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。
大模型及其应用
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：
- 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。
- 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。
