化石分类机器人将帮助研究人员研究海洋和气候

即时发布

埃德加Lobaton edgar.lobaton@ncsu.edu

马特·希普曼 matt_shipman@ncsu.edu

研究人员开发并演示了一种能够分类、操作和识别微观海洋化石的机器人。这项新技术自动化了一个繁琐的过程，在促进我们对世界海洋和气候的理解方面发挥了关键作用，无论是在今天还是在史前时期。

“这项技术的美妙之处在于，它使用的是相对便宜的现成组件，而且我们的设计和人工智能软件都是开源的，”北卡罗来纳州立大学电气与计算机工程副教授埃德加·洛巴顿(Edgar Lobaton)说。他是一篇关于这项工作的论文的合著者。“我们的目标是让这个工具广泛使用，这样就可以被尽可能多的研究人员使用，以促进我们对海洋、生物多样性和气候的理解。”

这项名为Forabot的技术使用机器人和人工智能对有孔虫或有孔虫的生物遗骸进行物理操作，以便对这些遗骸进行分离、成像和识别。

有孔虫是原生生物，既不是植物也不是动物，在我们的海洋中普遍存在了1亿多年。有孔虫死亡时，会留下它们的小壳，大多数不到一毫米宽。这些贝壳让科学家们深入了解有孔虫活着时海洋的特征。例如，不同类型的有孔虫物种在不同的海洋环境中茁壮成长，化学测量可以告诉科学家从海洋的化学成分到贝壳形成时的温度。

然而，评估有孔虫壳和化石既繁琐又耗时。这就是为什么一个工程和古海洋学专家团队开发了Forabot来自动化这个过程。

“在这一点上，Forabot能够识别6种不同类型的有孔虫，每小时处理27种有孔虫——但它永远不会厌倦，也永远不会厌倦，”洛巴顿说。“这是一个概念验证原型，所以我们将扩大它能够识别的有孔虫物种的数量。我们乐观地认为，我们还能够提高它每小时处理有孔虫的数量。

“此外，在这一点上，Forabot识别有孔虫的准确率为79%，比大多数受过训练的人都要好。”

“一旦Forabot得到优化，它将成为一件有价值的研究设备，允许学生‘有孔虫采摘者’更好地花时间学习更高级的技能，”论文的合著者、科罗拉多大学博尔德分校的地质科学教授汤姆·马切托(Tom Marchitto)说。“通过使用社区来源的分类学知识来训练机器人，我们还可以提高跨研究小组有孔虫识别的一致性。”

以下是Forabot的工作原理。首先，使用者必须清洗和筛选数百个有孔虫样本。这给用户留下了一堆看起来像沙子的东西。然后将有孔虫样本放入一个称为隔离塔的容器中。然后，隔离塔底部的一根针向上穿过样品，将单个有孔孔提起，并通过吸力从塔中取出。吸力将有孔虫拉到一个称为成像塔的单独容器中，该容器配备了自动化的高分辨率摄像机，可以捕获有孔虫的多个图像。在拍摄图像后，再用针将有孔虫提起，直到可以通过吸力将其取出并放置在分拣站的相关容器中。Forabot在行动的视频可以在https://www.youtube.com/watch?v=nLkLIghc4Jg．

“我们的想法是，我们的人工智能可以使用图像来识别它是什么类型的有孔虫，并相应地进行分类，”洛巴顿说。

洛巴顿补充说:“我们正在一份开源期刊上发表论文，并将蓝图和人工智能软件包括在论文的补充材料中。”“希望人们能利用它。我们的下一步是扩大系统可以识别的有孔虫类型，并致力于优化操作速度。”

这张纸。”Forabot:自动浮游有孔虫分离和成像发表在开放获取期刊上地球化学，地球物理，地球系统．这篇论文的通讯作者是Turner Richmond，刚从北卡罗来纳州毕业的博士。这篇论文的合著者是北卡罗来纳州立大学的博士毕业生杰里米·科尔(Jeremy Cole);以及北卡罗来纳州立大学的本科生加布里埃拉·丹格勒的作品。

这项工作得到了美国国家科学基金会的支持，资助号为1829930。

希普曼-

编者须知:研究摘要如下。

Forabot:浮游有孔虫的自动分离和成像

作者: Turner Richmond, Jeremy Cole, Gabriella Dangler, Michael Daniele and Edgar Lobaton，北卡罗莱纳州立大学;Thomas Marichatto，科罗拉多大学博尔德分校

发表: 11月29日地球化学，地球物理，地球系统

DOI: 10.1029/2022 gc010689

文摘:有孔虫作为古环境和年代地层的指示物，对有孔虫进行物理检查和分类是许多研究实验室必须进行的工作。为了从样本中获得物种数量，分析化学成分，或提取有孔虫的形态特征，研究实验室需要人类的时间和精力来处理和分类这些微观化石。本文介绍了Forabot，这是一种开源系统，可以物理操作单个有孔虫进行成像和隔离，与人类互动最少。本文概述了构建Forabot的主要组件，并提供了其他研究人员可以使用低成本、现成组件构建Forabot的补充信息。从数百个有孔虫的洗涤和筛选样本中，Forabot被证明能够隔离和成像单个有孔虫。Forabot目前的管道时间允许每小时处理多达27个有孔虫标本，这一速度可以通过降低图像质量和/或数量来提高未来的分类目的。随着物理描述，图像处理和分类管道也进行了审查。概念验证分类器利用经过微调的vg -16网络，在Forabot收集的有孔虫图像验证集上实现79%的分类精度。综上所述，该系统能够以较低的成本构建，有效地对有孔虫进行操作，错误少，为未来的研究提供高质量的图像，并对成像的有孔虫进行分类。