专利推介｜一种基于辅助物种识别算法的层级信息处理方法

    近日，我院研发的“一种基于辅助物种识别算法的层级信息处理方法”获国家发明专利授权（专利号ZL202511447677.4）。该专利面向视频场景下物种识别“标签闪烁”“细粒度难判”等痛点，提出“前端单帧双向层级推理+后端跨帧时序聚合+层级回退”的技术链路，把每一帧瞬时、不确定的分类预测，聚合成时间上稳定、语义上可靠的层级化身份标签，显著提升识别系统在复杂场景下的准确性与鲁棒性。

    背景：视频物种识别的“闪烁”与“扁平化”困局

    传统深度学习分类多采用“扁平化”输出，所有细粒度类别无差别并列，既无法利用“科—属—种”这类分类学先验，又因同一套高层特征要兼顾差异巨大和差异微小的分类任务，特征学习效率不高。直接套用到视频流上问题更明显：逐帧分类易出现“标签闪烁”，同一目标在连续帧中被判为多个不同类别；简单多数投票响应迟钝，对象跟踪只能稳住ID却稳不住分类标签。

    方案：三级链路把层级先验嵌入识别全流程

    本专利的核心思路是：把分类学层级“目—科—属—种”做成网络的树状结构，再用“双向推理 + 时序聚合 + 自适应回退”三层机制把层级知识用起来。

    前端：单帧双向层级推理。构建共享主干加分支化分类头的神经网络，粗粒度分类头接主干中间层，细粒度分类头接最深层。用带层级一致性损失的多任务损失训练，强制子节点损失不小于父节点。推理时先自顶向下得到各节点直接置信度，再由子节点证据反哺父节点，融合输出单帧层级置信度向量。

    后端：跨帧时序层级聚合。用跟踪算法给同一对象锁定唯一Track ID，每个ID配时序存储器，对各层级置信度独立做指数移动平均或GRU更新，形成平滑时间轨迹。

    层级回退决策。从最细粒度“种”级起逐层校验置信度，不达阈值则向上回退一级，直到达标或回退至根节点。阈值支持全局统一、分层独立、动态浮动三种配置。

    最终输出采用分层结构化表示，包含最终决策层级标签、全层级置信度向量、回退路径、Track ID四项，方便下游业务直接调用。

    显著优势与应用前景

    本专利具备三项显著优势：前端双向推理加后端时序聚合，有效抑制逐帧分类的标签闪烁，输出结果稳定平滑；层级先验嵌入网络结构与损失函数，各层级置信度逻辑自洽，可解释性强；自适应层级回退策略，在细粒度特征不足时可智能回退至更高层级输出高置信度判断，保证复杂场景下的系统鲁棒性。基于上述优势，本专利适用于生态监测、智慧农业、智能安防等对标签稳定性有较高要求的视频目标识别场景。