GEPC: Generative-Explanatory Pest Classification with Multi-Modal Priors and Hierarchical Concept Constraints

方法

语义引导扩散生成稀有类样本，HB-OMP层级稀疏编码，融合DINOv2与CLIP

发现

在AP162上总体准确率90.4%，尾部类召回82.4%，视觉路径与决策一致率94.6%。

机会点

可将层级概念约束与生成式增强迁移到其他长尾细粒度农业识别任务，并探索可审计诊断路径的田间部署。

准确且可解释的害虫分类是精准农业与粮食安全的基础，然而仍存在三方面障碍。野外采集的数据集呈严重长尾分布，导致稀有且往往高风险的害虫在数据中代表性不足；近缘物种在形态上几乎无法区分，限制了单模态判别能力；而标准的端到端分类器仅输出标签，缺乏可审计的推理依据。我们提出GEPC（生成-解释型害虫分类器，Generative-Explanatory Pest Classifier），这是一个围绕单一原则组织的统一框架：每一个预测都应由可验证的分类学路径作为支撑。为应对长尾问题，一个语义引导的扩散流程通过结构化提示和基于CLIP的质量过滤，为稀有类别合成生态上合理的样本，从而将数据增强建立在真实的分类学与生境先验之上。为实现可解释性与细粒度判别，GEPC将特征提取转化为非负、路径约束的稀疏追踪，具体通过分层束正交匹配追踪（Hierarchical Beam Orthogonal Matching Pursuit，HB-OMP）在基于目—科—种树构建的离线差分字典上实现，由此恢复的根到叶路径对冻结的DINOv2视觉表征进行去噪，同时兼作透明的诊断线索。该层次对齐信号与由冻结的CLIP文本编码器编码的物种匿名化形态描述相融合，并由一个轻量级分类器给出最终预测。在AP162上的多个随机种子下，GEPC取得$90.4 \pm 0.3\%$的总体准确率、$82.4\%$的尾类召回率，以及视觉追踪路径与最终决策之间$94.6\%$的一致性，持续优于端到端监督基线与零样本基线，同时揭示每个预测背后的分类学证据。