2024年12月10日，杏吧传媒 举办了2024年大学生创新创业训练计划的结题验收及2025年大创项目的申报动员大会。在本次大会中，共有12个项目组参与结题答辩。

大会现场
 

各项目组分别从选题背景、项目实施过程、项目成果及心得体会等方面展开汇报，展示参与一年科研的成果和收获。评委老师针对项目的研究方法、实施流程、成果的创新性和应用性等方面进行了深入提问和细致点评，为同学们提供了宝贵的改进建议。最终，经过学院老师的评审，参与结题答辩的大创项目均顺利通过，其中3个项目被评为优秀，7个项目被评为良好。

大创团队进行汇报

现有谐振式无线电能传输系统存在电路选型方案多、元件参数选取复杂、系统故障诊断难等挑战。为此，本项目通过电路及电磁场理论对无线电能传输系统进行数学建模，探索适用于小型电子设备充放电的电路拓扑及线圈结构，重点研究移相全桥拓扑下的磁共振无线电能传输系统的传输效率及输出功率。同时，借助人工智能/机器学习技术对电路元件参数选取、电路故障诊断这两个方面进行初步研究。

（1）通过理论推导、建模仿真验证及实物实验，得到一种计算移相全桥S-S无线电能传输系统功率及效率的方法与一种计算移相全桥LCC-S无线电能传输系统功率及效率的方法（均已提交发明专利申请）。

（2）基于AI技术进行故障诊断及参数设计

采用随机森林或GBDT模型做7种故障的分类预测，诊断准确率不低于90%

采用随机森林模型做两个元器件参数设计，百分比误差小于3%，效果较好。

在本项目的实施过程中，团队不仅深化了对无线电能传输系统、自动控制原理等知识的理解，还掌握了前沿的人工智能技术及其应用。通过系统的理论分析和仿真建模，我们对高频逆变、谐振变换等电路单元有了深入认识，为小型无线电能传输系统的设计打下了坚实基础。同时通过学习和尝试机器学习方法，深入学习了如何将AI技术应用于实际工程问题。为期一年的科研之路为我们打开了学术研究的大门，不仅锻炼了我们沟通协调的能力，更让我们建立了严格遵循科学研究方法论的意识，培养了科研素养与创新能力。感谢朱老师的辛勤付出，我们将继续在科研道路上稳步前行，不断追求进步。

随着物流行业的快速发展和仓储管理自动化需求的日益增长，针对传统仓储盘点方法效率低下、成本高昂、定位不准确和续航能力差等问题，本项目提出了一种创新的空地协同方案，通过整合无人机和无人车技术，并运用ArUco码检测算法和二维码相对定位技术，旨在提高盘点效率、准确性和安全性，同时降低成本和人力需求，为物流和仓储管理领域带来创新的技术解决方案。

（1）研究成果一：基于ArUco标记的无人机自主着陆方法

本研究提出了一种基于 ArUco 标记的无人机自主着陆方法。该方法设计了一种新的标记排列方式，以实现在不同距离下的准确识别，并设计了一种基于随机样本一致性（RANSAC）的异常值移除方法，以提高定位的准确性。通过一系列实验验证了该方法在静态和动态场景下的有效性，并与现有的视觉方法进行了比较，结果表明该方法提高了无人机的着陆精度，同时保持较低的计算需求。

（2）研究成果二：地面-空中机器人系统

本研究设计了一个地面-空中机器人系统，用于仓库库存管理。该系统充分利用了无人机（UAV）和无人车（UGV）的优势，相比以往的解决方案具有更强的竞争力。

（3）研究成果三：在本项目的推动下，我们成功将研究成果凝练并发表为两篇学术论文，分别发表在《Unmanned Systems》期刊和“IEEE International Conference on Unmanned Systems“会议上。其中，《Integrated Localization Method for a Ground-aerial Robotic System in Warehouse Inventory Scenarios》一文，详细介绍了我们设计的地面-空中机器人系统，该系统通过整合无人机(UAV)和无人车(UGV)的技术优势，有效提升了仓储盘点的工作效率与定位准确性。文章中提出的激光雷达-惯性里程计(LiDAR-Inertial odometry)和目标相对定位方法，为系统提供了精确的姿态估计，并通过运动捕捉相机的测试验证了其准确性和鲁棒性。此外，《A Marker-based Method of Autonomous Landing for Unmanned Aerial Vehicles》一文，提出了一种创新的基于ArUco标记的无人机自主着陆方法，通过新颖的标记布局设计和异常值移除策略，显著提高了无人机在不同场景下的着陆精度。这些成果不仅在学术界获得了认可，也为未来的技术发展和应用提供了坚实的理论和实践基础。

在本次大创项目历程中，我们团队深刻体会到了跨学科合作的重要性和实践过程中的挑战。在项目实施过程中，我们深入学习了空地协同技术、定位算法以及数据处理等关键知识，这些经验不仅增强了我们的技术能力，也锻炼了我们解决实际问题的能力。面对项目中遇到的实验结果不理想的困难，我们未能成功找到其原因。但在指导老师的建议下，我们复现了实验过程，并且成功取得理想的实验数据，确保了研究的顺利进行。

基于视觉识别的管道机器人位置真值系统研究，旨在通过融合图像处理、机器学习和定位技术，提升管道机器人的自主导航与定位能力。针对管道内机器人位置真值难以获取、人工视觉判读位置效率低误差大的难题，研究基于相机阵列的视觉识别技术，自动计算管道内机器人位置真值，并实时显示到二维地图上。

（1）在本研究中，使用YOLOv8算法进行目标检测与目标跟踪。通过识别管道内部特征（如接头、弯曲点、缺陷等），提供关键位置信息。通过目标检测模块，能够精确地定位这些特征的位置，而目标跟踪模块则可在机器人移动过程中对特征进行连续跟踪，确保在动态环境下位置估计的可靠性和稳定性。此外，该系统将结合位置与姿态计算，为机器人提供更精准的导航与定位支持，从而提升其在复杂管道环境中的运行效率。

（2）通过坐标转换与计算、位置与姿态估计、管网坐标系映射等，系统能准确描述机器人在整个管网中的位置和运动轨迹，最终显示到2D建模地图上。

（3）在管道机器人定位系统中，稳定性优化是确保系统能够在复杂和动态环境中长期运行、保持高精度的重要步骤。我们对真值系统的性能进行了验证，确保实时性与稳定性，适应多场景复杂应用需求。

在这次大创项目中，我们团队深入研究了基于视觉识别的管道机器人位置真值系统，收获颇丰。通过这一项目，不仅加深了对计算机视觉和机器人技术的理解，还学会了如何将这些理论知识转化为实际的工程应用。这一过程让我们深刻体会到技术的复杂性和多样性，也让们我认识到问题解决的思维方式需要细致和创新。此外，通过与团队成员的密切合作，我们明白了团队协作的重要性。每个人在项目中扮演着不同的角色，只有大家共同努力，才能够推动项目的顺利进展。特别感谢指导教师侯燕青副教授，从项目的立项阶段到方案的实施，侯老师都给予我们极大的支持，以其丰富的专业知识和经验为我们指引了方向，帮助我们克服了一个又一个技术难题。

杏吧传媒 始终坚持以学生成长为中心，全力推动本科生积极参与大学生创新训练计划。通过深度融合本科生导师制，搭建促进学生全面成长的平台，全方位培育学生的科研创新能力，提升学生的学习力、思想力、行动力，实现学以致用、知行合一，成长为适应创新型国家建设需求的高水平创新人才，为推进人才强国、科技强国战略贡献力量。