近日，信息科學與工程學院專題學術(shù)匯報會第二期如期舉辦，韓琳、于聰兩位老師分別以“基于深度學習的智能數(shù)據(jù)挖掘算法”與“多模態(tài)感知與農(nóng)業(yè)智能應(yīng)用”為主題展開分享，集中呈現(xiàn)了學院在人工智能基礎(chǔ)理論創(chuàng)新與產(chǎn)業(yè)實際應(yīng)用交叉領(lǐng)域的顯著成果與扎實進展。
韓琳老師團隊針對高維、非結(jié)構(gòu)化數(shù)據(jù)處理的行業(yè)痛點，直面?zhèn)鹘y(tǒng)數(shù)據(jù)挖掘方法依賴特征工程、非線性建模能力薄弱等局限，創(chuàng)新構(gòu)建了融合注意力機制與多模態(tài)的智能挖掘算法。該算法通過自適應(yīng)模型結(jié)構(gòu)動態(tài)優(yōu)化參數(shù)，大幅提升了特征提取的精準度與模型泛化能力，經(jīng)實驗驗證，在圖像、文本等多類數(shù)據(jù)集上的性能均明顯優(yōu)于傳統(tǒng)方法，為復雜數(shù)據(jù)環(huán)境下的智能分析提供了全新解決方案。
于聰老師團隊則聚焦農(nóng)田開放場景中的精度不足、數(shù)據(jù)融合復雜、技術(shù)標準缺失等核心難題，整合無人機遙感、衛(wèi)星影像與地面?zhèn)鞲袛?shù)據(jù)，搭建起天空地一體化多模態(tài)感知體系。在作物關(guān)鍵指標（SPAD/LAI）反演、玉米倒伏智能識別、溫室小麥病害早期診斷等實際任務(wù)中成效斐然，其融合光譜、紋理與作物高度特征的深度學習模型，實現(xiàn)了葉面積指數(shù)（LAI）的高精度、大范圍估算，R2 值達 0.83-0.88，為精準施肥與產(chǎn)量預(yù)估提供了有力支撐。
兩場匯報勾勒出 “基礎(chǔ)算法創(chuàng)新 — 垂直場景深耕” 的清晰科研路徑，彰顯了學院堅持 “四個面向”、推動 AI 與實體經(jīng)濟深度融合的科研導向。作為學院常態(tài)化學術(shù)交流活動，此次匯報有效激發(fā)跨學科思想碰撞，為產(chǎn)學研用協(xié)同創(chuàng)新筑牢基礎(chǔ)。