学术研讨
本网讯
2025年11月11日上午，安徽省古建筑智能感知与高维建模国际联合研究中心在徽风楼608室召开小型研讨会。王亚文、吴豪程、薛巧玲、张浩四位研一同学依次作学术汇报，内容涉及 AI 智能体系统设计、多光谱激光雷达波形分解、动态光谱血液识别以及伪装目标检测等方向，集中展示了在智能感知与视觉计算交叉领域的最新学习与思考。
首先，王亚文同学以 AI agent 为主题，梳理了当前智能体系统的整体架构与工作流程，从任务规划、记忆机制设计到外部工具/API 调用与执行策略进行了系统介绍。她现场构建了一个结合搜索工具的基础 agent，实现了“信息检索—策略决策—结果输出”的闭环，并为其配置长期记忆模块，用于跨轮次存储与调用用户信息。在此基础上，她进一步演示了知识图谱的构建与可视化方法，说明如何将实体与关系嵌入到 agent 的决策过程中，以增强复杂场景下的语义理解与工具选择能力，为后续在古建筑智能感知等具体业务中的落地应用提供了清晰的思路。
围绕多光谱激光雷达数据处理，吴豪程同学重点介绍了一种面向多光谱全波形激光雷达的波形分解策略：通过在多个波长通道间引入一致性约束，并采用合理的初始化方式，对多波长回波进行联合建模与分解，从而更完整地刻画目标的几何结构与光谱特性。实验对比表明，相较传统的单波长波形分解方法，该方案在弱回波、重叠回波的分离以及相邻目标距离误差控制方面表现更优，可为植被结构反演、复杂地物三维重建和精细分类提供更高质量的输入参数。
在光谱生物检测研究部分，薛巧玲同学汇报了“基于 AFSA-SVM 动态光谱的血液识别研究”。她介绍了一种结合动态光谱采集与智能优化分类的方案：利用仿生血管装置获取更接近真实流动状态的血液光谱数据，减轻静态样品易氧化、稳定性差等问题；在建模阶段，引入人工鱼群算法对支持向量机的参数进行搜索与优化，以提升分类器的泛化能力。实验结果显示，AFSA-SVM 模型在识别准确率和 F1 分数等指标上均明显优于多种常见机器学习方法，为封闭条件下的快速、无创血液检测提供了可借鉴的技术路线。
针对伪装目标检测任务，张浩同学以伪装目标检测相关工作为切入点，对该方向的研究脉络和代表性模型进行了梳理。汇报从任务特性与难点出发，指出伪装目标检测需在前景与背景高度相似的情况下完成目标分割，因而对多尺度特征表达、边界细节刻画及不确定性建模提出了更高要求。随后，他结合多篇文献，归纳了深度学习方法中常见的设计思路，包括粗到细的多尺度编码解码结构、显著性与边缘信息联合约束、多任务学习框架，以及引入 Transformer、对比学习等机制以增强对细微差异的捕捉能力。报告还简要介绍了主流伪装数据集及评价指标，并讨论了此类方法在医学图像、生态监测、工业检测和国防等领域的潜在应用。
从整体来看，本次研讨会在议题选择上覆盖了“算法—传感—系统”多个层面：既有面向多光谱/动态光谱数据的信号处理与模式识别方法，也包括面向复杂场景的视觉检测技术梳理，以及面向通用任务的智能体系统实践。几位同学的汇报兼顾理论理解与工程实现，在交流讨论中不断碰撞出新的问题与想法，进一步推动了中心研究生在交叉方向上的深入学习与合作探索。
安徽省古建筑智能感知与高维建模国际联合研究中心
文：郭俊良 丁群 审稿：邵慧