本网讯 近日，内蒙古师范大学人工智能学院公茂果教授带领科研团队在人工智能赋能畜牧业和能源领域取得新突破，连续在畜牧业和能源领域的国际高水平学术期刊上发表系列原创性成果。

团队成员张珏博士在畜牧业领域的一区Top期刊《Meat Science》上发表题为《Rapid determination of lamb meat freshness using the hyperspectral imaging combined with symmetric stacking ensemble algorithm》的研究成果。该研究面向肉类高光谱成像智能分析的两大难点开展攻关，在保持组织结构完整的前提下实现羊肉新鲜度的可靠无损检测，并在多指标融合建模中提升可解释性与生物学关联性。该研究将高光谱成像与人工智能深度融合，提出了关键波段自适应提取与多模型特征融合机制，构建了对称堆叠集成学习框架SSEL，发现了 620 至 630 nm 光谱峰值红移与肌红蛋白 OxyMb 向高铁肌红蛋白 MetMb 转变密切相关，该区域具有重要生物标志潜力，可用作评估储存期间羊肉腐败程度的关键特征波段。SSEL 集成学习架构融合多类基学习器与元学习器，缓解高维高光谱数据的欠拟合与过拟合问题，在 TVB-N、TVC、pH、L* 等新鲜度指标预测中，R² 提升约 5% 至 12%，RMSEP 降低约 15% 至 28%，整体性能优于传统单一建模方法。同时提出融合光谱动态变化与理化指标的双通道时间序列建模策略，并引入基于多目标优化的储存时间预测机制，实现对羊肉储存周期的准确评估。该技术贯通数据采集、特征波段自适应提取、集成建模与分子机制层面的可解释性分析，在肉类质量安全监测、冷链运输管理、智能包装检测与食品溯源等场景具有显著应用价值。

团队成员郝帅博士在能源领域的一区Top期刊《Energy》上发表题为《Physics-informed Hierarchical Perception Modulation Network for Lithium-ion Battery Health Management》的研究成果。该研究围绕复杂工况下电池健康状态评估准确性与鲁棒性难题，提出了物理约束层次感知调制网络，实现了对电池退化动力学的精准建模与电池健康状态高精度预测，在多变温度、载荷与充放电策略条件下表现出更强的泛化能力与稳定性。该方法实现了双分支协同框架，局部分支采用卷积神经网络提取细粒度电化学表征，捕获循环内快速变化的微结构信息；全局分支引入Transformer建模长程时序依赖，刻画跨循环的容量衰退轨迹。两分支通过“退化感知”调制机制耦合，使全局退化上下文自适应调制局部特征提取，动态平衡局部敏感性与全局一致性。同时设计物理约束损失，将离散状态空间退化方程嵌入学习过程，以物理先验规范参数更新，减轻仅凭数据驱动带来的不确定性。经过系统评测，物理约束层次感知调制网络在预测精度与跨工况泛化方面均优于现有代表性方法，有限数据场景下仍保持稳健表现。该成果为电动汽车电池管理系统提供可落地的电池健康状态在线估计方案，可服务车辆安全预警与运维决策，并对储能系统寿命评估、预测性维护等应用具有重要价值。

未来，团队将继续面向国家与自治区重大科技需求和国际学术前沿，聚焦人工智能与多学科交叉的核心科学问题，深入推进面向牧场全场景的智能感知与监测、新能源系统智能运维等关键技术的理论创新与应用落地，积极服务现代畜牧业升级与清洁低碳能源体系构建等重点领域，持续形成可复制可推广的技术体系与工程化方案，支撑区域产业升级与高质量发展。

来源：人工智能学院