基于自动化形态特征标注的生物学形态特征标注方法

形态特征是生物学生物体的物理特征，提供了关于生物体如何与其环境相互作用的关键线索。然而，从这些特征中提取信息仍是一个缓慢、依赖专家的过程，这限制了其在大规模生态研究中的应用。一个主要瓶颈是缺乏将生物学图像与特征级别标注链接的高质量数据集。本文展示，稀疏自编码器在基础模型特征上进行训练，可产生单语义、在空间上有定位的神经元，这些神经元在有意义的形态部件上持续激活。利用这一属性，我们引入了一个特征标注管道，用于局部化显著区域并利用视觉语言提示生成可解释的特征描述。通过这种方法，我们构建了 Bioscan-Traits 数据集，包含 8 万条特征标注，涵盖 1.9 万幅昆虫图像，来自 BIOSCAN-5M。人类评估确认了所生成形态描述的生物学合理性。我们通过全面的消除研究评估了设计灵敏度，系统性地变更关键设计选择，并衡量其对结果特征描述质量的影响。在不昂贵的手动努力的情况下，通过模块化管道标注特征，我们提供了一种可扩展的方式，将生物学有意义的监督信息注入基础模型，使大规模形态分析成为可能，并弥合了生态相关性与机器学习实用性之间的差距。