基于深度学习单阶段算法的䗴类化石检测

䗴化石是石炭纪、二叠纪重要的标准化石,其详细的鉴定工作对确定地质时代和划分石炭系‒二叠系具有重要意义.鉴于目前䗴类化石检测方法的局限性,提出一种基于深度学习单阶段算法的䗴类化石检测.以䗴类化石为研究对象,对原始模型进行分析,之后联合优化权重损失函数和BN层尺度因子的L1正则化等方式进行通道剪枝,再使用知识蒸馏使剪枝后模型恢复检测性能.实验结果表明,该方法可实现薄片图像中䗴类所在区域的定位和分类,平均精度均值达到98.1%,满足实时检测模型的要求,并且剪枝后参数量压缩了74.1%,解决了真实场景中存在的算力缺乏等问题.该方法能够有效保证䗴类化石的检测效果,同时扩展了该模型在嵌入式设备的适用范围,为深度学习在古生物化石图像的智能识别方面提供更多可能性.

华南二叠纪紫松期—罗甸期䗴类生物地层再研究

二叠纪紫松期至罗甸期是晚古生代冰川从巅峰走向消融的转折期,精确的地层格架是研究全球气候变化及其影响的基础。华南二叠纪海相地层中䗴类化石丰富,是该时期地层划分与对比的重要参考。受冰川影响,华南这一时期处于低水位期,沉积相分异显著,䗴类生物地层对比存在困难。为此,本文在现有研究的基础上,对这一时期常见䗴类属种的地层分布进行了分析,包括Robustoschwagerina、Zellia、Eoparafusulina、Schwagerina cushmani、Darvasites、Chalaroschwagerina、Staffella、Pseudoendothyra和Nankinella等,以探究这些属种在地层划分和对比中的作用,并进一步对紫松阶至罗甸阶䗴类化石带进行横向对比。其中,Pseudoschwagerina带和Sphaeroschwagerina带的地层延限基本相当,包括整个紫松阶,带化石在紫松阶下部和中部繁盛,而在紫松阶上部衰减;紫松阶顶部相当于萨克马尔期的地层在台地滩相发育Robustoschwagerina ziyunensis带,在其他地区与之相当的䗴带为Eoparafusulina带或Pseudofusulina vulgaris-Laxifusulina iniqua带。隆林阶主要发育Pamirina带,与之相当的䗴带为Pseudoendothyra discalis带、Chalaroschwagerina tumentis带及Pamirina chinlingensis带、Staffella moellerana带及Schwagerina cushmani带。罗甸阶上部的Misellina claudiae带在华南地区广泛发育,而在该带下部则发育有Pseudoendothyra discalis带、Staffella带、Schwagerina shaxianensis带和Brevaxina带等不同化石群。