• 基于超窄带光谱成像技术的准东煤燃烧过程中钠释放原位定量测量研究

  在能源利用领域，准东煤等含碱固体燃料燃烧时释放的钠、钾等气态碱金属，会引发换热面结渣、积灰和腐蚀，严重威胁设备安全运行。传统火焰发射光谱(FES)虽成本低廉，但易受CO2*荧光辐射等宽带信号干扰，且缺乏空间分辨率。为此，浙江大学团队在《Fuel》发表研究，创新性地将超窄带光谱成像技术与宽带紫外吸收光谱联用，实现了燃烧过程中碱金属释放的原位定量可视化监测。研究采用多喷口燃烧系统，通过氮气载流精确控制钠溶液浓度（0-30 ppm），结合窄带滤光片（0.1 nm带宽）抑制火焰背景辐射。关键技术包括：1）建立氧含量1%-10%、温度1500-1800K下的自发发射强度校准模型；2）开发基于紫外吸收光谱

  来源：Fuel

  时间：2025-06-20

• 无人机自保护电子战系统对抗频率捷变雷达的噪声干扰技术应用研究

  在现代军事科技飞速发展的背景下，防空系统已成为新一代战场不可或缺的组成部分。雷达作为防空系统的核心，多年来一直是敌方攻击编队的主要目标和威胁。与此同时，高度先进的电子战(EW)装备不断发展，旨在提高生存能力和持续作战能力。然而，无论电子攻击方法多么有效，都不可避免地会危及飞行员和先进战斗机的安全，特别是在高风险和危险任务中。这一挑战催生了一个新兴概念——战斗机无人机(UAV)，为解决这一问题提供了新思路。传统上，无人机主要用于民用领域，但在过去几十年中，无人机已成为军事监视的重要工具。近年来，无人机在军事用途中的应用逐渐兴起，全球冲突的加剧进一步凸显了其在侦察和进攻行动中作为战术资产的有效性。

  来源：Franklin Open

  时间：2025-06-20

• 基于笔画提示与层次表征学习的少样本字体生成方法研究

  研究背景与意义字体生成技术在设计、印刷等领域具有重要应用价值，但传统方法面临两难困境：基于字形先验（glyph-driven）的方法虽能保留局部笔画细节，却难以维持整体风格一致性；基于深度学习（deep-driven）的方法如DG-Font、FontDiffuser等虽擅长捕捉整体字形特征，但对笔画连接、组件结构等局部变异表现不足。这一矛盾在少样本场景下尤为突出，导致生成字体出现笔画缺失或风格失真（如图1红蓝框示例）。为解决这一挑战，研究人员提出SPH-Font模型，创新性地融合笔画提示学习与层次化表征学习，首次实现局部笔画细节与整体字形风格的双优生成。该成果发表于《Expert System

  来源：Expert Systems with Applications

  时间：2025-06-20

• 多模态融合引导的Retinex理论低光照图像增强方法研究

  在计算机视觉领域，低光照环境下的图像质量退化一直是亟待解决的难题。由于光线不足，图像常出现对比度下降、噪声增加和细节丢失等问题，这不仅影响人类视觉感知，更对自动驾驶、安防监控等依赖图像分析的场景造成严重阻碍。传统基于Retinex理论或直方图均衡化的方法虽能提升亮度，却易引入噪声放大和色彩失真。近年来，深度学习虽推动了低光照图像增强（LLIE）的发展，但现有方法多依赖单一模态信息，导致恢复图像存在结构偏差或信息缺失。针对这一挑战，中国的研究团队提出了一种创新性解决方案——多模态融合引导的Retinex增强方法。该研究通过整合红外与深度模态的互补信息，突破了单模态的局限性。红外图像能在低光条件下

  来源：Expert Systems with Applications

  时间：2025-06-20

• 基于可学习透视图的鸟瞰图3D目标检测优化方法研究

  自动驾驶技术的快速发展对3D目标检测提出了更高要求，而基于鸟瞰图(Bird’s Eye View, BEV)的方法虽已成为行业标准，却面临两个关键挑战：一是将3D场景投影到地面平面时丢失高度信息，导致目标与背景难以区分；二是远距离目标在BEV上投影尺寸过小，影响检测精度。现有解决方案中，基于固定坐标系（如球面视图或柱面视图）的补充视图虽能保留高度信息，但因与BEV差异过大需复杂融合模块，且无法动态适应不同场景。针对这一难题，研究人员提出创新性的可学习透视图(Learnable Perspective View, LPV)。该方法突破性地采用虚拟针孔相机模型生成动态可调的补充视图：通过调整相机内

