由於尺度層級與基質組成的高度複雜性，土壤生物多樣性的解析始終是一項艱鉅挑戰。我們在土壤中所踏下的每一個足跡，往往覆蓋著數百至數百萬個微小生物，若無仰賴繁瑣的提取程序與顯微觀察，我們幾乎無法「看見」它們的存在。進一步研究這些生物同樣困難重重，不僅需維持其存活以觀察生命週期與生態功能，其分類與功能的鑑定過程亦極為費時費力。為克服這些挑戰，研究人員開發了「智慧型土壤生物探測器（Smart Soil Organism Detector，Smart SOD）」，一套整合高解析成像、多光譜感測、大口徑流式細胞儀與機器學習技術的創新系統，能夠以高通量、高解析度、非破壞性且可重複的方式，進行土壤生物的提取、分離、計數、鑑定與分選。此系統可達成 100% 準確率區辨活線蟲、死線蟲與線蟲角質層，並可精確識別線蟲亞種，其準確率達 95.5%、特異性達 99.4%。對於土壤微節肢動物的鑑定準確率亦達 96.1%。Smart SOD 系統廣泛適用於多樣土壤類群，為揭示全球土壤生物多樣性提供一項高效、準確且創新的研究工具。

此研究展示 Smart SOD 系統的整體架構與辨識性能。該系統首先將稀釋後的土壤樣本導入配備高速高解析攝影機與雷射感測模組的大口徑流式細胞儀 COPAS VISION 中，即時擷取每個生物體的多波長光學與形態特徵，再交由訓練完成的機器學習模型進行自動分類。系統能有效將線蟲從沙粒與土壤粒子中分離，並進一步區辨活體線蟲、死亡線蟲與其脫落角質層。透過支援向量機 (Support Vector Machines，SVM）與螢光染劑（如碘化丙啶），可在多光譜空間中清楚劃分不同類別，準確率達 100%。此外，系統可沿線蟲全身長進行高密度掃描（最多達 8,000 次），產生 43 個高維特徵，並以 UMAP 降維可視化不同菌株或屬間的差異。最後，應用梯度提升分類模型 (gradient boosted supervised classification models) 辨識線蟲菌株，展現極高的辨識精度與特異性，並藉由變數重要性分析 (Variable importance measures ) 揭示最具區辨力的光學特徵。

Smart SOD 系統整合高解析度成像、多光譜感測與高通量大口徑流式細胞儀，搭配機器學習流程，能以高通量、高準確度、非破壞且可重複的方式，快速萃取、分離、計數、鑑定與分類土壤生物，顯著提升對其形態、行為與生命週期的觀察效率，展現於土壤生物多樣性研究的高度應用潛力。作為維繫地球生態系統與人類生命支持系統的關鍵組成，土壤生物多樣性卻至今仍是最難以掌握的自然資源之一，且正面臨來自人為活動的前所未有威脅，其生態功能遭到破壞的同時，科學界對其變化機制的理解仍屬初步。因此，建構一套可持續量化與追蹤的分析技術成為當務之急，而 Smart SOD 系統正好回應了這一全球性的挑戰。透過工程設計與機器學習架構，該系統能建構已知土壤生物的分類資料庫，並以大量樣本進行訓練，使演算法模型得以在不同地區跨樣本應用而無需重新校準。例如，來自非洲的研究團隊可建立辨識特定 Protura 物種的模型，並供北歐研究者直接套用於新物種鑑別，實現即時跨域共享。Smart SOD 如同一扇嶄新觀測之窗，使我們能更深入理解並持續監測全球土壤生物多樣性的脈動。

Cite this article

Filgueiras, C. C., Kim, Y., Wickings, K. G., El Borai, F., Duncan, L. W., & Willett, D. S. (2023). The Smart Soil Organism Detector: An instrument and machine learning pipeline for soil species identification. Biosensors and Bioelectronics, 221, 114417.