本網(wǎng)訊 近日，內(nèi)蒙古師范大學(xué)人工智能學(xué)院公茂果教授帶領(lǐng)科研團隊在人工智能賦能畜牧業(yè)和能源領(lǐng)域取得新突破，連續(xù)在畜牧業(yè)和能源領(lǐng)域的國際高水平學(xué)術(shù)期刊上發(fā)表系列原創(chuàng)性成果。
團隊成員張玨博士在畜牧業(yè)領(lǐng)域的一區(qū)Top期刊《Meat Science》上發(fā)表題為《Rapid determination of lamb meat freshness using the hyperspectral imaging combined with symmetric stacking ensemble algorithm》的研究成果。該研究面向肉類高光譜成像智能分析的兩大難點開展攻關(guān)，在保持組織結(jié)構(gòu)完整的前提下實現(xiàn)羊肉新鮮度的可靠無損檢測，并在多指標(biāo)融合建模中提升可解釋性與生物學(xué)關(guān)聯(lián)性。該研究將高光譜成像與人工智能深度融合，提出了關(guān)鍵波段自適應(yīng)提取與多模型特征融合機制，構(gòu)建了對稱堆疊集成學(xué)習(xí)框架SSEL，發(fā)現(xiàn)了 620 至 630 nm 光譜峰值紅移與肌紅蛋白 OxyMb 向高鐵肌紅蛋白 MetMb 轉(zhuǎn)變密切相關(guān)，該區(qū)域具有重要生物標(biāo)志潛力，可用作評估儲存期間羊肉腐敗程度的關(guān)鍵特征波段。SSEL 集成學(xué)習(xí)架構(gòu)融合多類基學(xué)習(xí)器與元學(xué)習(xí)器，緩解高維高光譜數(shù)據(jù)的欠擬合與過擬合問題，在 TVB-N、TVC、pH、L* 等新鮮度指標(biāo)預(yù)測中，R2 提升約 5% 至 12%，RMSEP 降低約 15% 至 28%，整體性能優(yōu)于傳統(tǒng)單一建模方法。同時提出融合光譜動態(tài)變化與理化指標(biāo)的雙通道時間序列建模策略，并引入基于多目標(biāo)優(yōu)化的儲存時間預(yù)測機制，實現(xiàn)對羊肉儲存周期的準(zhǔn)確評估。該技術(shù)貫通數(shù)據(jù)采集、特征波段自適應(yīng)提取、集成建模與分子機制層面的可解釋性分析，在肉類質(zhì)量安全監(jiān)測、冷鏈運輸管理、智能包裝檢測與食品溯源等場景具有顯著應(yīng)用價值。
團隊成員郝帥博士在能源領(lǐng)域的一區(qū)Top期刊《Energy》上發(fā)表題為《Physics-informed Hierarchical Perception Modulation Network for Lithium-ion Battery Health Management》的研究成果。該研究圍繞復(fù)雜工況下電池健康狀態(tài)評估準(zhǔn)確性與魯棒性難題，提出了物理約束層次感知調(diào)制網(wǎng)絡(luò)，實現(xiàn)了對電池退化動力學(xué)的精準(zhǔn)建模與電池健康狀態(tài)高精度預(yù)測，在多變溫度、載荷與充放電策略條件下表現(xiàn)出更強的泛化能力與穩(wěn)定性。該方法實現(xiàn)了雙分支協(xié)同框架，局部分支采用卷積神經(jīng)網(wǎng)絡(luò)提取細粒度電化學(xué)表征，捕獲循環(huán)內(nèi)快速變化的微結(jié)構(gòu)信息；全局分支引入Transformer建模長程時序依賴，刻畫跨循環(huán)的容量衰退軌跡。兩分支通過“退化感知”調(diào)制機制耦合，使全局退化上下文自適應(yīng)調(diào)制局部特征提取，動態(tài)平衡局部敏感性與全局一致性。同時設(shè)計物理約束損失，將離散狀態(tài)空間退化方程嵌入學(xué)習(xí)過程，以物理先驗規(guī)范參數(shù)更新，減輕僅憑數(shù)據(jù)驅(qū)動帶來的不確定性。經(jīng)過系統(tǒng)評測，物理約束層次感知調(diào)制網(wǎng)絡(luò)在預(yù)測精度與跨工況泛化方面均優(yōu)于現(xiàn)有代表性方法，有限數(shù)據(jù)場景下仍保持穩(wěn)健表現(xiàn)。該成果為電動汽車電池管理系統(tǒng)提供可落地的電池健康狀態(tài)在線估計方案，可服務(wù)車輛安全預(yù)警與運維決策，并對儲能系統(tǒng)壽命評估、預(yù)測性維護等應(yīng)用具有重要價值。
未來，團隊將繼續(xù)面向國家與自治區(qū)重大科技需求和國際學(xué)術(shù)前沿，聚焦人工智能與多學(xué)科交叉的核心科學(xué)問題，深入推進面向牧場全場景的智能感知與監(jiān)測、新能源系統(tǒng)智能運維等關(guān)鍵技術(shù)的理論創(chuàng)新與應(yīng)用落地，積極服務(wù)現(xiàn)代畜牧業(yè)升級與清潔低碳能源體系構(gòu)建等重點領(lǐng)域，持續(xù)形成可復(fù)制可推廣的技術(shù)體系與工程化方案，支撐區(qū)域產(chǎn)業(yè)升級與高質(zhì)量發(fā)展。
來源：人工智能學(xué)院
