关于卷积神经网络（Convolutional Neural Networks, CNN）的优点，说法不正确的是B: 捕捉长期信息。

以下是对各选项的专业分析：

A: 参数共享
参数共享是CNN的一大优点。卷积层中的过滤器（或称为卷积核）在整个输入图像上共享参数，这大大减少了网络的参数数量，进而降低了计算复杂度和内存需求。

B: 捕捉长期信息
捕捉长期信息并不是CNN的主要优点。CNN主要擅长于捕捉局部特征和空间信息，适用于图像处理和计算机视觉任务。捕捉长期依赖关系通常是循环神经网络（RNN）及其变种（如LSTM和GRU）的强项，而不是CNN的。

C: 稀疏交互
稀疏交互是指在卷积操作中，每个输出单元只与输入中的一小部分单元（即局部感受野）进行交互。这种特性使得CNN能够高效处理高维数据，并减少计算量。

D: 平移等价性
平移等价性是指卷积操作具有对输入图像平移的不变性，即如果输入图像发生平移，卷积操作的输出也会相应平移，但不会改变其值。这使得CNN在处理图像时能够更好地捕捉到物体的空间特征。

综上所述，选项B是不正确的，因为捕捉长期信息并不是CNN的优点。