通过虫体花粉识别构建植物-传粉者网络:人工模型与AI模型高度一致

传粉是生态系统中一项关键服务,准确识别和分析传粉者携带的花粉对于理解植物‒传粉者交互作用以及传粉服务至关重要。传统的花粉识别方法依赖于显微镜下的人工直接观察,这种方法耗时且需要专业知识,限制了其在大规模应用中的效率,在评估传粉效率和稀有植物‒传粉者连接方面存在局限性。针对此问题,我们使用公共平台训练了基于河南洛阳市天池山国家森林公园14种同时开花植物的花粉识别人工智能(AI)模型,通过比较人工显微镜观察和AI模型识别142只传粉者身体携带的花粉构成,首次探讨了两种方法构建的植物‒传粉者互作网络的结构差异。结果表明AI模型在构建时能够达到96%的整体准确率。人工识别与AI模型在识别的连接数量、花粉数量以及图片一致率方面存在差异。AI模型在识别连接和花粉数量上略高于人工方法,并且在第三方的一致性检验中,超过半数的情况倾向于AI模型的结果。尽管存在一些独有连接的差异,人工识别与AI模型构建的定量网络在结构特征上展现出高度的相似性。本研究揭示了AI图像识别技术对提高花粉分析效率和准确性的作用,以及应用于植物‒传粉者互作研究的潜力,这将有助于传粉网络研究的大规模开展,为传粉生态学研究提供新的工具和视角。