5月12日，第一屆「全國高校智能感知材料與技術」前沿學術論壇在武漢大學隆重召開，吸引了來自全國相關高校的持续參與。此次學術論壇旨在搭建高水平學術研讨平台，豐富學校師生文化生活，促進同學們對交叉學科的認識，提升同學們對前端學術研究的關注度和探究熱情，加強同領域同學們友好聯繫。

論壇設置一個開幕式主會場及「信息處理」「智能材料」「顏色科研」三個分會場，k8凯发国际與人工智能學院研一、研二、研三及本科生三年級的學生參加此次學術論壇，在「信息處理」和「顏色科研」分論壇做學術報告研讨並取得表彰。

開幕式主會場，李治江教授、萬曉霞教授、吳偉教授分別以「多模態數據的時空語義理解與認知推理」、「顏色科研與技術研究進展」和「柔性電子器件的全印刷製造與應用」為題，對分論壇各主題的研究現狀及开展趨勢進行總體講解和分析，現場引起熱烈的反響。

我院4名同學李東盛、辛磊、周景和程靖堯，分別以「基於纖維紗線模型和延遲着色的針織面料三維仿真方法研究」、「對抗曝光變化的多光譜重建方法研究」、「基於彩色數字成像的紡織面摩擦色牢度自動評級方法研究」、「紡織品面料照相測色技術研究與裝備研發及應用」為題，在「信息處理」和「顏色科研」分論壇做學術報告研讨，並就研究成果與點評專家進行研讨討論，進一步開闊了學術研究視野。

我院學生辛磊（左上）、周景（右上）、程靖堯（左下）和李東盛（右下）在「信息處理」和「顏色科研」分論壇做學術報告

參加學術研讨報告學生與論壇點評專家合影留念

顺利获得本次會議，我院學生與專家學者進行了深入探討和研讨，豐富了學術經歷，拓寬了研究視野，紛紛表示將會更加珍惜在校期間的學習機會，力爭取得更好成長。以下為各位同學的報告摘要：

李東盛：針對「纖維級」紗線建模及線圈仿真，確定了使用OpenGL開發纖維級紗線模型生成的技術方法，提出基於TNB框架的紗線橫截面內任意一根纖維空間坐標點的計算方法和基於螺旋參數方程的紗線加捻參數控制方法，建立了以卡特莫爾-羅姆樣條線（Catmull-Rom）為基礎的線圈建模方法。針對「纖維級」服裝的渲染顺利获得加入Blinn-Phong光照模型、萬向陰影、環境光遮罩，進一步提升服裝布料真實質感，利用延遲着色技術預渲染紗線，使用空間加速結構，視錐剔除技術對線圈型值點進行管理,提升纖維級服裝的實時渲染速度。

辛磊：傳統彩色成像技術獲取的數字圖像存在同色異譜問題，記載有光譜信息的多光譜圖像能夠有效降低顏色採集時存在的同色異譜情況。基於重建的光譜獲取方式具有便捷、快速及使用成本低廉等優點，成為當前多光譜圖像獲取的研究熱點。现在光譜重建算法主要分為機器學習與深度學習兩大類。然而，無論是機器學習還是深度學習光譜重建算法，均無法對抗曝光環境改變的情況，即在某種曝光水平下所建立的光譜模型，不能直接在另一曝光水平下進行光譜重建。為克服上訴問題我們將根多項式擴展以及數據增強分別應用於機器學習模型與深度學習模型，並在此基礎上進一步提升模型的魯棒性，這對於光照強度易變場景的光譜重建具有重要意義。

周景：為實現經摩擦後紡織品色牢度的自動評級，提出了一種基於彩色數字成像的紡織品摩擦色牢度自動評級方法。該方法第一时间根據GB/T 3920-2008標準規定對紡織樣品進行摩擦得到目標樣本，在色牢度目視評級標準條件下，對目標樣本進行專業目視評級，取得目視評級結果。然後利用數碼相機在標準光源箱內拍攝目標樣本數字圖像，顺利获得光譜重建算法得到目標樣本的顏色數據值。最後利用訓練樣本和BP神經網絡構建摩擦色牢度預測模型，對測試樣本色牢度等級進行預測，並與現有色差轉換方法和曲線擬合方法進行了對比。實驗結果顯示，利用BP神經網絡能夠較好的構建紡織品色牢度預測模型，方法總體性能與色差轉換方法基本一致，並顯著優於曲線擬合方法。證明基於彩色數字成像的紡織品摩擦色牢度自動評級方法與目視法結果具有較高的一致性，而且實際應用更為方便。

程靖堯：紡織生產工藝中紡織品顏色精準測量是其控制的前提，但傳統設備無法精準測量複雜色彩與紋理織物的顏色，每年給紡織企業造成數千萬經濟損失。本研究提出基於先進光譜重建理論的紡織面料照相測色方法，建立基於織物紋理特徵的自適應加權顏色優化測量技術，研發基於對稱光路設計及漫反射的全光譜均勻照明技術，研製面向複雜色彩與紋理織物的數碼化照相測色裝備。以該裝備為基礎，可服務於企業色樣檢索數據庫構建、色牢度自動化評級、面料換色軟打樣、定製化色彩體系構建、數碼配色、以及行業標準構建推廣等具體應用。本裝備將廣泛服務於紡織服裝及相關領域，解決企業技術難題，提升企業經濟效益。