長江流域は淡水生物多様性保全の重要な地域である。長江十年禁漁計画の実施により、効果的な水生生息物多様性モニタリングと種レベルの識別の重要性が高まっている。しかし、近縁な淡水魚類の細粒度識別は、形態的差異が微妙であるため依然として困難である。既存の深層学習手法は分類精度と推論効率のバランスを取ることが難しく、大規模言語モデル（LLM）は専門的な生物学的知識を生成する際に根拠のない情報を生み出す可能性がある。
これらの課題に対処するため、本研究はFSVLを提案する。これは視覚認識とLLMベースの検索拡張生成（RAG）を統合したファスト・スロー二経路フレームワークである。軽量なResNet50高速経路が長江中流域の51種の魚類を初期分類し、事前に定義された紛らわしい種のグループを低速経路にルーティングして精細識別を行う。分類学的基準に導かれ、低速経路はYOLOv8nを用いて頭部、背びれ、尾部などの主要な形態領域を検出し、形態計測および輪郭特性を活用して近縁種間の識別精度を向上させる。
さらに、このフレームワークは検索拡張されたQwen3-14Bバックエンドを統合し、ソフトトークンと低ランク適応（LoRA）を用いてパラメータ効率の高い領域知識生成を実現する。評価用の607枚のテスト画像セットでは、高速分類器が99.67%の精度を達成し、カスケードが2つの誤りを修正して全体精度100.00%となった。ただし、独立した標本や外部条件下でのさらなる検証が必要である。
255の知識生成サンプルでは、学名精度が91.37%から100.00%に、属レベル精度が90.20%から98.82%に、ROUGE-Lが0.335から0.655に向上した。これらの結果は、インテリジェントな生物多様性モニタリングと漁業管理を支援する。本論文はMeng Liangら11名の著者によって執筆され、2026年10月22日に提出された。コンピュータビジョンとパターン認識（cs.CV）および人工知能（cs.AI）の分野に属する。