IT之家 7 月 9 日消息，據“中科院之聲”公眾號消息，中國科學(xué)院水生生物研究所運用人工智能圖像識別技術(shù)，成功研發(fā)出底棲動(dòng)物智能識別系統，實(shí)現了底棲動(dòng)物全程自動(dòng)化識別檢測。

　　IT之家從官方介紹獲悉，底棲動(dòng)物是淡水生態(tài)系統的重要組成部分，其多樣性水平能反映水環(huán)境的健康狀況，是水生態(tài)監測的重要指標。

　　然而，基于形態(tài)學(xué)的傳統鑒定方法存在諸多局限。例如，底棲動(dòng)物形態(tài)復雜，鑒定時(shí)需要逐一檢視目標的細微特征。這導致底棲動(dòng)物鑒定難度大，時(shí)間長(cháng)，難以滿(mǎn)足生態(tài)監測的高時(shí)效性需求。因此，亟待開(kāi)發(fā)快速、準確的鑒定技術(shù)和產(chǎn)品。

　　

 

　　▲武漢湖泊中蘊藏著(zhù)豐富的底棲動(dòng)物種類(lèi)，圖源“中科院之聲”公眾號(下同)

　　團隊以?xún)深?lèi)前沿人工智能圖像識別算法為框架，搭建了底棲動(dòng)物識別核心模型。其中，YOLO 系列目標檢測算法能夠迅速發(fā)現并定位檢測目標，Vision-Transformer 算法則通過(guò)模擬人類(lèi)注意力機制，準確分辨不同種類(lèi)之間的細微特征差異。

　　在此基礎上，團隊針對底棲動(dòng)物類(lèi)群進(jìn)一步優(yōu)化模型。以多尺度注意力模塊為中心的架構，讓模型能同時(shí)觀(guān)察目標的局部細節和整體輪廓，提升對關(guān)鍵識別特征的捕捉精度。此外，重疊識別算法的運用大幅改善了模型對遮擋重疊個(gè)體、小個(gè)體高密度等復雜場(chǎng)景下底棲動(dòng)物樣品的檢測效果。

　　基于底棲動(dòng)物智能識別算法，團隊與湖北省生態(tài)環(huán)境科學(xué)研究院聯(lián)合開(kāi)展了自動(dòng)化機械設計工作，研發(fā)出底棲動(dòng)物智能識別系統。依托數十萬(wàn)張底棲動(dòng)物高清顯微照片和強大的算力支持，該系統搭載的最新模型可識別底棲動(dòng)物 350 余屬種，常見(jiàn)種類(lèi)識別準確率達 90% 以上。

　　

 

　　▲底棲動(dòng)物智能識別系統

　　團隊同時(shí)為該系統配備了專(zhuān)業(yè)管理軟件，支持以項目為單位開(kāi)展底棲動(dòng)物樣品檢測、數據交互與智慧分析工作。

　　操作員只需將樣品放入固定容器中，由系統內置的顯微拍攝模塊對樣品進(jìn)行圖像掃描和智能識別，直至生成數據報表和檢測報告。全程高度自動(dòng)化，無(wú)需人工干預。該系統或將為底棲動(dòng)物生態(tài)監測技術(shù)帶來(lái)新的變革。