基于双分支注意力融合的药用植物识别网络MPR-net：构建喀斯特地貌草药数据集与高效识别新方法

为解决药用植物识别领域数据集规模小、多样性不足及现有算法在复杂背景下识别精度低的问题，研究人员提出双分支注意力融合网络MPR-net，并构建包含120类56,650张图像的喀斯特地貌草药数据集。实验表明MPR-net在保持轻量化的同时显著提升识别准确率与鲁棒性，为药用植物智能化鉴定提供新范式。

　　

药用植物识别在中医药现代化进程中具有重要价值，但当前面临两大瓶颈：一是全球公开的药用植物数据集如NB-TCM-CHM、Indo Medicinal Plant等样本量有限且仅涵盖局部器官图像；二是传统人工鉴定效率低下且易受主观影响。这些限制严重阻碍了高精度智能识别模型的开发。

针对这一挑战，哈尔滨工业大学（深圳）的Zhanyan Tang等研究人员在《Pattern Recognition》发表研究，提出双分支注意力融合网络MPR-net，并构建迄今最全面的喀斯特地貌草药数据集（含120种56,650张多部位图像）。该研究创新性地整合Pooling-based Vision Transformer（PiT）、窗口多头自注意力（Window MSA）和全局Token模块，通过混合块（Mix Block）实现局部-全局特征协同提取，在复杂背景干扰下仍能保持94.7%的Top-1准确率，参数量仅21.6M。

关键技术包括：1）野外原位拍摄构建多部位、多背景数据集；2）双分支架构融合卷积的局部感知与Transformer的全局建模能力；3）改进的池化模块降低计算复杂度；4）跨数据集验证模型泛化性。

【Karst Landform Herbs Dataset】
团队联合广西植物研究所专家采集87种原生药用植物图像，涵盖根、叶、花、果等器官，其中83%为自然生长环境拍摄。经数据增强后总量达56,650张，较现有数据集规模扩大3-5倍。

【The Proposed MPR-net】
网络采用K层堆叠结构，核心创新在于：1）窗口MSA模块降低自注意力计算量；2）全局Token模块强化跨区域特征关联；3）混合块动态平衡卷积与注意力机制；4）改进池化层保留空间信息。消融实验显示双分支融合使FLOPs降低37%而准确率提升2.3%。

【Experiments】
在自建数据集上，MPR-net以94.7%准确率超越ResNet-152（89.2%）和ViT-Base（91.4%）；在跨数据集测试中，对印尼草药叶片的识别F1-score达88.9%，证实其强泛化能力。推理速度达153帧/秒（RTX 3090），满足实时应用需求。

【Conclusion】
该研究首次将Pooling-based Vision Transformer引入药用植物识别，构建的喀斯特地貌数据集填补了该领域基准数据空白。MPR-net通过注意力-卷积混合架构实现精度与效率的平衡，相关技术可扩展至农作物鉴定、生物多样性监测等领域。研究获广西科技重大专项（AA22096020）和广东省基础与应用基础研究基金（2024A1515030213）支持，代码与数据集均已开源。

（注：Zhanyan Tang为哈尔滨工业大学（深圳）计算机专业二年级硕士生，研究方向包括深度学习与图像处理；通讯作者Jie Wen同属该单位。）