——记人工智能与大数据学院多模态设备健康评估与安全监测研究团队
当前，人工智能技术引发的产业变革正在加速演进，如何在新一代信息技术与传统生产场景的深度融合中寻找产学研合作的“突破点”，成为高水平应用型大学组建创新型科研团队、汇聚优秀人才、整合科技资源、搭建创新平台、催生高质量成果的“关键”。
2017年，米兰（中国）人工智能与大数据学院充分利用大数据和人工智能领域的技术和人才优势，与地方行业企业进行联合技术攻关，成立了安徽省城市基础设施大数据技术应用工程实验室。同年，围绕基础设施大数据产业发展的大数据建模、多模态信息智能分析等问题，组建了多模态设备健康评估与安全监测研究团队。
这一年，毕业于合肥工业大学信息管理与信息系统专业的张琛博士入职米兰（中国），成为人工智能与大数据学院的一名“青椒”。在安徽省城市基础设施大数据技术应用工程实验室常务副主任陈圣兵教授的鼓励与指导下，张琛老师快速成长为多模态设备健康评估与安全监测研究团队研究骨干，开启了她在多模态信息智能分析领域的深耕与探索。
回忆这7年的“产学研”生涯，张琛感触很深。
从最初“兴趣驱使”科研，到如今“解决企业的技术需求”的产学研合作，她在一次次与企业对接的磨合锤炼中不断调整自己的“科研目标”。她深知，只有解决了行业用户的实际需求和行业痛点，才是推动应用型科研成果转化的有效方式。
例如，团队最初利用视频监控、红外传感器检测设备表面缺陷和设备故障，实现设备健康评估和安全检测。但在与企业深度对接过程中，张琛和同事们逐渐发现单一的“视觉研判”方式在现场检验中存在着许多问题，不但视频设备产线布置成本高，而且也易被遮挡干扰，无法精准识别和分析工业设备故障。此后，他们尝试了很多方式去解决这一“现实”问题，通过对图像、视频、文字、音频等不同模态数据进行分析，最终找到了一种基于多模态的无损检测研究新方向。
2022年，在陈圣兵教授的带领下，团队研究重心逐渐转向“音频检测”领域，通过采集声音、超声、次声波等主被动声源，收集声纹并建立相应声纹库，借助声纹对设备状态进行建模与智能分析。这种利用大数据建模技术研发的新型检测技术在生产过程中可以轻松实现“全天候、不停机、无损”的检测效果，大大提升了设备监测的准确度和便捷度。
想让科研成果落地，不仅要善于发现企业“真问题”，还要善于结合产业需求解决企业的“真难题”。
团队结合不同类型企业、不同种类工业设备的实际情况，不断了解企业最新需求、调试最优参数、寻求最佳建模方式，先后与科大讯飞、科大国创等行业领军企业联合攻关，开展地下管网、公路桥梁、工地设施等复杂场景健康评估和故障预警、环境监测。例如，与北京声学所、安徽云磬科技产业发展有限公司等企业合作中，为解决声音采集采购成本高的问题，团队自主研发了声音采集卡，研发成本降低了近70%。针对化工设备腐蚀、泄露等问题，团队采取以超声监测为主的方式进行安全监测。
近年来，团队聚焦关键问题，发挥算法优势，相继提出了多模态大数据协同建模、哑设备声学检测、域泛化声音异常监测、复杂环境下设备健康评估等原创性算法，构建了“城市管网智能监测预警与交互平台”“空气污染预测预警系统”“面向云数据灾备服务的运维服务综合管理平台”等应用平台，解决了传统单一模态数据检测的痛点、难点，大幅提升恶劣环境下工业设备故障检测精度和数据分析效率。目前，“面向混合云的数据中心认知运维关键技术”“化工关键静设备机器声纹语料库构建及核心算法模型”“冶金行业关键设备监测及产品检测系统中多频谱声纹核心技术”已在合作企业得到产业化应用推广。
围绕工业大数据和新基建发展需求，团队不断探索教育、科技、人才一体推进良性循环的有效路径，“炼”成了一支包括硕士生、博士后、专职研究人员、工程师、教师在内的多层次研究队伍。多层次的队伍既能“顶天”，又能“立地”，先后获得国家自然科学基金项目、安徽省重大科技攻关项目、安徽省揭榜挂帅项目、安徽省重点研发项目多项，在Expert Systems With Applications等高水平期刊和国内外学术会议上发表SCI、EI高水平论文多篇，授权发明专利5项，软件著作权10余项。团队培养的首届毕业生被新西兰惠灵顿维多利亚大学录取为全职博士，入职能源国企、专精特新企业等。
陈圣兵表示，“我们团队很少去做‘赶时髦’的研究，一直专注于以数据思维解决实际问题，建立声音、图像、红外、振动和联机数据融合模型并开展智能决策分析研究方向，致力于在基础研究与技术应用方面都做到极致，现在的工作重点除了持续科研攻关，还要在培养青年人才、优化团队整体结构方面下功夫，希望未来能为合肥市乃至安徽省大数据行业发展做出更多贡献，让应用型科研成果在区域经济发展中释放更大的新动能。
（党委宣传部 科研处 人工智能与大数据学院 学生记者 王文浩）
