[發明專利]微體古生物化石圖像檢測、分類及發現方法、系統及應用

在審

• 申請號: 202110253901.1
• 申請日: 2021-03-09
• 公開（公告）號: CN113128335A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 賀小偉;李得棟;韓健;張濤;王賓;劉濤;牛犇;唐可昕
• 申請（專利權）人: 西北大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 黃偉洪

本發明屬于古生物化石識別技術領域，公開了一種微體古生物化石圖像檢測、分類及發現方法、系統及應用，所述微體古生物化石圖像檢測、分類及發現方法包括：制定微體化石圖像采集標準，拍攝微體化石圖像；構建帶有仿微體化石的數據集；搭建SSD網絡；調整預選框長寬比；加載預訓練模型的原始權重文件，訓練微體化石圖像檢測的網絡模型；將待檢測圖像輸入訓練好的網絡模型，使用非極大值抑制算法篩選出合適的檢測結果；對區別于原始已知微體化石的人工仿化石類別檢測結果做重點記錄。本發明利用SSD網絡自動篩選和分類微體化石，具備發現新種類化石的功能，可對現有大量未分類的微體化石圖像進行快速而準確的檢測，是節約人工分類成本的有力措施。

技術領域

本發明屬于古生物化石識別技術領域，尤其涉及一種微體古生物化石圖像檢測、分類及發現方法、系統及應用。

背景技術

目前，我國寒武系，比如云南梅樹村組、陜南寬川鋪組、湖北巖家河組、貴州戈仲午組以及華北辛集組、新疆玉兒吐斯組等產有豐富的磷酸鹽化的微體化石(常稱為小殼化石)，這些微體化石是探索寒武紀生命大爆發以及動物門類起源與演化的絕佳窗口。以陜南寒武紀初期的寬川鋪組(距今大約5.35億年) 為例，因為保存動物軟軀體結構和球狀動物胚胎化石而聞名于世。目前寬川鋪組中已經發現了藍細菌、宏體藻類、刺細胞動物、原牙形動物、軟體動物等大量疑難類型，難以和現代生物進行對比。其中還有一些罕見的動物類型與埃迪卡拉紀晚期的管狀化石非常相似。這進一步凸顯了寬川鋪生物群在早期生命演化和寒武紀生命大爆發研究中的重要性。另外，在寬川鋪生物群中也發現了其它一些稀有的但非常重要的動物類型，迫切需要找到更多的標本才能進一步揭示這些動物化石的生物屬性。

微體化石則由于個體微小，肉眼難以發現或識別，傳統的尋找具有研究價值的化石都是通過人工在顯微鏡下逐個挑選。一般而言，微體化石受限于小生境，分異度較小，個別優勢種豐度非常高，其他類型或者具有研究價值的標本則非常少。而新類型的不斷發現也使得具有研究價值的標本日益減少，化石挑選工作日趨低效。長期單調的重復性的化石挑選工作則嚴重影響挑樣人員的視力健康，不計其數的微體化石和殘渣也考驗著僅有數十年有限生命的研究人員的耐心，因此迫切需要新的技術手段來解決這些問題。

人工智能圖像識別與機器自動分揀在當今社會許多行業已經得到廣泛應用，而廣為所知的現代植物人工智能識別程序“形色”深受大眾喜愛。將人工智能應用到微體化石工作中，無疑會為微體化石的研究提供很大便利。與數量較少的遭受壓扁變形的宏體化石不同，微體化石的三維立體保存、無變形或者少變形、大樣本數量這三個要素恰好能滿足目前人工智能圖像處理的基本要求。

2006年，深度學習進入科研人員的視野，卷積神經網絡(Convolutional NeuralNetworks,CNN)被廣泛用在目標檢測與識別領域，科研人員對卷積神經網絡展開一系列研究，2012年出現了AlexNet等基礎網絡結構，但其深度比較淺難以提取圖像的深層次特征。后續全球科研人員提出VGGNet、R-CNN算法，基于 VGGNet、R-CNN的網絡一直沿用至今，出現FasterR-CNN、YOLO、SSD等檢測效果良好的成熟深度網絡，應用在不同場景：Faster R-CNN犧牲了檢測速度來保持高的檢測準確性，傳統YOLO網絡有超快的檢測速度但其檢測精度欠佳， SSD網絡在具備較快檢測速度的同時保證了檢測精度，在實時檢測任務中表現良好。

國內外目前陸續有學者利用機器學習和深度學習的人工智能方法發表文章，引起了古生物學者的廣泛關注。目前國內外研究人員也打算采用人工智能來研究古生物化石，比如南京地質與古生物研究所的研究人員打算利用地球生物多樣性數據庫(GBDB)進行化石自動識別。本團隊在人工微體化石圖像的基礎上，已使用基于支持向量機(SVM)的多類別化石識別器處理識別陜南西鄉、寧強寬川鋪組的最為常見的廢渣和幾種常見的微體化石圖像，但是在顯微鏡下獲取的圖像往往包含多個相互附著在一起的微體化石，基于SVM的識別器對此類粘連目標的識別準確率有待提高，且此方法只有識別功能，不具備新種類化石發現功能。因此，有必要設計一個識別效率高、魯棒性好、具備發現新類別功能的檢測方法，來滿足現階段微體化石的分類工作需要。