西北大学文化遗产学院马志坤教授课题组联合团队在IEEE ICME2026挑战赛中荣获亚军

2026年7月9日，国际旗舰会议IEEE ICME（中国计算机学会推荐B类国际学术会议）2026年度会议于泰国闭幕。期间举办的首届古代植物种子细粒度分类挑战赛（APS）由山东大学、香港岭南大学等研究机构联合发起，该赛事是国际上首个“AI+植物考古”领域的专业竞赛，全球共计116支团队注册参赛。

西北大学文化遗产学院马志坤教授课题组与西安电子科技大学等多家单位组成联合团队参与该项赛事，以准确率0.9252、F1分数0.882、总分0.9036的测试成绩，在116支参赛队伍中脱颖而出，荣获第二名（亚军）。

图. IEEE ICME 2026 APS Challenge获奖证书（核心成员为西北大学文化遗产学院研究生邵炳鑫、游梓明；指导老师为西北大学文化遗产学院马志坤教授、田多副教授）

古代植物种子分类是植物考古、环境考古的核心指标。传统的鉴定流程受限于人工显微观测的处理时长，且容易产生个体经验偏差，因此引入人工智能技术进行高效、准确地识别，已成为当前“AI+植物考古”领域的热点与难点。本次挑战赛提供的数据集采集自18个独立考古遗址，涵盖17类（属/种级别）古代植物种子。其核心难点在于测试集的数据分布特征：赛方刻意引入了处于重度破损与变形状态的种子图像。这种数据分布会导致同类样本的形态差异急剧增加，而不同类别样本之间的视觉区分度降低。面对局部特征缺失时，单一的全局特征分类网络存在系统性误判的风险，这就要求分类系统必须在未知噪声和物理降解的条件下，精准提取形态学特征，并剥离背景干扰。

图.联合团队提出的双流架构概览图

图.SAM工作流与BG工作流的原始图像及注意力热图

针对上述分布偏移与特征缺失问题，联合团队巧妙设计并实现了一种基于DINOv3与直推式先验校准的双流架构网络，由语义解耦与分布校准两部分构成数据处理流程：

（1）使用Real-ESRGAN进行图像增强；采用直方图均衡化与SAM-HQ模型分离种子前景与背景，通过双流网络处理独立特征并执行动态融合。

（2）运用几何掩码算法模拟种子形态断裂，配合自适应边缘损失函数更新决策边界，以降低相近类别的特征重叠率。

（3）针对无标注测试集，构建基于规则蒸馏的多层感知机（MLP）校准模块，生成伪标签并在Logit空间修正样本分类偏差。

此次在国际旗舰赛事中斩获亚军，展现了西北大学在人工智能与人文学科交叉人才培养上的实践成效。这一成绩的取得，既归功于研究生院积极构建“学科交融、数智赋能”的教育新生态，通过提升学生的人工智能应用能力，为“AI+科研”的交叉创新奠定了坚实基础；也得益于文化遗产学院在“AI+考古”领域的深入探索，以及在复合型创新人才培养体系建设上取得的显著成效。

马志坤教授课题组长期致力于人工智能在植物考古、环境考古中的前沿应用研究。除参与本次挑战赛外，该课题组已有数篇关于机器学习与植物考古、环境考古研究的论文发表于《Journal of Archaeological Science》（JAS）、《Quaternary Science Reviews》（QSR）等国际权威考古学期刊。同时，文化遗产学院已开设《人工智能在考古学应用》本科课程，将在新学期开展相关的交叉学科教学工作。

联合团队参赛人员：

指导教师（西北大学）：马志坤教授（西北大学文化遗产学院）；田多副教授（西北大学文化遗产学院）

成员：邵炳鑫（西北大学文化遗产学院硕士研究生）；游梓明（西北大学文化遗产学院硕士研究生）；李博瑞（西安电子科技大学博士研究生）；范志远（天津职业技术师范大学硕士研究生）；张超诒（新疆师范大学本科生）