学术动态！多篇顶刊论文发表啦！

近日，我校粮食学院孔德昭副教授（第一通讯作者）以江苏科技大学为第一单位在Journal of Agricultural and Food Chemistry发表研究论文“Enzyme-Assisted Solid-Phase Microextraction Coupled with DNA Nanowalker for Dual-Amplified Detection of Chloramphenicol in Animal-Derived Food Products”。Journal of Agricultural and Food Chemistry（中科院一区TOP，IF=5.7）为农业与食品化学和生物化学领域国际顶级期刊。该论文第一作者为环境与化学工程学院2020级硕士生陈一桐，环境与化学工程学院李贤基教授和科学研究院唐盛教授为联合通讯作者。

在农林畜牧产业中广泛使用的各类抗生素已成为食品污染的主要来源之一，尤其是其微量残留的生物富集效应对人体的威胁更加隐蔽。因此精准便捷地分析复杂食品样品中痕量抗生素残留显得尤为重要。研究者所在团队采用独创的石英棒核酸修饰技术构建固相微萃取体系，并结合DNA纳米步行机探针，通过双重放大策略实现了氯霉素的超灵敏检测。此外，通过活体动物给药实验，探究了微量氯霉素在生物体内的蓄积现象。

在此研究策略中，以表面修饰核酸序列的石英棒构建固相微萃取体系将分析物的识别捕获、浓缩富集和检测引入过程集合为一体，极大简化了样品前处理操作；通过石英棒基质与DNA酶循环剪切体系间的相互作用，将对氯霉素的检测转化为对特定核酸序列的检测，并进行第一次核酸序列的扩增；通过在第四代传感器—DNA步行机纳米粒子表面进行核酸恒温扩增的操作，对检测信号进行了第二次扩增。

该方案显著降低了检测过程中食品基质干扰，并通过目标物和特定核酸序列的转换及扩增，极大的提高了检测信号，为真实样品中微量目标物的有效监测提供了实践基础。

近年来，该团队利用相关技术，在食品领域国际顶级刊物上发表多篇相关论文，如Food Chem., 2024, 442, 138505；Food Chem., 2023, 416, 135856；Anal. Chem., 2022, 94, 10595-10600；Food Control, 2025, 168, 110871等，解决了食品中危害物的高灵敏检测问题。相关研究得到国家自然科学基金、江苏省自然科学基金、江苏科技大学“深蓝人才工程”培养对象资助项目等支持。

近期，我校能动学院新能源科学与工程专业2021级本科生郑林欣在镁基氢化物储氢领域取得关键研究成果。她以第一作者身份在能源化学领域一区TOP期刊《Chinese Chemical Letters》（影响因子9.4）发表题为“A MOF derived multi-phase FeNi3-S catalyst for efficient hydrogen storage in magnesium hydride”的研究论文（https://doi.org/10.1016/j.cclet.2024.110414），能源与动力学院新能源系张刘挺副教授为该论文的第一通讯作者。

“氢”动未来，氢能源作为一种二次清洁能源，被誉为“21世纪终极能源”，是战略性新兴产业和未来产业的重点发展方向。开发具备高储氢容量以及可逆吸放氢性能的新型储氢材料，具有重大的学术与商业价值，其中高容量镁基储氢材料备受学术界瞩目。

郑林欣同学自2023年进入张刘挺副教授的课题组后，便专注于镁基固态储氢材料的优化改性研究。她设计并制备了由MOF材料衍生的多相FeNi3-S催化剂，显著提升了氢化镁储氢材料的储氢性能，为镁基固态储氢材料的产业化应用筑牢了实验研究根基。凭借出色的学习与研究能力，郑林欣同学于今年7月成功入选复旦大学暑期夏令营，并荣获优秀营员称号，且在10月份正式被复旦大学录取，直接攻读博士研究生。这是新能源科学与工程专业自2016年招生以来，首位直接攻读复旦大学博士学位的本科生，有力彰显了学院在本科生创新能力和综合素养培养方面所取得的突出成效。

