RHAM-CA-Det：面向复杂自然环境的蝴蝶检测注意力机制研究

《Chinese Journal of Electronics》：RHAM-CA-Det: An Attention Mechanism for Butterfly Detection

针对自然环境中蝴蝶检测存在的纹理微差异和复杂背景干扰问题，本研究提出基于Faster R-CNN的RHAM-CA-Det模型。通过引入可学习集成通道注意力（CALI）模块和区域混合注意力（RHAM）模块，在公开蝴蝶数据集上实现68.1%的平均精度（mAP），较YOLOv8提升9.0%。该研究为生物多样性监测提供了更可靠的计算机视觉解决方案。

　　

在生物多样性研究和生态监测领域，蝴蝶作为对环境变化极其敏感的生物指示物种，其种群动态能够有效反映生态系统健康状况。然而传统依赖人工实地观测的蝴蝶调查方法存在效率低下、成本高昂的局限性。随着计算机视觉技术的快速发展，基于深度学习的蝴蝶自动检测技术逐渐成为研究热点，但在实际应用过程中仍面临两大核心挑战：一是形态相似的蝴蝶物种间往往仅存在细微的纹理差异，要求模型具备捕捉微观特征的能力；二是野外拍摄的蝴蝶图像常包含复杂背景干扰，这些噪声信息会严重影响模型对前景目标的识别精度。

针对这些技术瓶颈，苏州大学计算机科学与技术学院的黄宇翔和杨哲研究员在《Chinese Journal of Electronics》上发表了一项创新性研究，提出名为RHAM-CA-Det的新型蝴蝶检测模型。该研究通过将注意力机制与卷积神经网络深度融合，显著提升了模型在复杂自然场景下的检测性能。特别值得关注的是，该模型在保持计算效率的同时（约440.99 GFlops），在公开蝴蝶数据集EIAB上实现了68.1%的平均精度（mAP），较主流模型YOLOv8提升9.0%，展现出强大的实际应用潜力。

研究方法方面，作者以Faster R-CNN为基础框架，采用ConvNeXt作为主干网络增强特征提取能力。创新性地设计了两个核心模块：可学习集成通道注意力（CALI）模块通过动态门控机制优化特征通道权重分配；区域混合注意力（RHAM）模块则创新性地将图像区域划分为重要区域和次要区域，分别采用自注意力机制和卷积操作进行处理。实验采用EIAB数据集（含22个物种的479张图像），按8:2比例划分训练测试集，使用PyTorch 2.1.2在NVIDIA V100 GPU上完成模型训练。

关键技术方法包括：基于ConvNeXt架构的特征提取网络、特征金字塔网络（FPN）多尺度特征融合、区域提议网络（RPN）生成检测框，以及新提出的CALI和RHAM注意力模块。CALI模块通过全局平均池化和最大池化的双重路径提取特征，引入可学习的动态融合机制；RHAM模块则采用掩码技术将特征图分区，对重要区域实施自注意力计算，对次要区域采用常规卷积，实现精度与效率的平衡。

研究结果部分，通过系统性的实验验证了模型的有效性：在与主流检测器的对比中，RHAM-CA-Det在mAP（0.5:0.95）、mAP₅₀和mAP₇₅三个指标上分别达到68.1%、94.5%和82.6%，全面优于对比模型。特别是在识别难度最高的三个物种（Calinaga buddha formosana、Lampides boeticus和Papilio bianor）上，模型仍保持31.6%-57.3%的检测精度，显著优于其他方法。模块对比实验显示，CALI和RHAM单独使用时分别取得67.4%和67.1%的mAP，均优于传统注意力机制。消融实验进一步证实，ConvNeXt主干网络、CALI和RHAM模块的协同作用带来4.4%的性能提升。通用性测试表明，将所提模块移植到YOLOv5和GFL等单阶段检测器后，也能带来0.6%-4.6%的性能增益。

可视化分析结果直观展示了模型的优势：在复杂背景场景中，基线模型（Faster R-CNN）的注意力热图呈现分散特征，而加入CALI模块后模型能更聚焦于蝴蝶主体区域；RHAM模块则展现出更强的细节捕捉能力，在小型蝴蝶检测任务中能生成更精确的边界框。对比实验显示，在存在多重干扰的自然场景下，RHAM-CA-Det能有效避免漏检和误检，其检测框与真实标注（ground truth）的重合度显著高于Cascade R-CNN、YOLOv8等对比模型。

本研究通过创新性地集成通道注意力和区域混合注意力机制，成功构建了适用于自然场景的蝴蝶检测系统。RHAM-CA-Det模型在保持计算效率的前提下，有效解决了蝴蝶检测中的纹理微差异和背景干扰两大核心难题。实验结果表明，该模型在复杂生态环境中具有更强的鲁棒性和准确性，为生物多样性自动监测提供了可靠的技术支持。未来研究可进一步探索模型在多物种协同检测、实时视频流处理等场景的应用潜力。