技術(shù)特征：

1.一種應(yīng)用于害蟲識別領(lǐng)域的視覺和知識多模態(tài)大模型算法，所述算法用于害蟲識別模型進(jìn)行害蟲的識別；其特征在于，識別方法，包括：

2.根據(jù)權(quán)利要求1所述的一種應(yīng)用于害蟲識別領(lǐng)域的視覺和知識多模態(tài)大模型算法，其特征在于，所述害蟲識別模型的訓(xùn)練流程包括：

3.根據(jù)權(quán)利要求2所述的一種應(yīng)用于害蟲識別領(lǐng)域的視覺和知識多模態(tài)大模型算法，其特征在于，所述獲取害蟲圖像訓(xùn)練集，包括：

4.根據(jù)權(quán)利要求3所述的一種應(yīng)用于害蟲識別領(lǐng)域的視覺和知識多模態(tài)大模型算法，其特征在于，所述通過偽隨機(jī)標(biāo)注集自訓(xùn)練小模型，包括：

5.根據(jù)權(quán)利要求4所述的一種應(yīng)用于害蟲識別領(lǐng)域的視覺和知識多模態(tài)大模型算法，其特征在于，所述使用害蟲圖像訓(xùn)練集訓(xùn)練知識圖譜模型，包括：

6.根據(jù)權(quán)利要求5所述的一種應(yīng)用于害蟲識別領(lǐng)域的視覺和知識多模態(tài)大模型算法，其特征在于，所述執(zhí)行反向傳播，包括：

7.根據(jù)權(quán)利要求1所述的一種應(yīng)用于害蟲識別領(lǐng)域的視覺和知識多模態(tài)大模型算法，其特征在于，收斂條件包括：害蟲知識事實(shí)損失達(dá)到預(yù)設(shè)損失閾值或訓(xùn)練輪次達(dá)到預(yù)設(shè)最大訓(xùn)練次數(shù)。

8.根據(jù)權(quán)利要求1所述的一種應(yīng)用于害蟲識別領(lǐng)域的視覺和知識多模態(tài)大模型算法，其特征在于，根據(jù)所述查詢向量在預(yù)構(gòu)建的害蟲知識圖譜中查詢尾實(shí)體作為識別結(jié)果，包括：

技術(shù)總結(jié)
本發(fā)明公開了一種應(yīng)用于害蟲識別領(lǐng)域的視覺和知識多模態(tài)大模型算法，包括：獲取待識別害蟲圖像；將待識別害蟲圖像輸入至訓(xùn)練后的害蟲識別模型；通過特征提取層提取待識別害蟲圖像的圖像特征；將待識別害蟲圖像的圖像特征作為害蟲知識事實(shí)的頭實(shí)體；若害蟲知識事實(shí)的頭實(shí)體為預(yù)構(gòu)建的害蟲知識圖譜中的頭實(shí)體，則將害蟲知識事實(shí)的頭實(shí)體及其依賴關(guān)系構(gòu)建為查詢向量，在預(yù)構(gòu)建的害蟲知識圖譜中查詢尾實(shí)體作為識別結(jié)果；否則，將害蟲知識事實(shí)的頭實(shí)體及其對應(yīng)的依賴關(guān)系作為害蟲識別模型的輸入特征，通過前向傳播輸出待識別害蟲圖像的識別結(jié)果；本發(fā)明在處理新類別害蟲時(shí)，模型可以利用知識圖譜中的關(guān)系推斷尾實(shí)體從而減少誤判率。

技術(shù)研發(fā)人員：張玉齊,鮑文霞,褚詩偉
受保護(hù)的技術(shù)使用者：安徽大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6