第十九届“挑战杯”全国大学生课外学术科技作品竞赛
2025
省赛
课外学术科技作品竞赛（主体赛）
特等奖
未转化
否
本作品首次创新性地提出了融合深度特征提取器与宽度学习系统的混合模型EN-BLS，旨在解决传统鸟类识别方法依赖人工经验、泛化能力不足及深度学习训练成本高的问题。技术路径分三阶段：迁移学习提取高维特征、构建宽度学习系统进行快速非线性映射、超参数优化实现端到端分类，突破单一模型性能瓶颈，实现复杂环境下的精准识别。 作品具有显著科学性、先进性与独特性。选用权威的两大公开鸟类数据集和自主构建的双桂湖鸟类图像数据集，通过五折交叉验证与消融实验确保结论可靠。最终达到超95%的识别准确率，训练时间缩短至983.79秒，参数量减少64.9%，首次提出的“深度特征提取 + 宽度快速分类”双阶段架构及超参数敏感性分析模型，有效解决过拟合与训练速度矛盾，保持高鲁棒性。 作品应用价值与现实意义突出。模型可部署于无人机与红外相机终端，实现自然保护区鸟类实时监测，单张图像识别耗时仅0.12秒，已成功应用于重庆梁平双桂湖国家湿地公园，识别1000余种鸟类，提升数据采集效率76%，为生物多样性保护提供自动化技术支撑，助力相关战略目标实施，且可扩展至昆虫、植物等细粒度识别场景，推动跨学科融合。
无
暂未公开
暂未公开
暂未公开
