研究方向
智慧电力
方向介绍：
主要在高级量测系统架构（ Advanced Metering Infrastructure）等方面，结合数据科学、人工智能等最新技术，研究客户服务质量评价、停电事件分析、窃电智能监测、线损监测分析，电能质量管理、负荷预测与异常。 内容：
- 高级量测系统架构（ Advanced Metering Infrastructure ）和业务服务。
- 时序数据分析方法研究，针对周期性变化时序数据，分析时序数据预测、拟合与修补、异常模式挖掘。
- 新一代用电信息采集2.0相关业务智能化算法.
植物表型
方向介绍：
主要围绕菊花、荷花、水稻等作物，针对植物表型数据标号少、非均衡、细粒度等特点，利用基于深度主动学习、自监督学习、主动学习等人工智能方法研究表型智能识别系统。
植物病害
方向介绍：
主要围绕水稻、马铃薯等作物，基于数据驱动和人工智能技术研究叶片病害分析方法和病害智能化测报系统。
食品大模型
方向介绍：
大模型可以提高AI模型的表达能力和预测性能，能够处理更加复杂的任务和数据，正逐渐成为人工智能领域的重要力量。本课题组主要研究大模型垂直领域数据预处理、模型优化、业务开发等。目前主要研究食品规范大模型。 1）根据不同种类食品的国家食品相关标准，使用大模型数据模板，自动化提取以及ETL等技术建立预包装食品规范数据集；2）基于语义融合以及语义对齐等技术将不同的特征进行整合 ，更好的支持本项目的应用；3）研究食品规范大模型的关键技术，包括注意力机制、指令微调、奖励模型、深度强化学习和基于已有的大模型进行迁移学习；4）开发食品标签规范识别与分析系统，主要业务是进行标签合规性识别，规范性知识问答等，通过食品规范大模型关键技术研究，研究具有创新性和示范性作用的大模型关键技术。
