细粒度图像分类（Fine-Grained Visual Categorization,FGVC）任务是对大类下的子类进行分类,比普通图像分类任务的粒度更为精细。蔬菜和水果识别可以看作是一项细粒度图像分类任务,由于类内方差大、类间方差小,并受遮挡、背景、视角等因素的影响比较大,因此非常具有挑战性。解决这一难题的主流方法是利用细粒度局部或全局特征来增强学习过程中的特征提取和表示。然而与人类视觉系统不同的是,大多数现有的FGVC方法在训练期间仅仅从单个图像中提取特征。相比之下,人们可以通过比较两张不同的图像来更好地学习辨别特征。传统的Attentive Pairwise Interaction Network（API-Net）,将图像对作为成对特征交互的输入,在几个开放的FGVC数据集中显示出优异的性能。然而,在蔬菜和水果领域的FGVC数据集VegFru上,API-Net的准确性却低于预期。通过对细粒度问题的分析,本文提出了一种基于注意力感知交互特征网络（AIF-Net）的FGVC框架,设计了完整的网络结构,在几个特定的蔬菜数据集上进行训练与测试实验,最后采用实际的数据图片进行实验验证。本文提出的基于注意感知交互特征学习的细粒度果蔬分类的人工智能算法（AIF-Net）创新之处在于:（1）提出了一种新的基于注意力机制的细粒度果蔬分类算法,该算法减少了细粒度图像因多尺度、复杂的背景信息等大量非相关信息进入训练过程的影响,聚焦关键信息位置,产生更具分辨性的特征表示,有效地增强了网络提取目标主体特征的能力。（2）融合了区域建议网络,构建形成新的网络结构。把含信息量多的局部区域特征和全局特征融合,进行交互式特征学习以生成高质量的细粒度特征。（3）优化了 API-Net损失函数,通过自适应地考虑特征优先级来学习图像对和局部区域中的每张图像,更好地优化底层神经网络。实验结果表明,在Veg200、Fru92和VegFru292三个数据集中,AIF-Net从区域建议网络提取三个局部区域,并和全局特征做串联融合操作,最后得出的Top-1准确率最高,分别为 89.087%、91.032%和 90.756%。在 VegFru292 数据集上,Top1 和 Top5 的准确率表现最佳,分别以3.515%和0.771%的精确度超过了 API-Net。本文所提出的AIF-Net通过结合全局和局部注意力特征图进行交互式特征学习,具有较好的辨别能力。