低、见效快，在数据集规模较小时也能取得较好的效果。例如2023年一项针对林业害虫识别的研究中，研究者使用预训练的ResNet101网络进行微调，在包含87种林业害虫的数据集上取得了94.6%的Top-1准确率，相比人工设计特征的方法准确率提升了21%。为了进一步提升小样本场景下的识别效果，研究者在迁移学习的基础上引入了元学习（Few-shotlearning）技术，仅需要5-10张样本图像即可实现对新昆虫物种的识别，这一技术对于稀有昆虫、新入侵物种的识别具有重要价值。第二类是针对昆虫特性优化的专用网络结构。由于昆虫识别具有类间差异小、类内差异大的特点，普通分类网络的特征提取能力往往无法满足需求，因此研究者设计了大量针对性的网络模块。例如针对昆虫近缘种形态差异细微的问题，研究者提出了细粒度特征提取模块，通过放大局部特征差异、引入双线性特征交互等方式，提升模型对翅脉纹理、触角形态等细微特征的感知能力，2022年华南农业大学团队提出的BilPestNet网络，在12种近似实蝇的识别任务中准确率达到96.8%，超过了普通ResNet网络10个百分点以上。针对野外拍摄中常见的遮挡、运动模糊问题，研究者引入了抗干扰特征学习模块，通过对抗训练、数据增强等方式提升模型的鲁棒性，使模型在存在30%遮挡的情况下仍能保持85%以上的识别准确率。第三类是基于目标检测的端到端识别方案。与图像分类任务不同，实际应用场景中的昆虫图像往往包含复杂背景，且一张图像中可能存在多个不同种类的昆虫，因此需要同时实现昆虫的定位与分类。目前主流的方案包括两阶段的FasterR-CNN系列和单阶段的YOLO、SSD系列。其中YOLO系列由于检测速度快、精度高，被广泛应用于田间实时监测场景，最新的YOLOv8模型在包含200种昆虫的数据集上可以达到95.2%的mAP（均值平均精度），推理速度超过50帧/秒，能够满足田间摄像头实时监测的需求。针对小型昆虫检测难度大的问题，研究者对目标检测网络的颈部和头部结构进行了优化，例如增加小目标检测头、引入高分辨率特征层，使模型对体长小于5mm的小型昆虫的检测率提升了20%以上。3.2基于多模态融合的识别方法单一的图像识别在面对近缘种区分、残缺样本识别等问题时存在天然局限，因此近年来多模态融合的昆虫识别方法成为研究热点，主要包括以下几种融合方式：第一种是图像与声学特征的融合。许多昆虫具有独特的鸣声特征，例如不同种的蟋蟀、蝉的鸣声频率、脉冲间隔存在显著差异，这些特征与图像特征具有很强的互补性。2021年中科院动物所的研究团队提出了图像-声纹双模态识别模型，将昆虫的图像特征与鸣声的梅尔频谱特征通过注意力机制进行融合，在18种近缘蝗虫的识别任务中，准确率从单一图像模型的82%提升到了97%。该方法已经被应用于草原蝗虫监测系统中，通过在监测点部署声学传感器和摄像头，实现了对蝗虫种类和密度的自动监测。第二种是图像与时空信息的融合。昆虫的分布具有明显的地理区域特征和季节发生规律，例如亚洲飞蝗主要分布在我国北方的河谷滩涂地区，发生期集中在6-8月，这些先验信息可以有效降低识别的误检率。2023年中国农科院植保所的研究团队将采集地点的经纬度、海拔、采集时间、寄主植物信息等结构化数据与图像特征融合，构建了多模态识别模型，使模型在全国范围的野外昆虫识别任务中误检率降低了32%。第三种是图像与分子生物学特征的融合。对于形态上几乎无法区分的隐存种，DNA条形码序列是最可靠的识别依据，研究者正在探索将图像特征与DNA条形码的序列特征进行联合学习，构建“形态-分子”关联模型，一方面可以通过图像初步预测物种的DNA条形码信息，另一方面可以利用分子数据提升图像识别的准确性，相关研究目前已经在果蝇、蚊虫等类群中取得了阶段性进展。四、当前研究面临的主要挑战尽管深度学习昆虫识别技术已经取得了长足进步，但在实际大规模应用中仍然面临诸多挑战：第一个核心挑战是数据集的不均衡与覆盖不足问题。