近期，中国科学院南京地质古生物研究所地层古生物大数据中心研究员徐洪河，联合天津大学副教授牛志彬等，基于笔石化石多模态数据集以及深度学习残差网络算法，在笔石化石智能识别领域取得系列进展。相关研究成果日前发表于《细胞》子刊《交叉科学》（iScience），其算法与软件系统获得一项美国发明专利。

据了解，笔石化石的研究对于认识生物宏演化、开展地层对比以及页岩气勘查均具有重要意义。笔石化石的地质时代延限短，对于判断地层的地质时代具有不可替代的作用。另外，笔石所赋存的页岩，也是清洁能源页岩气的重要产出层位。

目前，古生物学者们已经通过详细的笔石化石和生物地层学、油气勘查等领域的综合研究，将不同的笔石物种与页岩气的赋存层位之间建立了关联，并将这种关联关系应用到了我国页岩气的勘探开发之中。

然而，笔石化石往往个体较小，不同物种之间形态上差别微小，对笔石化石的鉴定一直是古生物学领域的重点和难点工作之一。如何准确、快速鉴定笔石化石对于地质学家甚至古生物学家都是一项挑战。

为此，科研人员花费两年多时间，创建了笔石化石标本综合数据集。该数据集涵盖了华南奥陶系-志留系地层中的113个笔石种或亚种的科学信息，并包含超过34000幅化石标本图像。科研人员通过对这些笔石化石标本图像开展精细化的标注，并利用残差网络训练人工智能深度学习模型，所获得的模型对于笔石属、种的自动识别准确率可达86%和81%。

该笔石软件与系统已经部署在了地层古生物大数据中心的化石本体数据库（fossil-ontology.com），相关算法也应用在了部分其他常见的化石门类的识别软件中，并开发了适合于移动设备的应用程序。

相关论文信息：https://doi.org/10.1016/j.isci.2023.108549

  ?

笔石标本图像数据可视化与人工智能分类结果，软件所判别的热点区域与化石的重要特征具有一致性。 南京古生物所供图