?

北華航天工業學院遙感信息工程學院講師，博士學位，航空宇航科學與技術學科導師，目前主要研究目標檢測、目標跟蹤、語義分割/融合和語義SLAM四個方向。

中國科學院大學博士

河北省兵工學會常務理事

深圳市人工智能行業協會專家委員會委員

目前主要研究目標檢測、目標跟蹤、語義分割/融合和語義SLAM四個方向，并在這四個方向中解決了下面一些問題：

（1）目標檢測方面：

A. 由于目標具有很高的機動性，動態狀態不斷變化，目標不可能總被捕獲在視野中，會出現假陽性或陰性問題。此外，目標的動態狀態會降低三維姿態估計的穩健性。因此，需要設計一個改進的LSTM-KF模型，即姿態估計器的時間正則化模型，根據立體攝像機捕獲的目標的深度數據，通過二維幀上的目標坐標對目標的三維姿態進行估計和跟蹤，實現了目標精準地檢測和跟蹤，解決了因目標的動態位置的不斷變化導致目標不可能總被捕獲在視野中發生的假陽性或假陰性問題和二維幀上的目標坐標對目標的三維姿態進行估計和跟蹤問題（Luo,W et al.,2023b）；

B. 從檢測模型的骨干網絡、特征提取網絡、頭部網絡、注意力機制和損失函數等方面進行改進，降低模型對硬件配置的依賴和計算成本，實現模型足夠輕量化，以部署在計算資源有限的平臺上，在復雜多變的環境中對目標進行高精準地檢測識別，解決了因目標所處的環境背景復雜（背景中存在噪聲或與目標相似的物體或顏色）導致目前輕量化檢測模型提取的目標信息特征較少會出現模型檢測精度不高、誤檢和漏檢問題（Zhao, Y., Luo, W.,2024;Luo,W et al., 2022）。

（2）在目標跟蹤方面：

A. 將目標檢測器 YOLO與光流方法相結合用于目標檢測和跟蹤，提出一種回溯跟蹤器，并在其中添加ROI、OLOT、Keep Alive等技術對其進行改進，以達到在目標檢測和跟蹤過程中降低延遲，減少故障以及動態調整幀率，減少能源浪費的作用，從而實現低延遲、高幀率的跟蹤效果（Luo,W et al.,2023b）；

B. 使用YOLOv7和Deep SORT算法進行目標檢測和跟蹤。利用光流補償卡爾曼濾波，提高預測精度；采用低置信度軌跡濾波方法，減少不可靠檢測對目標跟蹤的影響。設計了用于無人機的視覺伺服控制器，以降低運動影響，實現自動跟蹤任務(Luo, W et al., 2024)；

C. 使用YOLOv7和Deep SORT，構建一種具有全局運動補償的無人機多目標跟蹤系統，實現了良好的跟蹤精度。在該系統中，對基于Deep SORT算法的KF方法進行優化；基于Res2Net和群卷積對Deep SORT算法的ReID部分構建了特征提取網絡（FEN），以實現持續跟蹤；此外，還提出一種特征匹配方法--GMC，通過特征匹配使相鄰幀對齊，并在下一幀中獲得修正后的目標位置，以減少相機運動對跟蹤的干擾。該系統解決了因目標頻繁移動和目標遮擋導致跟蹤不準確問題和無人機相機快速的水平、垂直和旋轉運動導致跟蹤失敗問題（Zhang, G et al., 2024）；

