
栏目介绍
为充分展现青年电气科技工作者的风采,搭建专业交流平台,促进青年人才之间的深度合作与创新,江苏省电工技术学会特别推出"电苑青年说"专栏。该专栏将定期推送优秀青年电气科技工作者的学术成果、创新实践及职业发展故事,旨在树立行业标杆,激发青年才俊的创新活力,为电气工程领域的可持续发展注入新生力量。
本期人物

康瑞
康睿,男,1990年生,副教授,硕士生导师,美国农业部访问学者,麦吉尔大学客座教授,现任南京农业大学人工智能学院教师。主要将各类先进的自动化技术与光学检测技术进行结合,并应用到不同的农业场景,在智慧农业、食品工厂和光学检测领域取得了突出成果。
学术成果
近年来,康教授团队主要聚焦于农业与食品领域智能光学检测技术,自动化设施种植和监测平台技术集成等方面研究。申请人主持国家自然科学基金青年项目1项,作为技术骨干参与国家重点研发、江苏省重点研发等各类项目,发表相关SCI论文50余篇。
一、智能显微高光谱成像技术——场景:致病菌数字化检测
针对农业场景中致病微生物污染问题,康教授团队提出了一种基于先进显微高光谱成像技术和智能算法的快速检测方法,能够在细胞水平实现致病菌高分辨的图谱表征和快速识别。该项目实现了自动化技术与显微镜技术的结合,研究方向涉及仪器、微生物、计算机和数学等多个研究领域,引起国内外相关同行的关注,具有较高的科学价值。
(1)实施步骤
(2)算法创新:3D-GhostNet优化高光谱数据处理效率
二、高通量表型平台构建——自走式平台、无人机及应用
针对真实农业场景中数据获取难和水肥一体化控制缺水等现难题,康教授率领的“农大智”团队构建了基于数据智能的新型智慧农业电气控制技术框架,能够对各类农业电气自动化设备进行精细控制和集中管理,助力江苏省设施果蔬的智能生产。
(1)自走式平台凭借全向移动底盘与多自由度机械臂的协同架构,通过三维主动感知(冠层穿透成像/多视角扫描)突破固定视角局限,实现对草莓隐蔽果实的成熟度分级和番茄群簇果实的实例分割计数;其语义SLAM导航动态适应植株生长形变,结合按需任务调度(与多模态传感切换(荧光/热成像叶片健康诊断),在保障亚厘米级空间分辨率的同时,降低轨道部署成本,为温室作物提供植株全生命周期厘米级时空数据库支撑。
(2)采用无人机进行真实场景的小麦技术时,密集麦穗相互堆叠遮挡,光照剧烈变化干扰纹理识别,麦穗与茎秆颜色高度相似导致区分困难。采用改进的YOLOv8架构,通过增强小目标检测层与自适应锚框机制,精准定位遮挡穗头;另外,受复杂人群计数算法CSRNet启发,开发了小麦穗头密度估算模型,并引入了自适应高斯核,实现了穗头精准计数。
科研故事
一、使命启蒙
回顾我国农业的发展历程,从古代“种以良种,耕以良法”的农耕智慧,到现代规模化的精准种植与管理,传统农艺与现代科技交融的“大智慧”始终是农业进步的澎湃动力。
十年前,当深谙精耕细作的农家子弟在美利坚求学时,突然见到了几个农民管理上千亩农场的种植,数名员工管理百万只家禽的养殖加工,那种如同科幻电影般的震撼感使他深刻的意识到,高度机械化、自动化和智能化才是农业的未来。
五年前,归国后的康教授蹲在田间地头一个个数秧苗,趴在温室种植袋上一只只摘番茄,一阵恍惚,中美科技的巨大落差使他感叹个人的渺小却又萌生出强烈的使命感,他立志要成为这场农业革命的参与者。
二、科研历程
近年来,康教授率领的“农大智”团队不仅尝试构建新型智慧农业电气自动化控制体系,还以数据驱动的“良法”开展了设施种植、智能养殖和食品精深加工的智能化探索。当前,智能电气化技术正在快速变革农业生产模式,康教授的团队正在研发和普及更多的智能化装备,让良种更良,让良法更精,让农业也有“大智慧”。
团队影像
延伸阅读
[1]Kang R, Sun S, Ouyang Q, et al. 3D-GhostNet: A novel spatial-spectral algorithm to improve foodborne bacteria classification coupled with hyperspectral microscopic imaging technology[J]. Sensors and Actuators B: Chemical, 2024: 135706.(Top,IF 8,他引4次)
[2]Kang R, Huang J, Zhou X, et al. Towards Real Scenery: A Light-weight Tomato Growth Inspection Algorithm for Leaf Disease Detection and Fruit Counting[J]. Plant Phenomics, 2024;6: Article 0174. ( Top,IF 7.6,他引15次)
[3]Kang R, Park B, Ouyang Q, Ren N. Rapid identification of foodborne bacteria with hyperspectral microscopic imaging and artificial intelligent classification algorithms [J]. Food Control, 2021, 130(108379). ( Top,IF 5.6,他引37次)
[4]Kang R, Park B, Eady M, Ouyang Q, Chen K. Single-cell classification of foodborne pathogens using hyperspectral microscope imaging coupled with deep learning frameworks [J]. Sensors and Actuators B: Chemical, 2020, 309(127789). ( Top,IF 8,他引69次)
[5]Kang R, Park B, Eady M, Ouyang Q, Chen K. Classification of foodborne bacteria using hyperspectral microscope imaging technology coupled with convolutional neural networks [J]. Applied Microbiology and Biotechnology, 2020, 1-10. ( Top,IF 4.9,他引44次)
友情链接
[教师个人主页]南京农业大学教师个人主页 康睿--中文主页--科学研究
|