细粒度浮游植物显微图像增强分类方法及其模型搭建方法

本发明提供了一种细粒度浮游植物显微图像增强分类方法及其模型搭建方法，属于水下图像增强分类技术领域，该方法包括以下步骤：首先从多个海域采集浮游植物样本，并通过显微成像技术获取图像数据；对图像进行筛选、预处理及数据增强，构建高质量的训练集和测试集；开发了一种双分支深度学习模型HySwinFormer，包含基于分层视觉Transformer的多尺度上下文捕获分支和采用并行卷积核设计的局部细节增强分支，通过设计的加权融合策略实现特征的联合表达；接着对模型进行训练与优化，获得最终模型。实验结果表明，HySwinFormer模型在多个数据集上的分类性能优于现有主流深度学习模型，分类效果得到显著提升。