大数据与人工智能是驱动地球科学研究范式革新的重要手段。其在古生物学研究中也有着越来越多的应用，如利用卷积神经网络进行化石图像的智能识别分类、采用数字图像处理技术进行化石形态特征数据的自动获取和分析等。
随着古生物化石样品采集精度的提高和科研与生产实践中对样品分析更加高效的需求，科研人员通常需要在较短时间内处理大量化石图像。其中对其进行形态学特征的测量与分析是图像处理的主要工作之一。目前化石的形态学数据主要依赖于手动操作测量软件，如Image J等。这样不仅繁琐耗时，而且具有一定的主观性，容易产生人为误差。
近期，中国科学院南京地质古生物研究所早期生命研究团队的万斌副研究员指导硕士研究生郑文涛，与东南大学、上海交通大学、南京大学的研究人员合作，设计开发了一款化石图像测量分析的可视化操作界面—“FossilMorph”工具软件。该软件可用于进行化石图像形态特征的自动测量和定量分析。研究成果近期发表于地学期刊《远古世界》（Palaeoworld）。
该软件版本主要是基于OpenCV-Python快速图像处理的计算机视觉工具，使用了多种图像处理技术，包括灰度转换、图像滤波、图像二值化、连通域分析等，并采用了OCR字符识别技术对化石图像比例尺进行自动识别以及换算，实现了对椭球形、丝状体、部分破损等类型的有机壁微体化石形态特征进行自动化批量提取和定量分析。分析结果可以Excel数据（.xlsx格式）导出或以箱线图、散点图、直方图、聚类图等多种类型图件呈现。
该软件的应用可大幅节省科研人员的时间与精力，明显提升化石图像形态特征的数据化和准确率。目前批处理模式可在1分钟内完成2000个化石图像形态数据的采集和分析。该技术在一定程度上表明了数字图像处理技术在有机质壁微体化石研究中具有很大潜力。
目前，该软件版本对于个体保存、形态相对简单、且主体与背景对比强烈的化石图像（如光学显微镜下的孢粉和疑源类酸蚀处理的薄片照片）具有较好的处理效果。未来随着算法的创新，FossilMorph将不断优化，致力于处理形态更为复杂的化石类型和集群保存化石组合等，并与卷积神经网络应用相结合，依据化石定量化的形态和结构特征，进行化石图像的智能识别和定量分析，从而挖掘化石背后的更多真实有效数据信息，为揭示生命演化提供数据支撑。
相关软件已申请中国版权保护中心的计算机软件著作权。
该研究受到国家自然科学基金项目、中国科学院先导专项B类和前沿重点部署项目、现代古生物学与地层学国家重点实验室项目、香港特别行政区博士后奖学金联合资助。
论文相关信息：Zheng Wentao#, Lou Zhouwei#, Yu Yefeng, Tang Qing, Wang Xiaopeng, Zhao Xianye, Shi Hongyi, Wan Bin*. FossilMorph: A new tool for fossil automatic measurement and statistical analysis. Palaeoworld. 2022. https://doi.org/10.1016/j.palwor.2022.11.001.
图1 FossilMorph数字图像处理流程图
图2 丝状体类型的算法示意图
图3 FossilMorph单图处理模式（A）和批量处理模式（B）界面截图
图4 FossilMorph数据定量分析的图件展示
附件下载：