AI与世界难题 · 生命科学 · Nature (computational biology) · 2026-10-20
通过生物多样性基础模型弥合蛾类自动化监测中的部署差距
原标题: Bridging the deployment gap in automated moth monitoring through biodiversity foundation models
用于自动化生物多样性监测的物种识别模型通常在大型公民科学图像库上训练，这导致其与野外部署图像之间存在域差距。作者利用约363,000张覆盖2,727个物种的公民科学图像构建了一个细粒度蛾类分类器，并通过生物多样性专用的预训练表示（BioCLIP2.5）、参数高效适配和数据增强优化了迁移学习流程。该流程在商用监测系统上取得了85.0%的Top-1准确率，在低成本边缘设备上取得了89.5%，分别将野外性能从38.9%提升至69.7%、从62.3%提升至82.3%。