  来源：Expert Systems with Applications

  时间：2025-06-20

• 基于参数化变分模态分解与鲁棒宽度学习系统的精神分裂症精准诊断方法

  精神分裂症（Schizophrenia, SZ）是一种影响全球1%人口的严重精神障碍，其典型症状包括幻觉、妄想及认知功能损害。目前临床诊断主要依赖医生主观评估，缺乏客观生物标志物，导致早期诊断困难重重。尽管功能磁共振成像（fMRI）和机器学习技术已取得部分进展，但现有方法存在准确率不足（如SVM模型仅76%-87%）、依赖大型数据集、模型可解释性差等问题。尤其值得注意的是，脑电图（EEG）信号具有非线性和非平稳特性，传统特征提取方法难以捕捉其复杂模式，亟需开发更高效的自动化诊断工具。为突破这些限制，研究人员开展了一项跨学科研究，成果发表于《Engineering Applications of

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-06-20

• 基于半监督双路径YOLOv8模型的地下缺陷智能检测方法研究

  城市地下空间如同人体的血管网络，其健康状况直接关系到地表安全。近年来，因地下空洞引发的道路塌陷事故频发，仅2022年中国就报告了37起重大塌陷事件。探地雷达(Ground Penetrating Radar, GPR)作为"地质CT"，虽能探测地下异常，但其图像解译长期依赖工程师经验——这好比让医生仅凭肉眼判断X光片，既容易漏诊又效率低下。更棘手的是，地下缺陷样本稀缺且分布未知，传统监督学习模型常陷入"数据饥渴"困境。针对这一系列挑战，浙江大学的研究团队在《Engineering Applications of Artificial Intelligence》发表创新成果。他们巧妙融合物理规律

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-06-20

• 级联降维非负矩阵分解(CDRNMF)：一种基于特征选择机制的数据表示新方法

  在人工智能与数据科学领域，非负矩阵分解(Nonnegative Matrix Factorization, NMF)因其卓越的"部分构成整体"解释性，已成为处理高维数据的利器。从人脸识别到文档聚类，NMF通过将原始数据分解为基矩阵和系数矩阵，为复杂数据提供了直观的低维表示。然而，这个看似完美的工具却暗藏两大痛点：基向量质量参差不齐导致特征表达能力受限，降维维度难以精准控制造成信息损失或冗余。更棘手的是，传统NMF方法往往专注于挖掘判别性特征，却忽视了基向量本身的评估与筛选——就像建造房屋时只关注砖块排列方式，却对砖块质量缺乏把控标准。北方民族大学的研究团队在《Engineering Appli

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-06-20

• 基于交叉方向注意力网络的新型面部表情识别方法及其在情感计算中的应用

  面部表情识别(FER)作为人机交互的核心技术，长期面临"细微肌肉运动难捕捉"和"类间差异模糊"的双重挑战。现有Distract your Attention Network(DAN)框架虽通过空间-通道注意力机制取得进展，但其空间注意力(SA)模块将内部通道压缩至1维的操作，可能丢失关键特征信息。这一瓶颈在真实场景中尤为突出——当遇到光照变化、面部遮挡等情况时，传统方法识别准确率会显著下降。中国电子科技大学中山学院的研究团队在《Engineering Applications of Artificial Intelligence》发表的研究中，创造性提出交叉方向注意力网络(Cross Dire

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-06-20

• 智能集成架构捕捉真实驾驶条件下瞬态氮氧化物排放峰值的创新方法

  在城市化进程加速的背景下，机动车尾气排放已成为大气污染的主要源头之一。其中，氮氧化物(NOx)作为典型污染物，不仅会引发呼吸道疾病，还会参与光化学反应形成二次污染。尽管现代车辆配备了选择性催化还原(SCR)等后处理系统，但真实驾驶条件下NOx排放的瞬态特性——尤其是短时高浓度"尖峰"——仍是监测难点。传统传感器受限于响应速度和环境适应性，而常规机器学习模型难以同时捕捉缓慢变化和瞬时峰值，导致排放总量被严重低估。针对这一技术瓶颈，阿尔伯塔大学的研究团队创新性地提出了智能集成时间卷积网络-多头注意力(IETMA)架构。该研究采集了加拿大埃德蒙顿市公交巴士超过2300公里的实车运行数据，采样频率高达

