研究了一个多保真代理模型框架，将多项式相关函数扩展（PCFE）与高斯过程（GP）相结合，提供了一种称为 H-PCFE 的有效代理模型，并引入了具有不同保真度的级联模型体系，称为 Deep-HPCFE，其通过在不同模型之间引入空间相关性，有效地解决了由低保真度模型引起的预测误差问题。该多保真度框架的性能评估和数字双胞胎系统的实际应用证明了其有效性。

Jun, 2023

发展基于机器人的自动网状缺陷检测系统，用于水产养殖网笼的实时检测和不同缺陷的识别，旨在降低成本，提高质量和操作便利性。

Aug, 2023

自 20 世纪 90 年代以来，水产养殖生产迅速增长，但稀缺的、自我报告的和汇总的生产数据限制了对该行业趋势和潜在风险的有效理解和监测。本研究基于水产养殖生产的手动调查，利用计算机视觉模型从航空和卫星图像中识别海洋养殖笼，生成了法国地中海 2000 年至 2021 年的鱼类养殖地点的空间明确数据集，其中包括 4,010 个笼子（笼子平均面积为 69 平方米）。我们证明了我们的方法的价值，作为一种易于适应、经济高效的方法，可以提高水产养殖调查的速度和可靠性，并可用于研究人员和监管机构进行下游分析。我们使用该方法计算独立估计的生产量，并发展了一个灵活的框架来量化估计中的不确定性。总体而言，我们的研究提出了一种高效、可扩展和高度适应的从遥感图像监测水产养殖生产的方法。

Jun, 2024

本文提出了一种基于机器人的海水养殖网箱自动损伤检测系统，用于在 ROV 处理过程中和实时检测中检测网的损伤部分，该系统通过 ROV 的载体摄像机获取视频流，采用深度学习检测器，在不同水下条件下将图像的有缺陷部分与背景进行分割，该方法经过测试后表明其高准确性即使在逆境情况下，并且适用于嵌入式平台的实时处理。

Aug, 2023

该研究提出了一个数字孪生框架，应用于石油和天然气工业中的气举过程，旨在提高数字孪生系统的稳健性和适应性。该框架结合了贝叶斯推断、蒙特卡罗模拟、迁移学习和不确定性管理等技术，为数字孪生系统提供高效、可靠、值得信赖的识别，并致力于改进复杂实际场景中的决策过程。

Nov, 2023

本文利用物理信息引导机器学习代理模型，开发了多尺度数字孪生工具，可快速评估地下水受污染特征在气候变化下的时空演变，预测 1954 年至 2100 年时段内的储备率，用于环境修复领域的研究。

Nov, 2022

该研究文章展示了数据驱动决策支持在水产养殖中的强大作用，承诺满足日益增长的对海鲜的需求，同时强调环境责任与经济可行性，从而彻底改变未来的养鱼方式。

Nov, 2023

这篇论文综述了水产养殖系统中优化喂养和水质的控制设计技术，主要包括基于模型和基于增强学习的控制方法，并介绍了无模型强化学习策略的应用。

Jun, 2023

本研究提出了基于物联网的水产养殖解决方案，利用生物絮凝技术将未使用的饲料转化为微生物蛋白，采用传感器采集数据，并运用机器学习模型和人工智能产生决策和通知，实现高效和生产力的提高。

Jul, 2022

比较不同的深度学习架构以实现水下对接检测和分类，并使用知识蒸馏压缩具有最佳性能的架构，利用生成对抗网络进行图像转换以模拟真实水下图像，最终评估该方法的成功率并与传统视觉方法进行比较。

Nov, 2023