基于人工智能的泥炭藓亚属(Sphagnum)标本无解剖鉴定技术研究

研究人员针对传统苔藓植物鉴定需依赖耗时显微解剖的难题，创新开发了首个专注于泥炭藓亚属(Sphagnum)标本的AI识别系统FireNetSEz。通过分析4386份标本图像和105份DNA验证样本，该模型以68% AUCPR准确率实现物种鉴定，并发现人类易忽略的器官边缘特征，为气候变化重要指示物种的快速鉴定提供了新范式。

　　

这项突破性研究将人工智能(AI)技术引入传统植物分类学领域，专门攻克泥炭藓亚属(Sphagnum)这类高难度标本的鉴定难题。这类苔藓植物具有显著的形态可塑性，传统鉴定需要专家耗费数小时进行显微解剖。研究团队另辟蹊径，利用4386份公开标本图像和105份经DNA条形码验证的样本，成功训练出FireNetSEz深度学习模型。

令人惊叹的是，这个仅需低分辨率图像的AI系统不仅实现了68%的AUCPR(精度-召回曲线下面积)鉴定准确率，在五类常见物种的测试中甚至超越了专业苔藓学家的判断水平。更引人入胜的是，通过可视化分析发现，AI主要依据人类常忽视的器官边缘特征进行判别，这为传统植物分类学提供了全新的形态学视角。

该技术的突破意义深远——泥炭藓作为全球泥炭地生态系统的关键物种，其快速准确鉴定对监测碳储存和气候变化至关重要。这项研究不仅验证了AI在复杂植物鉴定中的潜力，更开创了"无解剖式"标本研究新范式，为数字化植物标本馆时代提供了革命性工具。