植物病害

    主要围绕马铃薯、水稻等作物，基于数据驱动和人工智能技术，研究叶片病害进展评价及分析方法；无人机图像的田间晚疫病早期检测技术：基于多模态数据的马铃薯晚疫病病情进展早期预测模型。

植物表型

    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。

大模型及其应用

    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。本课题组主要致力于探索大模型在垂直领域的应用，聚焦数据预处理、模型优化和业务开发等关键技术，推动大模型技术与行业场景深度融合，赋能产业智能化升级。目前主要研究应用主要包括两个领域：

1. 计量大模型：面向电力计量领域，充分运用基础大模型，结合指令微调、奖励模型和强化学习等人工智能技术，面向采集运维、计量资产、线损治理、光伏调控、现场作业和运行监测等业务，构建集智能化、个性化和高效能于一体的计量专业大模型，提升计量专业智能化水平。
2. 食品大模型：基于国家食品标准构建预包装食品规范数据集，通过相关大模型关键技术，开发食品标签合规识别与知识问答系统，推动食品规范大模型创新应用。