近日，我校自动化学院吴云凯老师在国际工业信息领域的顶级期刊IEEE Transactions on Industrial Informatics（影响因子11.7，中科院一区）上发表论文《Data-Driven ToMFIR-Based Incipient Fault Detection and Estimation for High-Speed Rail Vehicle Suspension Systems》。

随着高铁技术的快速发展，列车悬挂系统的安全性和可靠性受到了广泛关注，早期故障的检测与估计对于保障高速列车的安全运行具有重要意义。作者提出了一种基于数据驱动的全局可测量故障信息残差(ToMFIR)的早期故障检测与估计方法，实现了对早期故障的高效检测和准确估计。主要创新点包括：消除了ToMFIR对系统模型的依赖，无需系统建模和参数识别步骤即可获得ToMFIR残差；基于数据驱动ToMFIR的早期故障检测和估计策略能提取更全面的系统故障信息，进一步提升对早期故障的敏感性。

进一步针对非线性高速列车悬挂系统的早期故障检测与隔离问题，吴云凯老师及其科研团队在国际智能交通领域顶级期刊IEEE Transactions on Intelligent Transportation Systems（影响因子7.9，中科院一区）上还发表了论文《T-S Fuzzy Data-Driven ToMFIR With Application to Incipient Fault Detection and Isolation for High-Speed Rail Vehicle Suspension Systems》，结合T-S模糊动态模型，提出了一种非线性系统下基于数据驱动的ToMFIR残差方法。主要创新点包括：提出了基于数据驱动ToMFIR的通用稳定核表示，消除了原有理论中对解析模型的关键限制；在非线性系统中扩展数据驱动ToMFIR理论；提出的T-S模糊数据驱动ToMFIR对缓变早期故障和具有间歇特征的早期故障都具有较高的灵敏度。

上述两项研究工作均得到了国家自然科学基金-面上项目 (62173164) 和江苏省自然科学基金-面上项目(BK20201451)的支持。第二作者苏宇本硕阶段均就读于江苏科技大学自动化学院，其硕士毕业论文2023年获校级优秀硕士论文，目前于上海大学攻读博士学位。上述两项研究的基础工作均源于自然科学基金项目拟定的研究方向、凝练的科学问题以及苏宇硕士研究生阶段的部分成果。上述成果的取得，体现了自动化学院高度重视自然科学基金申报、培育工作，以及全面提升研究生培养质量的扎实效果。

图为 数据驱动ToMFIR设计框图

图为 SIMPACK-MATLAB联合仿真

近日，自动化学院杨晓飞副教授“自主智能无人系统”团队在未来混合交通体系下的无人艇智能航行和安全避碰研究方向取得新进展。团队研究成果“A Balanced Collision Avoidance Algorithm for USVs in Complex Environment: A Deep Reinforcement Learning Approach”和“Design and Field Test of Collision Avoidance Method With Prediction for USVs: A Deep Deterministic Policy Gradient Approach”先后在人工智能和智能交通领域的国际顶级期刊《IEEE Internet of Things Journal》和《IEEE Transactions on Intelligent Transportation Systems》上发表。两篇论文的第一作者均为自动化学院2022级硕士研究生娄猛猛，杨晓飞副教授为论文唯一通讯作者，江苏科技大学为第一完成单位。论文的共同作者还包括自动化学院2022级硕士研究生胡家宝、江苏科技大学朱志宇教授、安徽工业大学沈浩教授、南京理工大学向峥嵘教授和美国南卡罗来纳大学张斌教授。

