近日，我校姜广顺教授团队在国际期刊《Integrative Zoology》（中科院Q1区）上发表题为《Combination of Facial and Nose Features of Amur Tigers to Determine Age》的研究成果，基于动物衰老造成色素沉积的原理，利用东北虎面部和鼻部黑色素沉积影像特征对东北虎年龄进行了预测研究。这种基于深度学习的无创、低成本的东北虎年龄鉴定方法，有助于研究人员和管理人员快速确定东北虎的年龄，为东北虎种群的科学保护与管理提供技术支撑。
野生动物个体的年龄信息对掌握动物种群的稳定性和发展趋势及科学保护管理至关重要。但野外活体动物年龄的鉴定是一个巨大的挑战和难题。姜广顺研究团队针对黑龙江省东北虎林园614只东北虎，依据东北虎发育规律划分为幼体（1岁）、亚成体（2-3岁）、成体（4-9岁）、老年（10岁及以上）4个阶段。以定量分析的方式验证东北虎鼻子上的黑点面积比例与年龄之间呈正相关，从而确认东北虎鼻子上的黑斑是一个很好的年龄测定特征。进而，将东北虎年龄识别转化为年龄段分类和年龄预测问题。利用深度学习技术使用虎鼻、虎脸以及两者的联合特征，并基于联合特征构建双分支网络，来识别东北虎的年龄。本研究在年龄段分类实验中，在基于面部特征、鼻子特征和联合特征上的年龄段分类精度分别达到了82.93%，84.15%和86.59%。在年龄预测实验中，基于鼻子特征的年龄预测精度达到了最小的0.568平均绝对误差(MAE)。
双分支网络在年龄分类实验中的实验过程示意图
该研究揭示了东北虎年龄与虎鼻子上黑斑面积的占比呈正相关，东北虎的年龄可以通过分析面部或鼻子特征信息来确定。与单独的鼻子或面部特征相比，将面部特征和鼻子特征相结合具有更大的准确性。实验结果表明，多尺度信息的网络融合有效地提高了模型预测的精准性。
该研究由东北林业大学国家林业和草原局猫科动物研究中心和计算机与控制工程学院合作完成，硕士研究生赵彩平与戴文锐为共同第一作者，姜广顺教授与马光凯博士为共同通讯作者。
原文链接：http://doi.org/10.1111/1749-4877.12817。
