传统的害虫图像识别技术基于图像的点特征和线特征。 在复杂的照明条件下或更改摄像机角度时，分类识别效果不准确。 本文提出了一种基于改进的Wolf Pack算法（WPA）的害虫图像分类方法，以优化贝叶斯网络（BN）结构学习。 首先，我们选择一个预训练的卷积神经网络（CNN）来提取数据集的图像特征。 然后将特征向量和图像分类输入到BN中。 其次，改进了传统的Wolf Pack.Algorithm算法，并将其作为一种搜索算法，将贝叶斯信息准则（BIC）作为一种评分函数来学习BN的结构。 然后通过最大似然（ML）算法学习BN的参数以形成贝叶斯分类器。 与其他害虫分类方法相比，该方法在害虫图像分类的分类精度上有一定程度的提高。