D. 提出了一種基于深度學習的跟蹤算法，遵循基于 CenterTrack 算法建立的JDT范式，滿足實際應用中復雜場景中多目標跟蹤的需求，解決了密集場景中目標重疊導致的漏檢和跟蹤失敗等問題(Yuan ,Q et al., 2024)。

E. 提出一種基于Transformer 架構的可見光--紅外融合的目標跟蹤方法，在低光、強光、低溫等復雜場景中對目標進行跟蹤，解決在光照變化和嚴重遮擋的場景中跟蹤性能降低問題。

（3）在語義分割/融合方面：

A. 語義融合方面：在真實場景中，目標圖像受尺度、遮擋和外觀等因素的影響而復雜多樣，影響了目標檢測算法的性能。這使得目標檢測算法和語義融合算法存在以下問題：對不同目標特征的表征不夠充分、模型通道減少導致位置信息丟失、神經元無法學習目標圖像內部的復雜交互以及語義特征的獲取等問題。因此，基于語義融合算法和目標檢測算法提出一種多層注意力機制，包括節點注意力和語義注意力。節點注意包括學習鄰居重要性和節點表征。語義注意包括學習元路徑重要性和多語義融合。它們能有效解決神經元學習目標圖像中復雜的交互和語義特征問題；此外，還提出一種自適應特征融合網絡，它可以自適應地過濾其他層的無用信息，保留對目標識別有利的特征信息。引入了一個特征增強模塊，以增強特征網絡中頂層目標特征的可識別性，從而緩解目標位置丟失的問題。

（4）在語義SLAM方面：

A. 在使用SLAM進行三維重建時在很大程度上都依賴于靜態環境的假設，對于動態環境下的三維建模一般都是通過結合深度學習和語義分割來實現，但是大多數語義分割SLAM在動態場景下的實時性都比較差，所以需要設計一種SLAM系統框架使得SLAM技術在動態場景下實現準確度和實時性的平衡。因此，提出了一種結合知識蒸餾和動態概率傳播策略的實時語義SLAM系統，采用多層次知識提煉方法獲得輕量級的分割模型，該模型僅接收關鍵幀的輸入，并基于分割結果提出一種靜態語義關鍵幀選擇策略以減少動態對象的參與，由此通過結合分割結果和數據匹配算法實現動態概率的更新和傳播，減少動態點在位姿優化中的影響，解決了動態場景下語義SLAM實時性差的問題，同時整個系統也具有較高的定位精度和準確度。

B. 在大場景下進行語義SLAM三維重建的定位精度不高和存儲困難一直是一個熱點問題。因此，需要設計一種策略解決大場景下準確的三維重建和存儲問題。設計了一種以VINS-RGBD為基線模型的語義SLAM系統，采用輕量級的端到端L_SuperPoint特征點代替Shi-Tomasi角點，并使用KNN算法進行特征點之間的匹配由此實現準確的位姿估計。模型結合輕量級語義分割網絡PP-LiteSeg-T實現高速準確的語義分割，采用半徑異常值去除濾波器對點云圖進行處理增加了地圖構建的準確性。采用Voxblox對語義點云圖進行存儲，降低了存儲需求，可以實現大場景三維建模下的地圖存儲。由此解決了大場景下語義SLAM三維重建定位精度低并難以存儲的問題。

科研項目承擔情況：

1. 2023.8~至今，主持河北省中央引導地方科技發展資金項目課題---“基于低延時跟蹤及長期遞歸卷積網絡的畜群監測邊緣推理方法研究”，15萬，在研。

2. 2022.8~至今，主持中國高校產學研創新基金項目“基于機載深度推理的智能放牧方法研究”，20萬元，在研。

3. 2022.8~至今，主持農業農村部農業監測預警技術重點實驗室開放基金課題“基于改進Yolov5的自主放牧無人機研究”，2萬元，在研。

4. 2022.7~至今，主持農業農村部光譜檢測重點實驗室開放基金課題“面向松材線蟲病自主監測的智能體研究”，2.5萬元，在研。

5.2022.6~至今，主持先進運動控制福建省高校重點實驗室開放基金“基于機載深度推理的智能放牧方法研究”，1.5萬元，結題。

6. 2021.6~2022.4，主持先進運動控制福建省高校重點實驗室開放基金項目“基于群體智能的海洋塑料垃圾監測平臺研究”，2萬元，結題。

7. 2021.1~至今，主持北華航天工業學院博士科研啟動基金項目“基于人工智能的海洋漂浮物監測方法研究-以三沙市為例”，20萬元，在研。

8. 2020.9~2021.8，主持國家對地觀測科學數據中心開放基金項目“樹種識別深度學習模型實驗數據集”，3萬元，結題。

9. 2020.5~2021.12,主持自然資源部測繪科學與地球空間信息技術重點實驗室開放研究基金課題”知識圖譜與深度學習驅動的水環境遙感影像智能解譯”,2萬元,結題。

