针对细粒度图像类间差异小、鉴别性特征难以捕捉、识别精度低等问题,提出一种基于跨粒度特征渐进融合的细粒度图像识别方法.首先,使用随机区域混淆模块(RRCM)生成不同粒度级别的图像,用于训练骨干网络ConvNeXt的不同阶段;其次,使用随机样本交换模块(RRSM)增强不同粒度图像在模型中层的表征;然后,使用渐进式多粒度训练策略、互信道损失函数进行模型训练,协同融合跨粒度信息;最后,拼接融合多粒度特征并组合分类器,获得最终识别结果.实验结果表明,所提方法在CUB-200-2011、Stanford　Cars和FGVC-Aircraft等3个公开数据集上的识别精度分别为92.8%、95.5%和94.0%,优于当前主流的细粒度图像识别方法.在自行构建的Lock-Hole锁芯孔数据集上的识别精度达到97.3%,单张图像平均识别时间为0.016　s,能够实现锁芯孔图像的精准识别,满足应急开锁场景下的快速锁芯孔识别要求.