北京林业大学张军国教授团队提出了一种新的鸟类识别方法，相关文章《基于TC-YOLO模型的北京珍稀鸟类识别方法》日前已在《生物多样性》期刊发表。
北京市处于东亚-澳大利西亚候鸟迁徙通道，每年都有大量的候鸟迁徙途经。据《北京市陆生野生动物名录（2024）》，北京的野生鸟类达到了519种。
据了解，这一新的鸟类识别方法，具备优越的识别和泛化性能，平均精度优于以往方法，能够有效识别背景复杂或外观相似的鸟类图像，可以为北京地区珍稀鸟类保护提供技术支撑, 也可以推广到其他地区的鸟类监测与识别，具有重要的实际应用价值。鸟类识别方法研究项目得到国家自然科学基金、中央高校优秀青年团队项目、北京市自然科学基金和国家林草局林业科技成果推广计划的支持。
近年来，国家对生物多样性保护的重视程度不断提高，出台了一系列政策和措施，开展生物多样性智慧监测渐成潮流。对珍稀鸟类的深入调查，可以了解它们的生态习性、种群动态、分布范围等情况，从而促进珍稀鸟类的保护，对维护当地生物多样性具有重要意义。如何能够在不影响珍稀鸟类的情况下进行监测，是一项重大课题。
张军国说，利用摄像头监测湿地鸟类，具有非侵入性、长时间连续监测性、分辨率高、可远程数据获取、环境适应性强和多功能性等优势，为鸟类多样性监测提供强有力的技术支持。随着该监测方法的不断普及，将积累大量的监测图像。如何高效地处理海量监测图像，准确识别其中的鸟类信息，成为精准评估鸟类多样性的核心挑战之一。
近年来，利用深度学习技术自动识别鸟类，成为鸟类调查保护的重要手段。由于实际鸟类图像普遍存在复杂背景，以及相近科属鸟类往往具有相似外观等问题，导致深度学习模型识别容易出现漏检和误检。这些因素共同推动了相关研究项目的立项，进而促进了珍稀鸟类保护和技术的进步。
在完成这次湿地鸟类识别方法研究项目的过程中，张军国团队遇到了许多困难。大家想办法，反复尝试，问题都加以解决了。
首先是湿地环境本身具有复杂性。这包括多变的气候条件、复杂的植被覆盖以及多样的鸟类行为模式。在这些因素的共同作用下，对识别算法的适应性提出了更高要求。
其次，鸟类种类繁多，部分种类间的形态十分相似，导致识别过程中的分类难度增加，需要研究团队具备深厚的鸟类学专业知识。
此外，样本收集和标注工作量大，且在野外环境中实现数据的均衡分布尤为困难。这直接影响了深度学习模型的训练效果和泛化能力。这些困难要求研究团队不仅要有跨学科的协作精神，还要具备解决实际问题的能力。
在研究中，为了应对跨学科知识整合以及模型训练和优化的复杂性挑战，团队与鸟类生态学专家密切合作，融合各学科的知识和经验，利用高性能计算设备和先进的深度学习方法来优化模型。为解决鸟类图像数据标注中类别不确定的问题，研究团队特别邀请了鸟类学专家进行专业指导。在此基础上，研究团队提出了一种创新方法，以克服背景复杂对鸟类检测准确性的影响。
针对鸟类外观相似性所导致的误检问题，研究团队采取了将定位与分类任务解耦的策略：利用多级特征信息精确定位鸟类目标，同时结合底层的纹理细节与高层的语义特征进行物种分类。这一策略显著提升了鸟类识别的准确性。
辛勤地耕耘取得了丰硕的成果，在基于深度学习的鸟类物种识别方向，张军国的课题组共有4项发明专利获得授权，还获得了6项软件著作权。
课题组结合研究，承担本科生的实践能力培养工作。先后指导了3项国家级和北京市级大学生创新创业项目，带领学生参加了多项创新创业大赛，获得了显著成绩，在学校首届“勉励杯”大学生创新创业大赛和2024年“挑战杯”首都大学生创业计划竞赛中均获铜奖。学生研发的鸟类识别App，在第25届中国机器人及人工智能大赛全国总决赛中获得了三等奖。
通过社会实践和公众讲座等形式，课题组积极向大众科普鸟类保护的知识，提升了公众对生物多样性保护的认知和兴趣，增强了生态保护意识。
“通过这些努力，我们不仅在技术研发上取得了突破，在培养科研人才和提高社会公众的生态保护意识方面也取得了显著进展。”张军国说。
说起未来的打算，张军国说：“我们课题组前期在基于深度学习的鸟鸣声识别方面也已经积累了一定的研究成果。随着对北京地区珍稀鸟类图像识别工作的开展，未来我们将结合珍稀鸟类的鸣声或地理信息开展多模态鸟类识别，综合分析不同鸟种的图像和声音特征，并且结合特定地域的鸟种信息，以便更加准确地识别珍稀鸟类。”
张军国表示，他们的研究将拓展到生态监测和保护的其他领域，从而为生物多样性的监测和保护提供更加全面和深入的技术支持。这些综合性的研究工作，不仅能够提升生物多样性保护的效率和效果，也将为相关领域的科学研究和技术发展开辟新的方向。
