北京林業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。據《北京市陸生野生動物名錄（2024）》，北京的野生鳥類達到了519種。

據了解，這一新的鳥類識別方法，具備優越的識別和泛化性能，平均精度優于以往方法，能夠有效識別背景復雜或外觀相似的鳥類圖像，可以為北京地區珍稀鳥類保護提供技術支撐, 也可以推廣到其他地區的鳥類監測與識別，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、中央高校優秀青年團隊項目、北京市自然科學基金和國家林草局林業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測漸成潮流。對珍稀鳥類的深入調查，可以了解它們的生態習性、種群動態、分布范圍等情況，從而促進珍稀鳥類的保護，對維護當地生物多樣性具有重要意義。如何能夠在不影響珍稀鳥類的情況下進行監測，是一項重大課題。

張軍國說，利用攝像頭監測濕地鳥類，具有非侵入性、長時間連續監測性、分辨率高、可遠程數據獲取、環境適應性強和多功能性等優勢，為鳥類多樣性監測提供強有力的技術支持。隨著該監測方法的不斷普及，將積累大量的監測圖像。如何高效地處理海量監測圖像，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知識。

此外，樣本收集和標注工作量大，且在野外環境中實現數據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化的復雜性挑戰，團隊與鳥類生態學專家密切合作，融合各學科的知識和經驗，利用高性能計算設備和先進的深度學習方法來優化模型。為解決鳥類圖像數據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指導。在此基礎上，研究團隊提出了一種創新方法，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工作。先后指導了3項國家級和北京市級大學生創新創業項目，帶領學生參加了多項創新創業大賽，獲得了顯著成績，在學校首屆“勉勵杯”大學生創新創業大賽和2024年“挑戰杯”首都大學生創業計劃競賽中均獲銅獎。學生研發的鳥類識別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，增強了生態保護意識。

“通過這些努力，我們不僅在技術研發上取得了突破，在培養科研人才和提高社會公眾的生態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積累了一定的研究成果。隨著對北京地區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。”

張軍國表示，他們的研究將拓展到生態監測和保護的其他領域，從而為生物多樣性的監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展開辟新的方向。（轉載自中國綠色時報）