目前公开的昆虫图像数据集存在明显的“头部效应”，常见的农业害虫、观赏性昆虫的标注数据量很大，而大量稀有昆虫、野外非经济类昆虫的标注样本不足10张，甚至完全没有数据。据统计，目前已公开的昆虫图像数据集仅覆盖了不到5%的已知昆虫物种，95%以上的物种没有可用的标注数据，这导致模型对于小众物种的识别准确率极低。同时，数据集的标注质量参差不齐，很多数据集存在标注错误、物种分类阶元不统一的问题，严重影响了模型的训练效果。第二个挑战是复杂野外场景下的鲁棒性不足问题。实验室环境下训练的模型在面对野外实际场景时，性能往往会出现大幅下降，主要原因包括：野外图像背景复杂，存在植物、土壤、光照变化等大量干扰因素；昆虫姿态多样，可能存在翅膀遮挡、身体残缺等情况；不同拍摄设备的分辨率、色彩偏差较大，且很多野外监测设备拍摄的图像清晰度较低。2022年的一项对比测试显示，在实验室数据集上准确率达到97%的模型，在真实田间场景下的准确率仅为68%，如何提升模型的域适应能力、降低不同场景下的性能落差，是当前研究的难点之一。第三个挑战是近缘种和不同虫态的识别难度大。很多近缘昆虫物种的形态差异极其微小，例如稻飞虱的不同种、实蝇属的不同物种，仅靠外部形态特征即使是专家也需要借助显微镜才能准确区分，现有的深度学习模型对这类物种的识别准确率普遍低于70%。此外，很多昆虫在不同的生长发育阶段（卵、幼虫、蛹、成虫）形态差异极大，同一物种的幼虫和成虫可能被识别为完全不同的物种，目前大部分数据集仅包含成虫样本，缺乏全虫态的标注数据，导致模型对不同虫态的识别能力严重不足。第四个挑战是边缘部署的功耗与性能平衡问题。昆虫识别的大量应用场景位于田间、林区等缺乏网络覆盖的区域，需要将模型部署在边缘计算设备上，而边缘设备的计算能力、功耗都受到严格限制。高精度的大模型虽然准确率高，但参数量大、推理速度慢，无法在低功耗设备上运行；轻量级模型虽然速度快，但准确率会出现明显下降，如何在保证精度的前提下进一步压缩模型体积、提升推理效率，是落地应用需要解决的关键问题。五、未来研究方向与应用前景面向未来，深度学习昆虫识别的研究将朝着以下几个方向发展：第一，小样本与零样本识别技术的突破。针对大部分昆虫物种缺乏标注数据的问题，基于foundationmodel（基础模型）的零样本/少样本识别将成为核心研究方向。利用大规模多物种图像数据预训练的通用视觉基础模型，结合昆虫分类学知识图谱，实现对从未见过的昆虫物种的自动识别，相关技术有望在未来3-5年内实现对所有已知昆虫物种的覆盖。第二，多模态大模型在昆虫识别中的应用。未来的昆虫识别系统将不再局限于单一的图像识别，而是整合图像、声纹、环境、分子等多维度信息，结合大语言模型的知识推理能力，不仅能够准确识别昆虫种类，还能自动提供该物种的生物学特性、分布范围、防控方法等相关知识，实现从识别到决策的全流程支持。第三，与物联网技术的深度融合。深度学习昆虫识别技术将与田间监测摄像头、无人机、智能诱捕器等物联网设备深度结合，构建大范围、实时的昆虫监测网络。例如在农业领域，通过在田间部署大量智能监测设备，可以实时掌握害虫的发生种类、密度、扩散趋势，实现病虫害的精准预警和精准施药，预计可减少农药使用量30%以上。在生态保护领域，基于无人机搭载的昆虫识别系统，可以快速完成大面积的生物多样性调查，效率是人工调查的上百倍。第四，公民科学与数据生态的构建。未来将通过智能手机APP等工具，引导普通公众参与昆虫图像采集与标注，构建“专家-研究者-公众”共同参与的数据生态，一方面可以快速扩充数据集的覆盖范围，另一方面也可以提升公众的生物多样性保护意识。目前国内已经推出了“虫虫识别”“昆虫记”等相关APP，用户上传的昆虫图像经过专家审核后可以进入训练数据集，形成数据积累与模型性