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-06-20

• 基于时频分析与支持向量机联合的间歇采样转发干扰抑制方法研究

  在现代电子战中，脉冲压缩雷达系统正面临间歇采样转发干扰(ISRJ)这一"隐形杀手"的严峻挑战。这种源自数字射频存储器(DRFM)系统的干扰技术，通过快速采样、存储和转发雷达信号，能在匹配滤波过程中获得与真实目标相似的增益，形成具有欺骗和压制双重特性的相干干扰。传统对抗手段如波形分集、频率捷变等在ISRJ面前纷纷失效，因为这种干扰巧妙地利用了脉冲内部的时频特性差异，而非传统的脉冲间特征。更棘手的是，现有基于分数阶傅里叶变换(FrFT)或深度学习的解决方案，要么存在信号能量损失问题，要么面临复杂电磁环境下的泛化能力不足。中国研究人员在《Digital Signal Processing》发表的研究

  来源：Digital Signal Processing

  时间：2025-06-20

• 基于Transformer与语义-纹理解码器（STDec）的自监督单目深度估计方法STDepth

  在计算机视觉领域，单目深度估计（Monocular Depth Estimation）一直是自动驾驶、机器人导航等应用的核心技术。传统方法依赖昂贵的深度传感器或监督学习，而自监督学习（Self-supervised Learning）通过单目或立体视频实现低成本训练，成为研究热点。然而，卷积神经网络（CNN）编码器因局部感受野限制，难以建模全局场景结构，导致深度图边缘模糊、前景背景混淆等问题。为突破这一瓶颈，来自中国的研究团队提出STDepth框架，首次将Transformer架构引入自监督深度估计任务。该研究创新性地设计了语义-纹理解码器（STDec），通过全局特征重校准（Global Fe

  来源：Computer Vision and Image Understanding

  时间：2025-06-20

• 基于计划行为理论的消费者电动汽车购买动机：信念、价值观与代际差异的混合方法研究

  全球交通运输业贡献了20%以上的二氧化碳(CO2)排放，传统燃油车是主要污染源。尽管电动汽车(EV)能提升40-60%能源效率并减少30-50%碳排放，但消费者采纳率仍不理想。现有研究多聚焦补贴政策等外部因素，对内在心理机制尤其是不同代际人群的决策差异缺乏系统探索。马来西亚作为东南亚第二大汽车市场，其EV渗透率仅2.4%，空气颗粒物(PM2.5)浓度超标，亟需从行为科学角度破解消费壁垒。研究人员采用混合方法设计，先通过33名消费者的半结构化访谈提取行为信念、规范信念和控制信念（含显性/隐性维度），再对472名消费者进行问卷调查，运用偏最小二乘结构方程模型(PLS-SEM)分析代际差异。研究创新

  来源：Acta Psychologica

  时间：2025-06-20

• 技术基础设施与准备度对混合学习系统包容性学习环境构建的影响：基于社区探究(CoI)框架的实证研究

  随着教育数字化转型加速，混合学习系统(hybrid learning system)结合线下面对面与在线学习的优势，成为后疫情时代主流教学模式。然而在发展中国家，技术基础设施薄弱和用户准备不足导致学习效果参差不齐。巴基斯坦高等教育机构面临网络不稳定、数字鸿沟等问题，严重制约混合学习的包容性发展。为此，研究人员基于社区探究(Community of Inquiry, CoI)框架，首次系统量化技术因素对在线参与维度的影响机制，为资源受限地区优化教育技术提供科学方案。研究团队采用协方差结构方程模型(CB-SEM)，对393名巴基斯坦大学生的问卷调查数据进行分析。通过5000次bootstrap抽样

  来源：Sustainable Futures

  时间：2025-06-20

• 金融科技创新的消费者态度影响机制研究：感知有用性的调节作用

  金融科技的迅猛发展正在重塑全球金融服务格局，尤其在孟加拉国等新兴市场，移动支付和数字银行服务的普及为金融包容性带来新机遇。然而消费者对创新技术的接受度呈现两极分化——部分用户因便捷性和低成本积极拥抱变革，更多人则因数据安全顾虑和操作复杂性持观望态度。这种认知差异暴露出关键研究空白：传统技术接受理论难以完全解释金融科技场景下用户决策的复杂性，特别是感知有用性(PU)如何调节其他认知因素对态度(ATT)的影响。为破解这一难题，来自孟加拉的研究团队在《Sustainable Futures》发表了一项开创性研究。通过整合技术接受模型(TAM)、整合型技术接受模型(UTAUT)和感知风险理论(PRT)

