近日，工学院张军国教授团队在输电线路智慧驱鸟方向取得重要研究进展，提出了一种用于智能驱鸟设备的轻量化自注意力度量网络，有效提升了输电线路场景下鸟类识别的实时性与准确性。该成果以《A lightweight self-attention metric network for bird species recognition in intelligent bird repellent equipment》为题，发表于人工智能和工程交叉领域国际顶级期刊《Engineering Applications of Artificial Intelligence》（中国科学院一区TOP期刊，影响因子8）。

随着生态环境改善导致鸟类数量与活动范围扩大，输电线路鸟害频发，而受限采集条件与稀疏分布使标注数据不足，致使边缘驱鸟设备难以实现高精度、低功耗的差异化鸟类识别。针对这一问题，研究团队提出了一种自注意力度量网络（SAM-Net）用于输电线路场景下的少样本鸟类识别。该网络集成了简单注意力与自相关表示模块，以增强对关键语义区域的关注能力；同时引入推土距离度量方式，用于表征图像间的结构相似性，从而提升局部判别特征在鸟类图像识别中的利用率。此外，为在判别性能与部署效率之间实现最佳平衡，通过解耦知识蒸馏策略从SAM-Net中提炼出的轻量化SAM-Net（LSAM-Net），以在保持识别准确率的同时显著降低计算和存储开销。在智能驱鸟设备上的测试结果显示，LSAM-Net在推理速度、参数效率和计算成本方面均具有显著优势，实现了在资源受限边缘设备上的高效部署。

SAM-Net网络结构

该研究成果在网络结构设计上兼顾了高效轻量化与少样本鲁棒性，为输电线路中特定鸟类的智能识别与防护提供了技术支撑，可为鸟类行为的实时监测与科学管理、生态保护与电力设施安全提供高效、智能化的解决方案，同时也为生态人工智能在更多复杂应用场景中的发展奠定了基础。

论文第一作者为我校工学院教授谢将剑、博士生谢珊珊，通讯作者为张军国教授。帝国理工学院Björn W. Schuller教授等共同参与了上述研究。

该研究由北京市自然科学基金项目（5252014）和国家重点研发计划（2023YFF1304301）共同资助。

论文链接：https://www.sciencedirect.com/science/article/pii/S0952197625025771#d1e5969