10. 2019.6~ 2021.9，主持十三五專項“重大生態工程生態效益監測與評估”子課題“生態工程信息識別方法研究”，10萬元，結題。

11. 2018.7~2019.11，參與中科院與軍委裝備發展部聯合基金“多域作戰環境認知與語義分析技術”，3000萬元，結題。子課題副組長，主要負責利用深度學習框架對海量無人機影像進行語義分割,實現對道路、建筑物、裝備等地物目標的自動識別和檢測。

12. 2015.8~2017.7，參與科技部重大科技專項“三江源智慧生態畜牧業技術平臺研發（2015-SF-A4-1）”，1200萬元，已結題。博士后，主要負責野生動物無人航片的獲取和野生動物目標自動識別和檢測。

13. 2012.9~2015.7，參與國家重大專項“高分在電子政務地理空間基礎信息庫建設與服務中的應用示范系統先期公關（Y2D0060038）”，50萬元，已結題。主要負責實現高分辨率衛星遙感影像中的道路目標自動識別和檢測。

著作及論文發表情況：

1. 負責編寫新時代中國研究叢書《數字中國》，獲列2018年度國家重點出版圖書，ISBN 978-7-5599-0526-0,云南教育出版社出版。

2. Zhao, Y., Luo, W., Wang, Z., Zhang, G., Liu, J., Li, X., & Wang, Q. (2024). An oil and gas pipeline inspection UAV based on improved YOLOv7. Measurement and Control, 00202940241230426(SCI 4區, 影響因子2.1).

3. Luo, W., Zhao, Y., Shao, Q., Li, X., Wang, D., Zhang, T., ... & Yu, Z. (2023b). Procapra Przewalskii Tracking Autonomous Unmanned Aerial Vehicle based on Improved Long and Short-Term Memory Kalman Filters. Sensors, 23(8), 3948( SCI 3區, 影響因子3.9).

4. Luo,W.; Li, X.; Zhang, G.; Shao, Q.; Zhao, Y.; Li, D.; Zhao, Y.; Li, X.; Zhao, Z.; Liu, Y.; et al. High-Accuracy and Low-Latency Tracker for UAVs Monitoring Tibetan Antelopes. Remote Sens. 2023a, 15, 417(SCI 2區top, 影響因子5.0). 

5. Luo,W.; Zhang, Z.; Fu, P.; Wei, G.;Wang, D.; Li, X.; Shao, Q.; He, Y.; Wang, H.; Zhao, Z.; et al. Intelligent Grazing UAV based on Airborne Depth Reasoning. Remote Sens. 2022, 14, 4188. https://doi.org/10.3390/rs14174188, SCI 2區top, 影響因子5.0.

6. Zhang, G.; Zhao, Y.; Fu,P.; Luo, W.; Shao, Q.; Zhang, T.; Yu ,Z. A reliable unmanned aerial vehicle multi-target tracking system with global motion compensation for monitoring Procapra przewalskii. Ecological Informatics. 2024(Accepted, SCI 2區,影響因子5.1).

7. Luo, W.; Zhang, G.; Shao,Q.; Zhao, Y.; Wang, D.; Zhang, X.; Liu, K.;Li, X.;Liu, J.; Wang, P.;et al. An efficient visual servo tracker for herd monitoring by UAV. Scientific Reports. 2024(Accepted, SCI2區,影響因子4.6).

