基于视觉Transformer模型的日本蜉蝣科昆虫分类研究

为解决水生无脊椎动物分类鉴定耗时且需专业知识的问题，来自日本的研究团队利用视觉Transformer(ViT)模型开展蜉蝣目(Ephemeroptera)科级分类研究。通过构建包含1,110张图像的数据集，模型在验证集和测试集分别达到94.2%和82.9%准确率，为生物监测提供了高效的计算机视觉解决方案。

　　

底栖大型无脊椎动物作为河流生态系统生物监测的重要指示类群，其传统分类鉴定过程既耗时又依赖专家经验。这项创新性研究首次将视觉Transformer(ViT)模型应用于蜉蝣目(Ephemeroptera)的科级分类，重点评估模型对常见三科——四节蜉科(Baetidae)、扁蜉科(Ephemerellidae)和扁蜉科(Heptageniidae)以及其他合并科别的识别能力。

研究团队精心构建了两个专属图像数据集，共包含1,110张蜉蝣标本图像，划分为训练集和验证集，并创新性地从在线图库获取测试数据以验证模型泛化能力。值得注意的是，在训练样本量相对有限且测试集图像风格存在差异的条件下，ViT模型仍展现出卓越性能：验证集准确率达94.2%，跨数据源的测试集准确率亦达82.9%。

该成果为水生生物多样性监测提供了突破性的技术路径，特别是解决了区域性调查中分类专家短缺的痛点。尽管仍需针对不同生物区系和采样方法进行优化，但这项研究无疑为计算机视觉在无脊椎动物分类学中的应用树立了成功范例，对推动环境监测的智能化转型具有重要意义。