◆个人简历
周蓓，副教授、硕士研究生导师，四川农业大学信息工程学院数据科学系主任
兼任CCF YOCSEF成都学术AC，四川省人工智能学会理事，中讯邮电咨询设计院有限公司智慧农业专家团队负责人，SAP产业赋能中心专家。
主要从事智慧农业(作物三维智能表型解析与精准农业技术研究)、数智化乡村振兴等相关研究。
主编参编教材8部，其中2部国家级规划教材，授权国家发明专利2项，软著5项，发表论文10余篇。指导学生多项科创项目获国家级、省部级奖项。
团队文化：也许你目前技术一般，还未入门，只要你坚持学习、热爱智慧农业科研，你就是我们团队喜欢的成员，欢迎加入，共创智慧育种新篇章！
主要研究方向：作物三维智能表型解析与精准农业技术研究，聚焦油菜、大豆等主要农作物的三维表型组学创新与智能化分析技术。研究内容涵盖三维点云重建、多源数据融合、器官级分割与骨架化提取、表型参数智能解析等核心方向。
通过计算机视觉、深度学习与农业信息工程交叉融合，突破传统表型分析的技术瓶颈，为作物育种、栽培管理及智慧农业提供高精度、高通量的数字化解决方案。
研究方向特点：
1、前沿交叉性：研究融合三维视觉、点云处理、生物信息学与农学知识体系，致力于实现农业表型技术从二维到三维、静态到动态、单一参数到多维组学的发展。
2、技术突破性：研发高精度三维重建算法与点云智能分析框架，显著提升复杂田间环境下作物器官分割精度，骨架拓扑保真度及表型参数提取效率，突破传统图像分析中遮挡、重叠与动态生长干扰的难题。
3、场景实用性：构建覆盖作物全生育期的三维表型数据库，实现从实验室到田间的技术落地，服务于国家种业振兴与智慧农业重大需求。
研究意义：
1、助力精准育种：通过三维表型解析精准获取株高、叶倾角、角果空间分布等关键性状参数，为高通量基因型-表型关联分析提供数据支撑，加速高产、抗逆作物新品种选育。
2、革新农艺管理：动态监测作物三维形态结构与生物量积累，解析环境-表型-产量互作机制，为水肥精准调控、病害早期诊断提供决策依据。
3、推动农业智能化：研发的算法与系统可集成至农业机器人、无人机等智能装备，提升农业自动化水平，响应“无人化农场”与“数字农业”国家战略需求。
对研究生的培养价值：
1、学科交叉能力
提供计算机视觉、农学与数据科学的复合培养路径，塑造“AI+农业”领域稀缺人才。
2、技术纵深发展
掌握三维点云处理、Transformer模型优化、边缘计算等前沿技术，积累从算法研发到田间部署的全链条经验。
3、产业赋能视野
本研究方向培养的核心技术（三维视觉、点云处理、深度学习框架）具有强通用性与行业穿透力，研发的点云重建、动态建模与语义理解算法可无缝迁移至自动驾驶、工业检测、智慧城市、医疗影像等领域，满足多行业对三维智能感知的共性需求。
◆科研项目
[1]四川省自然科学基金（2024NSFSC1059）智慧农业环境下多维移动大数据驱动的农产品推荐策略研究
[2]中国电信“揭榜挂帅”：针对高品质农产品区块链溯源系统的开发与推广应用，100万
[3]四川省教育厅高等教育人才培养质量和教学改革项目（JG2024-0457）农林高校信息技术类专业劳动教育与思政教育深度融合赋能乡村振兴的实践探索——以大数据专业为例
[4]四川省教育厅高等教育人才培养质量和教学改革项目（JG2024-0462）AI慧农科技小院”农林高校双创育人新模式探索与实践
[5]互联网影响下的农村小额信贷信用机制研究
[6]大邑数字农场规划设计
[7]农产品配送中心选址及物流模式优化研究
[8]社区消防通道/疏散通道占用治理智能预警研究
[9]基于多模态的西部地区中小学生心理智能预警研究
[10]以工程能力素养为中心的信息技术类专业实践教学探索
◆发表论文
近三年发表：
[1]Zhang, Y., Wei, J., Zhou, B., Li, F., Xie, Y., & Liu, J. (2024). TVNeRF: Improving few-view neural volume rendering with total variation maximization. Knowledge-Based Systems, 301, 112273.
[2]Li, D., Liao, J., Jiang, H., Jiang, K., Chen, M., Zhou, B., Pu, H., & Li, J. (2024). A classification method of marine mammal calls based on two-channel fusion network. Applied Intelligence.
[3]WaterSegformer: A lightweight model for water body information extraction from remote sensing images . IET Image Processing , 202212
[4]Image classi?cation model based on large kernel attention mechanism and relative position self-attention mechanism . Computer Science , 202210
◆教学活动
主要研究方向：作物三维智能表型解析与精准农业技术研究，聚焦油菜、大豆等主要农作物的三维表型组学创新与智能化分析技术。研究内容涵盖三维点云重建、多源数据融合、器官级分割与骨架化提取、表型参数智能解析等核心方向。
通过计算机视觉、深度学习与农业信息工程交叉融合，突破传统表型分析的技术瓶颈，为作物育种、栽培管理及智慧农业提供高精度、高通量的数字化解决方案。
研究方向特点：
1、前沿交叉性：研究融合三维视觉、点云处理、生物信息学与农学知识体系，致力于实现农业表型技术从二维到三维、静态到动态、单一参数到多维组学的发展。
2、技术突破性：研发高精度三维重建算法与点云智能分析框架，显著提升复杂田间环境下作物器官分割精度，骨架拓扑保真度及表型参数提取效率，突破传统图像分析中遮挡、重叠与动态生长干扰的难题。
3、场景实用性：构建覆盖作物全生育期的三维表型数据库，实现从实验室到田间的技术落地，服务于国家种业振兴与智慧农业重大需求。
研究意义：
1、助力精准育种：通过三维表型解析精准获取株高、叶倾角、角果空间分布等关键性状参数，为高通量基因型-表型关联分析提供数据支撑，加速高产、抗逆作物新品种选育。
2、革新农艺管理：动态监测作物三维形态结构与生物量积累，解析环境-表型-产量互作机制，为水肥精准调控、病害早期诊断提供决策依据。
3、推动农业智能化：研发的算法与系统可集成至农业机器人、无人机等智能装备，提升农业自动化水平，响应“无人化农场”与“数字农业”国家战略需求。
对研究生的培养价值：
1、学科交叉能力
提供计算机视觉、农学与数据科学的复合培养路径，塑造“AI+农业”领域稀缺人才。
2、技术纵深发展
掌握三维点云处理、Transformer模型优化、边缘计算等前沿技术，积累从算法研发到田间部署的全链条经验。
3、产业赋能视野
本研究方向培养的核心技术（三维视觉、点云处理、深度学习框架）具有强通用性与行业穿透力，研发的点云重建、动态建模与语义理解算法可无缝迁移至自动驾驶、工业检测、智慧城市、医疗影像等领域，满足多行业对三维智能感知的共性需求。