中国科学院水生生物研究所运用人工智能图像识别技术，成功研发出底栖动物智能识别系统，实现了底栖动物全程自动化识别检测。

底栖动物是淡水生态系统的重要组成部分，其多样性水平能反映水环境的健康状况，是水生态监测的重要指标。然而，基于形态学的传统鉴定方法存在诸多局限。例如，底栖动物形态复杂，鉴定时需要逐一检视目标的细微特征。这导致底栖动物鉴定难度大，时间长，难以满足生态监测的高时效性需求。因此，亟待开发快速、准确的鉴定技术和产品。

团队以两类前沿人工智能图像识别算法为框架，搭建了底栖动物识别核心模型。其中，YOLO 系列目标检测算法能够迅速发现并定位检测目标，Vision-Transformer 算法则通过模拟人类注意力机制，准确分辨不同种类之间的细微特征差异。

在此基础上，团队针对底栖动物类群进一步优化模型。以多尺度注意力模块为中心的架构，让模型能同时观察目标的局部细节和整体轮廓，提升对关键识别特征的捕捉精度。此外，重叠识别算法的运用大幅改善了模型对遮挡重叠个体、小个体高密度等复杂场景下底栖动物样品的检测效果。

基于底栖动物智能识别算法，团队与湖北省生态环境科学研究院联合开展了自动化机械设计工作，研发出底栖动物智能识别系统。依托数十万张底栖动物高清显微照片和强大的算力支持，该系统搭载的最新模型可识别底栖动物 350 余属种，常见种类识别准确率达 90% 以上。

团队同时为该系统配备了专业管理软件，支持以项目为单位开展底栖动物样品检测、数据交互与智慧分析工作。

操作员只需将样品放入固定容器中，由系统内置的显微拍摄模块对样品进行图像扫描和智能识别，直至生成数据报表和检测报告。全程高度自动化，无需人工干预。该系统或将为底栖动物生态监测技术带来新的变革。