近日，土木与安全工程学院教师马鸣以第一作者、通讯作者身份，在SCI学术期刊Scientific Reports发表题为“Enhancing floating debris detection in complex scenarios: a multi-scale refined RT-DETR approach”的研究论文。该成果围绕复杂水面环境下漂浮物精准识别与分类问题，提出了一种多尺度精细化实时检测模型，为灌溉水源智能监测、水面污染治理和智慧水利管理提供了新的技术思路。

　　水面漂浮物检测是水环境治理和农业灌溉水源管理中的重要环节。受水面反光、波纹扰动、光照变化、目标尺度差异大以及小目标密集分布等因素影响，传统检测方法在复杂场景中容易出现漏检、误检和分类精度不足等问题。针对上述难点，论文在RT-DETR目标检测框架基础上，构建了MSP-RTDETR模型，引入多尺度感知模块、空间信息重组与多尺度特征融合模块以及极坐标线性注意力编码模块，增强模型对小尺度、密集型漂浮物目标的特征提取能力和复杂背景适应能力。

　　实验结果表明，该模型在复杂水面漂浮物检测任务中取得了较好的综合性能，检测精确率达到86.8%，召回率达到83.3%，mAP50达到85.1%，较基准模型RT-DETR-r18在检测精度和模型轻量化方面均有明显提升。研究还通过可视化实验进一步验证了模型在复杂背景干扰抑制、小目标识别和多尺度目标检测方面的有效性，具有较好的实际应用潜力，可为无人机巡检、船载监测、水面清漂机器人等场景提供技术支撑。

　　该研究是围绕“土木生态环境治理+人工智能+工程应用”等交叉方向开展科研探索取得的阶段性成果，也体现了学校教师在工程技术、人工智能和生态环境治理交叉融合方面的持续积累。下一步，研究团队将继续面向水环境智能监测、工程场景目标识别和低碳生态治理等实际需求，推进相关算法优化、场景拓展和工程应用研究，为学校科研工作高质量发展和服务地方经济社会发展贡献力量。(土木与安全工程学院  供稿)

　　编辑：马鸣  预审：梅立群  审核：韩雪  王瑜