2023年12月16日下午15:00，“学术交流下午茶”活动于机器人学院C2栋104成功举办。本次活动主题为“机器人视觉技术”，参与者来自不同学院和专业，大家互相交流，拓展了各自的知识、技能和人际网络。

“学术下午茶”是一个轻松自在的“唠嗑”活动，每个人随性发言，边吃边唠。

Part·1 自我介绍

第一位进行自我介绍的是机器人学院的23级新生陈凯旭，为我们带来了他对智能机器人的技术应用与发展趋势的认识。他认为机器人知识体系是由多学科交叉融合而成的，智能机器人的关键技术在于环境感知、规划决策以及运功控制。

继陈凯旭同学的开场介绍之后，大家纷纷开始介绍自己的研究方向和具体内容，包括但不限于多传感器融合与感知、机器人SLAM、深度强化学习、图像处理等。其中，机器人学院23级新生方建荣同学向我们科普了一下什么是高光谱。高光谱所收集的影像是收集及处理整个跨电磁波谱的信息，多科学交叉融合让机器具有了超越人眼的感知能力。简单点来说，就像是一个相机融合了一堆高级的技术，通过采集数据处理等，可以看到我们人眼所看不到的东西。

Part·2 博士生分享

接下为我们进行分享的是来自信息科学与工程学院的博二学长潘良睿。

首先，潘学长分享了机器视觉在医疗中的应用，强调癌症是全球主要死因之一，而由于病理学医生短缺，人工智能在病理学图像诊断中变得尤为重要。

随后，潘学长分享了他所在团队在图像分析领域的一些工作。主要任务包括图像分割、分类和多模态图像处理。在分割任务中，团队致力于细胞核和不同区域的准确分割，同时深入研究了癌症的亚型。为了高效地提取特征，团队采用了变压器模型，并通过特征交换融合方法对模型性能进行了优化。在图像分类方面，使用卷积神经网络实现对癌症等的准确分类。多标签分类任务涉及处理具有多个标签的图像，增加了分类问题的复杂性。

接下来，潘学长对模态融合和动态数据处理进行了详细讲解。他提到了多模态数据的问题，包括模态缺失和数据错误，并介绍了早期融合和后期融合的概念。在动态数据处理方面，他讨论了从不同模态获取的动态数据，如基因表达和DNA表达，以及如何整合这些数据进行特征提取。潘学长还提到了一种Perception Network的方法，用于对多模态数据进行聚类和预测。

在模型方面，潘学长介绍了一种基于图的方法，包括图构建、图卷积网络的特征提取，以及注意力机制的运用。潘学长还提到了一种编码器的方法，用于提高模型训练速度。最后，他总结了模态的结合和对多模态数据的生成预测。

总体而言，潘学长的研究集中在深度学习和人工智能技术处理医学图像，以提高癌症诊断效率。他强调了模型可解释性，使用图像特征还原和分析。

Part·3 自由讨论

在分享结束后，同学们踊跃讨论，积极提问，潘学长耐心认真地回答了同学们的问题。对于机器人视觉技术的学习和应用，大家提出了各自的看法以及疑惑。在相互交流的过程中，同学们的思维发生了碰撞，展开了较为激烈的讨论。

至此，本次HiTalk学术交流下午茶活动完美结束，再次感谢同学们的积极参与，我们下一场不见不散！