草地贪夜蛾是对粮食安全具有巨大威胁的害虫,早发现、早防治对虫情控制具有重要意义。目前,利用深度学习方法进行草地贪夜蛾及其近缘种成虫识别的相关研究存在数据量严重偏小的情况,有可能造成模型未能真正学习到草地贪夜蛾及其近缘种成虫的环形纹、肾形纹等关键视觉特征。针对上述问题,本研究在建立包含草地贪夜蛾在内的7种夜蛾科成虫,10,177幅图像组成的数据库基础上,采用迁移学习方式建立了VGG-16、ResNet-50和DenseNet-121,3种夜蛾成虫识别深度学习模型,并用相同的测试集测试了所有模型。结果表明,构建的模型识别准确率均超过了98%。此外,本研究用特征可视化技术展现了模型习得的特征,并验证了这些特征和专家进行人工识别的关键视觉特征的一致性——ResNet-50和DenseNet-121的平均特征识别率在85%左右,进一步支持了用深度学习进行草地贪夜蛾成虫实时识别的可行性。研究发现,不同模型对夜蛾科成虫视觉特征的学习能力不一样,在评价模型时不能仅看识别率,还需要加入视觉特征识别率指标对模型的学习内容进行评价。本研究通过试验证明可视化分析可以直观认识模型的特征学习情况,可为行业内或其他领域的研究人员提供参考。