近日，依托山东大学学科交叉中心“数智考古与中华文明特色分中心”，山东大学考古学院联合控制科学与工程学院、香港岭南大学在Nature旗下期刊npj Heritage Science在线发表题为“Towards Ancient Plant Seed Classification: A Benchmark Dataset and Baseline Model”的研究论文，破解古植物种子智能识别难题。山东大学学科交叉中心博士生邢瑞为论文第一作者，控制科学与工程学院丛润民教授、考古学院王灿教授为共同通讯作者。考古学院王芬教授、唐仲明教授、武昊助理研究员、武莹莹博士生和香港岭南大学邝得互（Sam Kwong）教授为论文共同作者。

依托山东大学植物考古实验室长期积累的古代植物遗存资源（公元前5400年——公元220年），研究团队利用专业显微成像设备采集炭化种子图像，构建了全球首个大规模、高质量古代植物种子图像分类数据集APS（Ancient Plant Seed Image Classification）。该数据集涵盖来自全国18处考古遗址的8430幅图像，覆盖17类古代常见农作物、杂草和果实种属，填补了国际古代植物种子智能识别研究领域长期缺乏标准数据资源的空白。

图1 古代植物遗存数据采集空间分布

在此基础上，团队针对炭化种子形态复杂、类间相似性高、类别分布不均衡等考古实际问题，提出了古代植物种子智能分类框架APSNet，实现了90.2%的分类准确率，显著优于现有主流方法，为古植物遗存自动识别提供了有效技术支撑。此外，团队进一步开发了古代植物种子智能识别系统，研究人员仅需上传种子图像或接入显微成像设备，即可快速获得识别结果，并实现检测记录的自动存储与管理，建立起高效、可复现、可共享的工作流程。该系统已在山东大学植物考古实验室部署使用，显著提升了古植物样本分析效率，降低了人工鉴定成本，为人工智能技术在考古科研中的落地应用提供了有益借鉴。

图2 古代植物种子智能识别系统展示

与此同时，团队积极推动领域开放合作与国际交流。依托APS数据集，研究团队于国际多媒体会议IEEEICME 2026举办首届古代植物种子细粒度分类挑战赛（APS Challenge），吸引来自全球的116支队伍参赛。挑战赛首次搭建起古代植物种子智能识别领域的国际竞赛平台，促进了“AI+植物考古”的跨学科交融，进一步提升了山东大学在数智考古领域的国际影响力和学术引领作用。

图3 首届古代植物种子细粒度分类挑战赛APS

从基础数据建设、算法创新，到系统研发、国际竞赛组织，本研究构建了古代植物种子智能识别的完整技术体系，探索出考古学与人工智能深度融合的新路径。相关成果不仅为植物考古研究提供了高效可靠的新工具，也为文化遗产科技创新和数智考古发展贡献了“山大方案”，展现了学校推进新文科建设、促进学科交叉融合的积极成效。

文章链接：https://www.nature.com/articles/s40494-026-02736-9

【作者：丛润民 王灿 邢瑞  审核：王灿】