|
|
||
|
通过虫体花粉识别构建植物‒传粉者网络: 人工模型与AI模型高度一致
生物多样性
2024, 32 (6):
24088-.
DOI: 10.17520/biods.2024088
传粉是生态系统中一项关键服务, 准确识别和分析传粉者携带的花粉对于理解植物‒传粉者交互作用以及传粉服务至关重要。传统的花粉识别方法依赖于显微镜下的人工直接观察, 这种方法耗时且需要专业知识, 限制了其在大规模应用中的效率, 在评估传粉效率和稀有植物‒传粉者连接方面存在局限性。针对此问题, 我们使用公共平台训练了基于河南洛阳市天池山国家森林公园14种同时开花植物的花粉识别人工智能(AI)模型, 通过比较人工显微镜观察和AI模型识别142只传粉者身体携带的花粉构成, 首次探讨了两种方法构建的植物‒传粉者互作网络的结构差异。结果表明AI模型在构建时能够达到96%的整体准确率。人工识别与AI模型在识别的连接数量、花粉数量以及图片一致率方面存在差异。AI模型在识别连接和花粉数量上略高于人工方法, 并且在第三方的一致性检验中, 超过半数的情况倾向于AI模型的结果。尽管存在一些独有连接的差异, 人工识别与AI模型构建的定量网络在结构特征上展现出高度的相似性。本研究揭示了AI图像识别技术对提高花粉分析效率和准确性的作用, 以及应用于植物‒传粉者互作研究的潜力, 这将有助于传粉网络研究的大规模开展, 为传粉生态学研究提供新的工具和视角。  View image in article
图4
通过人工识别(a)和AI模型识别(b)构建的植物‒传粉者定量网络。中间连线代表植物‒传粉者存在互作关系, 连线越宽,代表传粉者携带该植物花粉数量越多。图的上方表示传粉者种类(棕色: 鳞翅目; 红色: 膜翅目; 黄色: 鞘翅目; 紫色: 双翅目; 黑色: 其他), 下方表示植物物种, 物种缩写详见附录1。
正文中引用本图/表的段落
为了探究人工识别与AI模型识别传粉网络的结果是否有显著性差异, 我们分别构建了基于两种方法的定性和定量的植物?传粉者网络。在定性网络中, 人工观测共识别出139条植物与传粉者之间的连接, 其中17条是人工观测的独有连接(图3a)。相比之下, AI模型识别出了148条连接, 26条为AI模型的独有连接(图3b)。两种方法识别了122条相同的连接。尽管定性网络分析显示两者在连接数量和独有连接上有差异, 定量网络的结果表明了这些差异在总体上的影响较小(图4)。在定量网络中, 两种方法的独有连接的强度都很弱(12.3 ± 14.6, 图4), 而两种方法识别的相同连接则相对更强(127.5 ± 349.0, t = - 5.120, P < 0.001)。人工观测和AI模型都识别到了相同的主要连接, 比如过路黄(Lysimachia christinae)与膜翅目昆虫(编号为p6、p12和p15)之间的连接强度最高, 合计8,198粒花粉; 花旗杆与膜翅目昆虫(编号为p8、p9和p11), 合计2,701粒花粉; 以及垂盆草(Sedum sarmentosum)与膜翅目(p6)和双翅目昆虫(编号为p35)的连接, 合计2,276粒花粉。
本文的其它图/表
|
