基于小样本学习的蛋白质-DNA热点残基预测方法研究（国家级大创）(在研,主持)

针对蛋白质-DNA结合界面中的热点残基识别困难且数据严重不平衡的现状，利用经验模态分解算法（EMD）对原始 特征信号进行分解，提取出新的信号处理特征，之后使用改进后的SMOTE-Tomek算法平衡数据集，再使用两步特征 选择算法（mRMR+SFS）筛选出最佳特征子集，最后利用集成学习中的CatBoost算法构建分类模型。负责内容：项目代码的构建、实验结果分析、论文写作、润色、投稿和回复审稿意见和项目申报书撰写等工作。 成果：以第一作者发表中科院三区SCI论文一篇，同时第一作者授权软件著作权一项

时间：2023-07-2024-07

基于深度学习的多类水果成熟度识别与采摘定位（省级大创）(在研,参与)

针对复杂环境中草莓、苹果、番茄等水果的成熟度检测准确率低的问题，在开源和私有的数据集上，应用改进后的 YOLOv8算法，在特征提取模块和特征融合模块融合进多尺度注意力机制，并优化损失函数为Alpha‑IOU得到最终的 检测模型，最后设计出了前端UI将模型部署在了服务器上供大家使用（http://zazazaple.fun:5802/）负责内容：后端代码实现，包括但不限于数据标注、模型训练、算法改进、竞赛PPT制作、项目路演等。 成果：中国国际大学生创新大赛（2024） 安徽省金奖（项目创始人，国赛排位赛中，打破学院历史记录） 2023年安徽省大学生大数据与人工智能应用竞赛-创意组 省级一等奖（省一类，队长，省 7 %，全校记录） 第十七届全国大学生计算机设计大赛-大数据实践赛道 省级三等奖（省一类，队长，校赛冠军）

时间：2023-07-2025-06

基于深度学习的小麦赤霉病病穗率多用户端检测系统（学科竞赛项目）(已结题,主持)

针对田间小麦赤霉病检测困难的问题，使用Pytorch框架搭建R-CNN系列和YOLO系列目标检测深度学习模型。并针对 YOLOv8框架尝试融合进多种注意力机制和特征融合模块。最后设计出多用户端的赤霉病检测和麦穗计数快速系统。负责内容：数据集标注优化、基于草莓和苹果作物检测模型的改进和实验验证等。 成果：以第一发明人申请两项国家发明专利，授权一项，同时授权软件著作权一项《农田小目标作物检测》

时间：2023-04-2024-07