[作者-王欣芮｜审核-刘心月]2025年4月11日，湖北省工业与应用数学学会2025年学术交流大会在荆门市隆重召开。本次大会由湖北省工业与应用数学学会主办，吸引了来自湖北高校及科研院所的专家学者、企业代表和学生代表参加，我组李伟夫副教授、博士研究生张学林参与了此次会议。

在会议的学术报告环节中，李伟夫副教授以“植物画像：深度-语义监督下的3D高斯泼溅技术在植物表型提取中的应用”为题进行了学术报告。李伟夫副教授以柑橘植株作为研究对象，提出了一种仅需使用RGB相机即可精确提取植株表型的自动化方案。通过神经辐射场技术对获取的序列图像进行高保真重建，并生成植株3D点云数据；然后通过点云分割网络对植物的叶片与茎进行语义识别，以及基于聚类和表面重建的方法优化识别结果。最后在叶片识别的基础上进行实例分割，进而获得叶片与茎的表型参数。在自建数据集上的实验结果表明提出方案可精确提取柑橘植株株高、叶片数量、节点长度，R2分别可达0.95、0.94、0.73，验证了提出方案的有效性。

此外，张学林同学也以“Error Density-dependent Empirical Risk Minimization with Bilevel Extensions”为题，进行了精彩的学术报告。他创新地设计出了依赖于样本损失密度信息的稳健度量，减轻了经验风险最小化（ERM）对数据中可能包含的噪声与异常值的敏感性。基于平方损失的经验风险最小化已成为设计学习算法的最流行原则之一。然而，经验风险最小化下现有的均值回归模型由于对非典型观测（如异常值）的敏感性，通常泛化性能较差。为了减轻这种敏感性，已有不少学者提出了一些解决方案，通过利用误差值与不同观测值的定量关系来形成稳健的学习目标。本文不再关注误差值，而是考虑误差密度来揭示观测样本的结构信息，并提出了一个新的学习目标，称为依赖误差密度的经验风险最小化（EDERM），用于复杂数据环境下的稳健回归。性质探讨与实验分析充分验证了所提出的基于EDERM的学习模型的稳健性和竞争力。

会上还举行了优秀研究生论文奖及优秀青年学者奖的颁奖仪式，我组李伟夫老师荣获优秀青年学者奖，博士研究生张学林获选优秀研究生论文二等奖。

此次大会为课题组的师生们提供了一个宝贵的机会，让他们能够展示自己的研究成果，并与同行进行深入的学术交流。期待这种互动能够持续下去，并鼓励课题组的成员们积极参与学术交流活动，共同推动课题组未来的发展和创新。