一、农业具身智能机器人
本方向聚焦农业生产场景下的具身智能机器人系统，是课题组当前的重点攻关方向。 研究内容涵盖多模态环境感知、自主导航与路径规划、灵巧机械臂操作与控制、 基于深度学习的果蔬识别与定位、机器人-环境交互等核心技术。
面向果蔬采摘、田间巡检、精准施药等典型农业应用场景，构建"感知-决策-执行" 一体化的具身智能系统，推动农业生产的智能化与无人化转型升级。
具身智能 采摘机器人 自主导航 SLAM 计算机视觉
二、汽车零配件缺陷检测
本方向面向汽车制造行业质量管控需求，基于机器视觉与深度学习技术， 研发汽车零配件表面缺陷的自动化检测系统。针对划痕、裂纹、凹坑、毛刺、 色差等多种缺陷类型，开发高精度、高速度的检测算法与软硬件系统。
研究重点包括：小样本条件下的缺陷检测方法、多尺度特征融合网络设计、 轻量化模型部署、缺陷三维重建与量化评估、以及面向产线的实时检测系统集成。
机器视觉 深度学习 缺陷检测 智能制造 质量管控
三、仿生传感器设计与制造
本方向延续课题组负责人的博士研究方向，聚焦仿生感知机理与传感器件研制。 通过揭示水黾等生物的振动感知机理，提出"韧带-骨骼"类鼓效应仿生模型， 设计制造高灵敏度、高稳定性的仿生振动与环境感知传感器件。
传感器件在大型工程装备、智能农机、水下机器人等多个场景中完成了振动检测与 定位测试验证，表现出了优异的性能指标。未来将进一步向微型化、阵列化、智能化方向发展。
仿生传感器 MEMS工艺 振动感知 智能感知
四、智能农机装备与无人驾驶
本方向围绕智能农机装备的研发与应用，研究农机自动导航、 路径规划、障碍物检测与避障、多机协同作业等关键技术。 结合激光雷达、视觉、IMU等多传感器融合方案，实现农机在复杂农田环境中的 高精度自主行驶与智能作业。
此外，课题组还将无人驾驶技术拓展至低速物流、园区通勤等场景， 探索视觉SLAM、多传感器标定、决策规划等共性技术在多个领域的迁移应用。
智能农机 无人驾驶 路径规划 传感器融合