张上导师简介

人生经历

中国地质大学（北京），信息工程学院，获工学博士学位。长期从事计算机、物联网及人工智能教学与科研，在以深度学习为主要研究对象的目标监测技术方面形成特色与专长；近年来，主要开展了以下方面的目标监测技术研究：多尺度下遥感小目标多头注意力检测；轻量化无人机遥感图像小目标检测算法；多尺度特征响应融合的复杂场景红外目标跟踪；轻量级红外小目标检测方法等，取得了多项创新成果，获发明专利6项。发表论文累计82篇，其中SCI 检索5篇，EI检索 15篇，CPCI 1篇，A&HCI 1篇。近5年作为第一作者和通信作者发表论文37篇，其中中文核心期刊及以上论文共计 20篇以上。

先后承担并完成省部级项目、企业横向合作项目等，主要项目有：

1. 主持中国教育与科研网中心，赛尔网络下一代互联网技术创新项目，NGII20161210，“基于云的智能身份授权系统”；

2. 主持宜昌市自然科学基金，“面向智慧社区能量有效的无线传感器网路由协议的研究”；

3. 主持湖北省应用技术研究与开发项目（2060402），基于云计算的身份授权认证系统；

4. 承担研发湖北兴山县职教中心智慧食堂管理系统；

5. 承担研发湖北三环锻造有限公司：新能源汽车铝合金锻件产品质量追溯系统；

6. 承担研发生产企业能源安全与监测系统；

7.海山科技船舶装备售后管理系统等。

1. 授权专利

1）郑大定; 张上; 一种锻件生产调度系统, 2023-02-21, 中国专利, ZL 2022 1 0850400.6.

2）郑大定; 张上; 一种锻件生产过程中的物料框跟踪方法, 2023-06-13, 中国专利, ZL 2022 1 0850389.3.

3）张上; 张卓; 吕浩林; 项天旭; 基于改进TOPSIS模型的动态负载均衡方法, 2022-07-28, 中国, CN202210900802.2.

4）熊昕; 黄俊杰; 王申涛; 张上; 基于NBIOT的景观灯智能控制装置, 2019-07-29, 中国专利, ZL201921204233.8.

5）李成伟; 李静秋; 张上; 杨伟; 老人智能药箱, 2019-08-16, 中国, CN201921332993.7.

6）吴信才; 谢忠; 曾文; 张发勇; 吴冰; 樊文有; 刘福江; 叶亚琴; 林伟华; 陈占龙; 胡茂胜; 周林; 张唯; 孙杰; 张上; 一种遥感影像与矢量数据一体化批量制图的方法, 2016-08-24, 中国专利, ZL201310003015.9.

2. 服务企业经历

2019.03-2021.03 由宜昌市西陵区科技局牵头，担任宜昌市宏宇连邦软件有限责任公司科技副总

2020.05 湖北省“院士专家企业行”选派服务湖北天时利电子科技有限公司，嵌入式系统研发指导

2021.04 中共兴山县委组织部选派至兴山县职教中心，挂职副校长，负责校园信息化建设工作

2021.08-2022.08 共青团湖北省委“博士服务团”选派至湖北三环锻造有限公司，任总经理助理，负责企业信息化建设工作

3. 课题组情况

本课题组围绕人工智能、计算机视觉、遥感图像处理、红外目标检测与跟踪、工业智能检测及智能优化等方向展开深入研究，致力于提升智能感知、数据处理和自动化检测技术的理论创新、工程应用能力及产业化落地水平。课题组的研究工作主要涵盖以下几个核心领域：

3.1 计算机视觉与深度学习目标检测

本课题致力于计算机视觉与深度学习目标检测技术的研究，围绕YOLO系列（YOLOv5、YOLOv7、YOLOv8）等主流目标检测框架，开展模型优化、轻量化设计、检测精度提升等方向的深入研究。课题组针对多尺度目标检测、小目标识别、SAR影像解析、红外与可见光融合、工业视觉检测等应用场景，研究高效特征提取、注意力机制增强、深度学习模型剪枝优化等关键技术，旨在提升检测模型的鲁棒性、实时性、泛化能力及计算效率，推动目标检测算法在复杂环境下的工程化应用。

3.2 红外目标检测与多模态图像分析

红外目标检测与多模态图像分析是本课题组的核心研究方向之一，主要聚焦于红外小目标检测、红外目标跟踪、多模态信息融合、红外智能识别等关键技术，旨在提升智能感知系统在低光照、恶劣天气、复杂环境中的应用能力，确保目标检测的高精度和高鲁棒性。课题组提出了一系列高效的检测、跟踪与融合算法，并应用于遥感监测、智能安防、自动驾驶、边防巡逻、无人机侦察等领域。

3.3 遥感影像分析与SAR图像处理

本课题聚焦于遥感影像智能分析与SAR（合成孔径雷达）图像处理，研究基于深度学习的目标检测、特征提取与分类算法，推动人工智能在遥感监测、地理信息系统（GIS）、国防侦察、农业遥感、灾害监测等领域的应用。通过卷积神经网络（CNN）、Transformer架构、多尺度特征融合、对比学习等技术，提升遥感数据的智能分析能力，实现对地物目标、环境变化、军事目标等信息的精准识别与自动化解析。

3.4 工业视觉检测与智能制造

本课题围绕工业智能检测、缺陷识别、智能制造信息化等方向，研究基于深度学习与计算机视觉的自动化检测技术，推动人工智能在制造业中的应用。针对金属锻件、光伏组件等工业产品的缺陷检测需求，课题组优化轻量化检测网络、多尺度特征提取、智能缺陷分割等方法，提升工业检测的自动化程度、检测精度及实时性，助力制造业智能化升级。

自2022年12月以来，所指导的课题组在人工智能、计算机视觉、遥感目标检测、红外目标跟踪等多个研究方向取得了稳定的科研产出。截至2025年3月，课题组共发表34篇论文，时间跨度约为20个学期月，平均每月发表约1.70篇高水平论文，学术产出效率全院第一。这些论文涵盖CCF C/B类国际会议论文、SCI期刊（中科院3/2/1区）、EI期刊、中文EI期刊、CSCD核心期刊、北大核心期刊、CSCD扩展版期刊等。

高水平期刊论文共15篇。其中，在CCF B级的EI源刊《计算机工程与应用》发表论文2篇，在国内A级的EI源刊《计算机集成制造系统》发表论文1篇。此外，在SCI期刊《IEEE Access》发表论文1篇，其余论文均发表于国内B/国内A的CSCD核心+北大双核心期刊，如《红外技术》《无线电工程》《电光与控制》等，研究方向涵盖轻量化目标检测、SAR图像目标识别、红外目标跟踪、多尺度特征融合等。