考古木材树种鉴定是研究古代资源利用、木作技术及遗址形成过程的重要基础工作。长期以来，该项工作主要依赖木材解剖学专家通过显微特征进行人工判定，不仅耗时较长，而且在面对大量降解样品时存在一定局限性。国家文物局考古研究中心科研人员在国际期刊《npj Heritage Science》发表研究论文：Inferring ancient from modern: a deep learning approach for species identification of archaeological wood（《考古木材树种智能识别方法研究——基于现代木材训练的深度学习模型》），探索人工智能技术在考古木材树种鉴定中的应用。

研究以现代木材和安徽武王墩一号墓出土考古木材为对象，采集不同树种木材横切面显微图像，构建融合卷积神经网络（CNN）和Transformer架构的深度学习模型。通过引入迁移学习和自注意力机制，模型能够从现代木材中学习树种解剖特征，并将其迁移应用于保存状态复杂的考古木材识别。研究结果表明，该模型在12种现代木材识别中的总体准确率达到94.20%，对考古木材样品同样表现出较好的识别能力和稳定性。自注意力可视化结果进一步揭示了模型关注的关键解剖特征区域，提高了识别过程的可解释性。

研究验证了利用现代木材数据辅助考古木材树种鉴定的可行性，为考古发掘现场木材快速识别、大规模木材遗存分析以及古代木材资源利用研究提供了新的技术手段，也为人工智能技术在文化遗产保护领域的应用提供了新的思路。

国家文物局考古研究中心汪嘉君副研究馆员为论文第一作者，国家文物局考古研究中心张治国研究馆员和中国林业科学研究院木材工业研究所殷亚方研究员为论文的共同通讯作者。

图1：采用不同制备方法获取的现代及考古木材样本横截面图像

图2：深度学习模型中Transformer编码器生成的自注意力图可视化

（12种现代木材树种识别）

论文链接：https://www.nature.com/articles/s40494-025-02254-0