  来源：Sustainable Futures

  时间：2025-06-20

• 基于贝叶斯网络的地震诱发滑坡不确定性概率分析方法研究

  地震灾害常引发连锁性地质灾害，其中滑坡对基础设施和生命安全的威胁尤为突出。传统确定性分析方法难以量化土体参数（如内摩擦角φ、黏聚力c）和地震动参数（如峰值水平加速度amax）的不确定性影响，而现有概率方法如蒙特卡洛模拟(MCS)计算成本高，人工神经网络等机器学习模型又存在可解释性差的问题。针对这些技术瓶颈，研究人员开展了基于贝叶斯网络(BN)的地震诱发滑坡概率分析方法研究，成果发表于《Soils and Foundations》。研究团队采用Python编程语言的pgmpy库构建BN模型，关键技术包括：1) 基于无限斜坡模型的伪静态安全系数(FSpseudo)方程；2) Newmark临界加速

  来源：Soils and Foundations

  时间：2025-06-20

• 基于自组织映射的土壤饱和水力传导度随机估计方法及其可靠性设计价值研究

  土壤如同大地的毛细血管，其水力传导能力(ksat)直接决定着水资源循环与污染物迁移效率。然而传统估算方法面临两大困境：经验公式在复杂土壤条件下偏差显著，而监督机器学习虽精度较高却无法量化预测不确定性。尤其在富含黏土的细粒土中，现有模型常因忽略比表面积等关键参数而产生系统性偏差。为解决这一难题，研究人员依托佛罗里达州6,487份土壤样本构建的FLSOIL数据库，创新性地将自组织映射(SOM)这一无监督学习算法引入ksat估算领域。通过系统优化SOM的映射尺寸和输入特征组合，研究团队不仅建立了超越七种经典经验公式（如Hazen、Kozeny-Carman等）和三种监督学习模型（随机森林、支持向量机

  来源：Soils and Foundations

  时间：2025-06-20

• 急诊医疗技术员(EMT)应对产妇分娩任务的挑战与应对策略研究

  在院前急救体系中，急诊医疗技术员(Emergency Medical Technician, EMT)常面临产妇突发分娩的高压情境。尽管分娩是自然生理过程，但院外环境下的快速变化和潜在并发症（如产后出血、脐带脱垂）使这类任务充满挑战。现有研究表明，全球范围内EMT普遍缺乏系统的产科培训，导致其在面对分娩案例时依赖碎片化经验，这种能力缺口可能直接影响母婴安全。挪威作为急救体系发达国家，其EMT在城乡差异显著的服务半径内（部分区域转运时间超过2小时）更易遭遇此类困境。为系统探究这一问题，挪威研究人员采用Malterud提出的系统性文本浓缩(Systematic Text Condensation,

  来源：Sexual & Reproductive Healthcare

  时间：2025-06-20

• 基于微纤维支架的可注射自修复水凝胶在糖尿病胰岛移植中的创新应用

  糖尿病(DM)是全球范围内威胁人类健康的慢性疾病，传统胰岛移植面临免疫排斥和缺血缺氧导致的移植物失活等挑战。尽管微囊化技术能改善胰岛存活，但现有水凝胶系统存在移植过程复杂、血管化不足等问题。受胰岛天然细胞外基质结构的启发，东南大学附属中大医院的研究团队在《Science Bulletin》发表研究，开发了一种集成微纤维支架的可注射自修复水凝胶系统，为胰岛移植提供了创新解决方案。研究采用三项关键技术：1) 微流控气泡模板法构建含胰岛的短纤维支架；2) 基于氧化海藻酸钠(OSA)醛基与羧甲基壳聚糖(CMCS)氨基的希夫碱动态交联形成自修复基质；3) 共载VEGF和HUVECs促进血管网络形成。结果

  来源：Science Bulletin

  时间：2025-06-20

• 基于GIS的能源社区热惯性表征方法及需求响应策略研究

  当前全球能源格局正经历深刻变革，欧盟约10.6%的居民面临供暖不足困境，西班牙更是以20.8%的能源贫困率高居欧洲前列。能源社区(Energy Communities, ECs)作为欧盟能源转型的重要载体，虽能整合可再生能源(RES)并提升电网灵活性，但传统选址方法往往孤立评估发电潜力或社会脆弱性，鲜少考虑建筑热质量(Thermal Mass)对需求响应(Demand Response, DR)的关键影响。这种碎片化分析导致ECs战略适用性受限，尤其难以应对马德里大区等区域中老旧建筑占比高(65%建于1980年前)、热工性能差与收入差距大的复合挑战。为破解这一难题，研究人员开发了创新的GIS(

  来源：Results in Engineering

  时间：2025-06-20

知名企业招聘：