摘要  为对原料茧中的上车茧和下茧进行准确分类，实现蚕茧分拣智能化、机械化，文中提出了一种基于多尺度特征融合和增强的双线性池化分类模型。首先以ResNet41作为特征提取骨干网络构建双线性池化模型，增强网络特征提取能力的同时得到不同维度语义信息；然后引入自适应空间特征融合模块，融合蚕茧浅层图像信息和深层语义信息，解决ResNet41在特征提取过程中出现的信息丢失问题；最后采用挤压和激发模块抑制冗余信息，降低分类偏差。改进模型B-Res41-ASE在测试集中的分类准确率和F1值分别为93.7%和94.9%，对上车茧的分类精确率为97.8%，对黄斑茧、柴印茧、烂茧、瘪茧、薄皮茧等下茧的分类精确率分别为96.4%、93.7%、98.6%、94.5%、93.1%，相比于改进前模型和常用的细粒度分类模型均有明显优势，且B-Res41-ASE对蚕茧的可判别区域的聚焦更精准。实验结果表明，文中提出的优化方法在分类准确率、鲁棒性等方面优于其他蚕茧分类模型，可为蚕茧智能分拣提供理论依据。