随着智能技术的发展，未来将形成有人和无人船舶共存的混合交通体系。在该体系中，无人船舶如何与有人船舶和谐共存，并按照人类的航行规则进行安全航行是值得研究和探讨的问题。因此，实时安全避碰对于复杂环境中的水面无人艇（USV）至关重要。针对传统方法难以保证控制决策安全性和实用性的平衡问题，团队提出了一种基于互补原理的两级激励奖励机制，并构建了基于深度强化学习的安全避碰算法框架。同时，为了解决深度确定性策略梯度（DDPG）的稀疏奖励问题，团队参考动态窗口算法（DWA）的轨迹评价函数，构建了主要奖励策略，并基于速度障碍（VO）设计次级激励奖励，以筛除潜在的碰撞风险。在提高训练效率方面，团队利用电子海图（EC）和Unity3D构建了一个沉浸式仿真平台，并通过该平台开展算法仿真和验证。此外，通过现场实验测试了算法在多种遭遇场景下的有效性。

此外，为了解决当前基于深度强化学习（DRL）的无人艇避碰研究大多依赖固定数量障碍物假设、忽视碰撞预测重要性的问题，团队提出了一种基于DDPG的新型“预测-决策”避碰模型。该模型首先设计和构造了辐射形状态空间，使得DDPG方法能够用于具有随机障碍物的时变场景，同时将速度障碍（VO）与状态空间相结合以实现碰撞预测，使用奖励塑形技术设计奖励函数，以提高安全性和训练效率。虚拟仿真实验和现场测试验证了该算法的有效性，显示出所提方法不仅使无人艇在未知环境中能够安全避碰，而且具有较强的泛化能力。

《IEEE Transactions on Intelligent Transportation Systems》是智能交通领域的国际顶级期刊（影响因子7.9），《IEEE Internet of Things Journal》是人工智能与物联网领域的国际顶级期刊（影响因子8.2），两者均属于中科院SCI一区TOP期刊。

近日，计算机学院硕导程科教授团队在行人重新识别(ReID)研究方向取得新进展，团队研究成果“MSCMNet: Multi-scale Semantic Correlation Mining for Visible-Infrared Person Re-Identification”被模式识别与人工智能领域国际顶级期刊《Pattern Recognition》接受，并在线发表。论文第一作者为2022级硕士研究生华雪成同学，程科教授为通讯作者，江苏科技大学为第一完成单位，江苏科技大学涂娟娟副教授，江苏大学陆虎副教授、河北工业大学王元全教授和江南大学王士同教授为论文共同作者。

行人重新识别(ReID) 是一种检索摄像机拍摄的行人图像中的人物的技术。随着公共安全的日益重视，全天候监控和检索系统在计算机视觉领域引起了极大关注。现有的 ReID 方法主要用于检索 RGB-RGB 图像之间的行人信息。但是现实环境是复杂多变的，除了白天外，大多数在线监控场合都在夜间和低光照条件下。为了解决这个问题，许多全天候监控系统都采用了红外 (IR) 摄像机来捕捉弱光环境下的场景。然而，红外光的较长波长和散射增加会导致可见图像中通常存在的颜色、纹理和细节信息的丢失。因此，由于跨模态差异很大，需要针对RGB和IR图像的不同特性设计一种用于可见光-红外行人检测的模型。

为了充分挖掘RGB-IR的模态信息，研究提出了基于深度学习的多尺度语义关联挖掘网络MSCMNet。通过设计多尺度信息关联挖掘块 (MIMB) 探索融合特征的隐含语义关联，并设计四流特征提取器 (QFE) 尽可能保留原始数据的不同的语义信息。最后提出了一种新颖的四中心三元组损失 (QCT) 来处理跨模态特征中的语义信息差异。大量SYSU-MM01、RegDB 和 LLCM 数据集上的实验表明他们提出的 MSCMNet 在 VI-RelD 任务中的表现优于目前其他最先进的方法。

《Pattern Recognition》被认为是模式识别与人工智能领域的顶级国际期刊之一，创刊于1968年。2023年该期刊的影响因子为8.0，属于中科院计算机科学SCI一区TOP期刊。中国自动化学会（CAA）则将其列为A类推荐期刊，中国计算机学会（CCF）评价该期刊为“国际重要期刊，具有重要的国际学术影响力”。