28/04/2026
台灣跨校研究團隊成功將人工智慧應用於昆蟲行為研究,利用「Detect Any Mouse Model」(DAMM)模型,在低光源與複雜背景環境下,精準追蹤並量化兩種鍬形蟲的雄性打鬥行為,為昆蟲行為學開創全新量化分析方法。由中原大學 蕭崇德特聘教授,東海大學卓逸民 終身特聘教授與臺灣師範大學 林仲平教授團隊共同領導的研究,近日發表於國際Scientific Reports期刊。研究人員在模擬自然棲息地的壓克力競技場中,設置休息區與中央食物管,讓雄性鍬形蟲在接近全黑的低光條件下進行爭食與爭地盤的對戰。傳統人工觀察或一般追蹤軟體在複雜背景與低光下常失效,而團隊改良的DAMM模型(基於Mask R-CNN架構),能有效辨識並追蹤每隻鍬形蟲的中心位置,自動產出軌跡資料。研究顯示,台灣本土種雞冠細身赤鍬形蟲在打鬥中展現較強的領域性,獲勝個體會積極守住食物管,平均距離食物管較近、停留在休息區的時間明顯較短,移動速度與轉向角度也與輸家有顯著差異。相較之下,索羅門大頭細身赤鍬形蟲的打鬥行為模式則較為不同,勝負與守住食物管的關聯性較低。透過DAMM自動計算的「互動時間」與人工統計的打鬥次數呈現高度正相關,證明此方法具有高度可靠性。團隊開發了自製註解工具進行模型微調,成功克服了鍬形蟲移動快速、背景雜亂以及紅外線低光拍攝等挑戰。作者表示:「這是首次將DAMM成功應用於昆蟲行為分析,讓我們能客觀、量化地記錄夜行性昆蟲在接近自然環境下的複雜互動,取代過去耗時且主觀的人工計分。」此技術不僅能深入探討武器形態(大顎)與打鬥策略的演化關係,未來更可擴展至其他昆蟲或節肢動物的行為研究,有助於了解低光環境下動物的生態與演化機制。