arXiv cs.AI· Meng Liang, Fucheng Wang, Lang Zhao, Jun Chen, Ziying Li, Yuxiang Zhao, Haozhuang Chi, Wenkai Fang, Qiong Zhou, Junlin Yang, Jinming Wu·· 11 小时前AI 评分18
FSVL：面向长江中游易混淆鱼类识别的快慢双路径视觉-语言协同框架
FSVL: Taxonomic Fast-Slow Vision-to-Language Collaborative Framework for Interpretable Confusable Fish Species Identification and Knowledge Generation in the Middle Yangtze River
AI 导读
研究提出 FSVL 快慢双路径框架，将视觉识别与基于 LLM 的 RAG 结合，用于长江中游 51 种鱼类的细粒度识别与知识生成。轻量 ResNet50 快路径初筛后，慢路径用 YOLOv8n 检测头部、背鳍、尾部等形态区域精细判别，并接入检索增强的 Qwen3-14B 后端，通过 soft tokens 与 LoRA 生成领域知识。
正文 · AI 翻译
作者：Meng Liang、Fucheng Wang、Lang Zhao、Jun Chen、Ziying Li、Yuxiang Zhao、Haozhuang Chi、Wenkai Fang、Qiong Zhou、Junlin Yang、Jinming Wu
摘要：长江流域是淡水生物多样性保护的关键区域。长江十年禁渔的实施，提升了有效开展水生生物多样性监测和物种级鉴定的重要性。然而，由于形态差异细微，对近缘淡水鱼类的细粒度识别仍具挑战性。现有深度学习方法往往难以兼顾分类准确率与推理效率，而大语言模型在生成专业生物学知识时可能产生无依据的信息。为应对这些挑战，本研究提出 FSVL，一种融合视觉识别与基于 LLM 的检索增强生成（RAG）的快慢双通路框架。轻量级 ResNet50 快通路对长江中游流域 51 种鱼类进行初步分类，并将预定义的易混淆物种组路由至慢通路进行精细识别。在分类学标准指导下，慢通路使用 YOLOv8n 检测头部、背鳍和尾部等关键形态区域，利用形态测量与轮廓特征提升近缘物种间的区分度。该框架进一步集成检索增强的 Qwen3-14B 后端，使用软 token 和低秩适配（LoRA）实现参数高效的领域知识生成。在 607 张图像的评估测试集上，快分类器达到 99.67% 的准确率，而级联流程纠正了这两处错误，使总体准确率达到 100.00%；仍需在独立标本和外部条件下进一步验证。在 255 个知识生成样本中，学名准确率从 91.37% 提升至 100.00%，属名准确率从 90.20% 提升至 98.82%，ROUGE-L 从 0.335 提升至 0.655，可支持智能生物多样性监测和渔业管理。
| 学科： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.31880 [cs.CV] |
| （或 arXiv:2610.31880v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.31880 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Liang Meng [查看邮箱]
[v1]
2026年10月22日星期四 20:22:31 UTC（5,470 KB）
来源：arXiv cs.AI · arxiv.org