中国科学院南京地质古生物研究所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《交叉科学》。

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，是清洁能源页岩气的重要产出层位。

目前，古生物学者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，在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我国页岩气的勘探开发中。

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来说都是一个挑战。

为此，研究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3.4万幅化石标本图像。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，研究人员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地层古生物大数据中心的化石本体数据库，相关算法应用于部分其他常见化石门类的识别软件中，并开发了适用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

（原载于《中国科学报》 2024-01-01 第3版 综合）