近日，上海电机学院电子信息学院智能检测与视觉团队科研工作再传捷报，团队围绕目标多模态检测及视觉跟踪方向持续攻关，两项创新成果相继发表于国际权威期刊《Signal, Image and Video Processing》。黎明副教授为第一作者，24级电子信息专业研究生严旭同学为第二作者，发表研究成果“DM-FDA: a dual-modal feature detection algorithm for microscopic impurities”。吴瑞旭博士为第一作者，刘艳丽教授为通讯作者，发表研究成果“Visual tracking based on spatiotemporal deformable mamba”，两项成果均以上海电机学院为第一单位。
成果一：DM FDA双模态融合算法，攻克食用油微小杂质智能检测难题
团队提出DM FDA双模态特征检测算法，首创事件相机+可见光图像融合检测范式，解决低光照、高黏度、弱纹理场景下微小杂质漏检、误检痛点。算法采用BiFPN双向特征金字塔实现跨模态加权融合、SPPCSPC增强多尺度上下文、IF MPDIoU精准回归微小目标框，最小可检尺寸0.2mm。在14520张样本数据集上，毛发检测精度100%、金属碎片89.40%、原料碎屑76.10%。为食品工业自动化质检提供核心技术支撑。
论文链接：https://doi.org/10.1007/s11760-025-05004-8
成果二：SDM时空可变形Mamba，打造超高效鲁棒视觉跟踪器
针对现有Mamba模型在视觉跟踪中时空特征利用不足、空间结构信息提取能力弱等问题，课题组创新性地提出SDM（Spatiotemporal Deformable Mamba）跟踪框架。该框架通过融合时序特征增强定位预测能力，引入可变形Mamba模块动态调整扫描路径以捕获关键特征，并采用多尺度分层结构提升计算效率。在GOT-10K、LaSOT、TrackingNet和VOT2020等权威基准数据集上的实验表明，SDM在保持高跟踪精度的同时有效降低了模型复杂度，为实时视觉跟踪提供了新的技术路径，可广泛应用于自动驾驶、安防监控、人机交互等领域。
论文链接：https://doi.org/10.1007/s11760-025-05068-6
未来团队将继续深耕智能视觉与信息处理核心赛道，聚焦行业关键技术难题，勇攀科研高峰，力争产出更多具有原创性与实用性的高水平成果，助力国家新质生产力发展与产业升级。（供稿：电子信息学院）
