AI 與世界的難題 · 生命科學 · Nature (computational biology) · 2026-10-20
以生物多樣性基礎模型彌補自動化蛾類監測的部署落差
原標題: Bridging the deployment gap in automated moth monitoring through biodiversity foundation models
用於自動化生物多樣性監測的物種辨識模型,通常以大型公民科學影像資料庫訓練,因而與田野部署影像之間產生領域落差。作者利用約 363,000 張涵蓋 2,727 個物種的公民科學影像建立細粒度蛾類分類器,並透過生物多樣性專屬的預訓練表徵(BioCLIP2.5)、參數高效調適與資料增強來最佳化遷移學習流程。此流程在商用監測系統上達到 85.0% 的 Top-1 準確率,在低成本邊緣裝置上達到 89.5%,分別將田野效能從 38.9% 提升至 69.7%,以及從 62.3% 提升至 82.3%。