北京林業(yè)大學張軍國教授團隊提出了一種新的鳥類識別方法，相關文章《基于TC-YOLO模型的北京珍稀鳥類識別方法》日前已在《生物多樣性》期刊發(fā)表。

北京市處于東亞-澳大利西亞候鳥遷徙通道，每年都有大量的候鳥遷徙途經(jīng)。據(jù)《北京市陸生野生動物名錄（2024）》，北京的野生鳥類達到了519種。

據(jù)了解，這一新的鳥類識別方法，具備優(yōu)越的識別和泛化性能，平均精度優(yōu)于以往方法，能夠有效識別背景復雜或外觀相似的鳥類圖像，可以為北京地區(qū)珍稀鳥類保護提供技術支撐, 也可以推廣到其他地區(qū)的鳥類監(jiān)測與識別，具有重要的實際應用價值。鳥類識別方法研究項目得到國家自然科學基金、中央高校優(yōu)秀青年團隊項目、北京市自然科學基金和國家林草局林業(yè)科技成果推廣計劃的支持。

近年來，國家對生物多樣性保護的重視程度不斷提高，出臺了一系列政策和措施，開展生物多樣性智慧監(jiān)測漸成潮流。對珍稀鳥類的深入調查，可以了解它們的生態(tài)習性、種群動態(tài)、分布范圍等情況，從而促進珍稀鳥類的保護，對維護當?shù)厣锒鄻有跃哂兄匾饬x。如何能夠在不影響珍稀鳥類的情況下進行監(jiān)測，是一項重大課題。

張軍國說，利用攝像頭監(jiān)測濕地鳥類，具有非侵入性、長時間連續(xù)監(jiān)測性、分辨率高、可遠程數(shù)據(jù)獲取、環(huán)境適應性強和多功能性等優(yōu)勢，為鳥類多樣性監(jiān)測提供強有力的技術支持。隨著該監(jiān)測方法的不斷普及，將積累大量的監(jiān)測圖像。如何高效地處理海量監(jiān)測圖像，準確識別其中的鳥類信息，成為精準評估鳥類多樣性的核心挑戰(zhàn)之一。

近年來，利用深度學習技術自動識別鳥類，成為鳥類調查保護的重要手段。由于實際鳥類圖像普遍存在復雜背景，以及相近科屬鳥類往往具有相似外觀等問題，導致深度學習模型識別容易出現(xiàn)漏檢和誤檢。這些因素共同推動了相關研究項目的立項，進而促進了珍稀鳥類保護和技術的進步。

在完成這次濕地鳥類識別方法研究項目的過程中，張軍國團隊遇到了許多困難。大家想辦法，反復嘗試，問題都加以解決了。

首先是濕地環(huán)境本身具有復雜性。這包括多變的氣候條件、復雜的植被覆蓋以及多樣的鳥類行為模式。在這些因素的共同作用下，對識別算法的適應性提出了更高要求。

其次，鳥類種類繁多，部分種類間的形態(tài)十分相似，導致識別過程中的分類難度增加，需要研究團隊具備深厚的鳥類學專業(yè)知識。

此外，樣本收集和標注工作量大，且在野外環(huán)境中實現(xiàn)數(shù)據(jù)的均衡分布尤為困難。這直接影響了深度學習模型的訓練效果和泛化能力。這些困難要求研究團隊不僅要有跨學科的協(xié)作精神，還要具備解決實際問題的能力。

在研究中，為了應對跨學科知識整合以及模型訓練和優(yōu)化的復雜性挑戰(zhàn)，團隊與鳥類生態(tài)學專家密切合作，融合各學科的知識和經(jīng)驗，利用高性能計算設備和先進的深度學習方法來優(yōu)化模型。為解決鳥類圖像數(shù)據(jù)標注中類別不確定的問題，研究團隊特別邀請了鳥類學專家進行專業(yè)指導。在此基礎上，研究團隊提出了一種創(chuàng)新方法，以克服背景復雜對鳥類檢測準確性的影響。

針對鳥類外觀相似性所導致的誤檢問題，研究團隊采取了將定位與分類任務解耦的策略：利用多級特征信息精確定位鳥類目標，同時結合底層的紋理細節(jié)與高層的語義特征進行物種分類。這一策略顯著提升了鳥類識別的準確性。

辛勤地耕耘取得了豐碩的成果，在基于深度學習的鳥類物種識別方向，張軍國的課題組共有4項發(fā)明專利獲得授權，還獲得了6項軟件著作權。

課題組結合研究，承擔本科生的實踐能力培養(yǎng)工作。先后指導了3項國家級和北京市級大學生創(chuàng)新創(chuàng)業(yè)項目，帶領學生參加了多項創(chuàng)新創(chuàng)業(yè)大賽，獲得了顯著成績，在學校首屆“勉勵杯”大學生創(chuàng)新創(chuàng)業(yè)大賽和2024年“挑戰(zhàn)杯”首都大學生創(chuàng)業(yè)計劃競賽中均獲銅獎。學生研發(fā)的鳥類識別App，在第25屆中國機器人及人工智能大賽全國總決賽中獲得了三等獎。

通過社會實踐和公眾講座等形式，課題組積極向大眾科普鳥類保護的知識，提升了公眾對生物多樣性保護的認知和興趣，增強了生態(tài)保護意識。

“通過這些努力，我們不僅在技術研發(fā)上取得了突破，在培養(yǎng)科研人才和提高社會公眾的生態(tài)保護意識方面也取得了顯著進展?！睆堒妵f。

說起未來的打算，張軍國說：“我們課題組前期在基于深度學習的鳥鳴聲識別方面也已經(jīng)積累了一定的研究成果。隨著對北京地區(qū)珍稀鳥類圖像識別工作的開展，未來我們將結合珍稀鳥類的鳴聲或地理信息開展多模態(tài)鳥類識別，綜合分析不同鳥種的圖像和聲音特征，并且結合特定地域的鳥種信息，以便更加準確地識別珍稀鳥類?！?/p>

張軍國表示，他們的研究將拓展到生態(tài)監(jiān)測和保護的其他領域，從而為生物多樣性的監(jiān)測和保護提供更加全面和深入的技術支持。這些綜合性的研究工作，不僅能夠提升生物多樣性保護的效率和效果，也將為相關領域的科學研究和技術發(fā)展開辟新的方向。（鐵錚）