8. Yuan, Q.; Luo ,W.; Zhang, G.; Zhao, Y.;et al. High-precision tracking and positioning for monitoring Holstein cattle . Plos One. 2024(Accepted, SCI3區, 影響因子3.7).

9. Yuan, Q.; Wang, P.; Luo, W.; Zhou, Y.; Chen, H.; Meng, Z.;et al. SLAM System for Agricultural Yield Estimation based on Improved VINS-RGBD: A Case Study of Strawberry Field. Agriculture. 2024(Accepted, SCI2區，影響因子3.6)

10. Luo,W.; Han,W.; Fu, P.; Wang, H.; Zhao, Y.; Liu, K.; Liu, Y.; Zhao, Z.; Zhu, M.; Xu, R.; et al. A Water Surface Contaminants Monitoring Method based on Airborne Depth Reasoning. Processes 2022, 10, 131. https://doi.org/10.3390/pr10010131(SCI 4區，影響因子3.5). 

11. Wei Luo; Yongtao Jin; Xuqing Li; Ke Liu*. Application of Deep Learning in Remote Sensing Monitoring of Large Herbivores- A Case Study in Qinghai Tibet Plateau, Pakistan J. Zool., pp 1-9, 2021(SCI 4區, 影響因子0.6).

12. Bing Guo, Wenqian Zang, Wei Luo?.Spatial-temporal shifts of ecological vulnerability of Karst Mountain ecosystem-impacts of global change and anthropogenic interference. Science of the Total Environment 741 (2020) 140256(SCI 1區 top, 影響因子9.8).

13. Guo Bing; Wei Luo*; Baomin Han; Yue Liu; Multiple spatial–temporal scale change patterns of rainfall erosivity in China over past 58 years based on gravity centre model, Geomatics, Natural Hazards and Risk, 2019, 10(1):2200-2219(SCI 3區, 影響因子4.2).

14. Wang D L, Luo W. Bayberry Tree Recognition Dataset based on the Aerial Photos and Deep Learning Model. Journal of Global Change Data& Discovery. Volume 3 Issue 3,290-296(SCI 4區, 影響因子0.5).  

15. GUO Bing; LUO Wei*; WANG Dong-liang; JIANG Lin; Spatial and temporal change patterns of freeze-thaw erosion in the three-river source region under the stress of climate warming, Journal of Mountain Science, 2017, 14(6):1086-1099( SCI 3區, 影響因子2.5).

16. 羅巍，邵全琴，王東亮，汪陽春，《基于面向對象分類的大型野生食草動物識別方法-以青海三江源地區為例》，野生動物學報2017年第4期，中文核心。

17.羅巍，王東亮，《一種利用角度紋理特征提取高分辨率遙感影像中城市主干道路的方法》，中國圖像圖形學報，DOI: 10.11834/jig.160658，2017 | Volume 22 | Number 11,中文核心。

1. 李曉亮，周慧文，羅巍，魏昕，周云英，孫賀。一種基于AI物體檢測算法的建筑施工監理系統及方法。專利號：ZL 2021 1 1050669.8

2. 王東亮，辛曉平，羅巍。一種無人機Lidar反演草原植被參數的精度改進方法，專利申請號：201610827579.8，發文序號：2018052200704040（發明專利）

為推動技術創新與產業融合相結合，PIS 2024 第十屆中國國際智慧農業與信息化高峰論于2024 年8月15-16日在杭州隆重召開！本次大會將以“乘‘數 ’而上·構建農業新圖景”為主題，現場匯聚300+智慧農業行業先鋒、全球農機巨頭、政府領導及有關的管理部門、科研工作者、企業家及行業相關人員共探討智慧農業數智技術和創新，共尋科技助力農業高質量發展的新路徑。

| 掃碼即可報名 |

中國·杭州

范女士18158866162

PIS 2024 第十屆中國國際

智慧農業與信息化高峰論壇

邀您參會！