本报讯（全媒体记者 师亚萍）在低空经济蓬勃发展和空天信息产业加速崛起的背景下，构建全天候、高精度的空天地一体化监测体系成为国家战略发展的关键方向。为此，安徽大学人工智能学院李成龙教授团队瞄准国家重大需求，聚焦空天协同感知前沿问题，在多模态遥感图像智能解译领域取得一系列重要进展，为推动空天信息技术创新与低空经济发展注入新动能。
　　针对现有光学引导热成像超分辨率方法在复杂环境（如夜间、雾天）性能下降问题，团队提出了解耦光学图像表征的新思路，构建了适用于正常光照、低光照和雾障三种典型无人机场景的专用引导模块，并通过属性感知融合技术实现多场景特征动态聚合，显著提升了复杂环境下的热成像图像质量。
　　在应对弱光及光照不均等复杂条件下的多模态目标检测难题方面，团队创新性地引入Retinex理论，将可见光图像分解为反射率和光照分量，并设计反射率引导的渐进式特征对齐网络，有效解决了空间错位问题，显著提升了无人机在复杂光照条件下的全天候目标检测能力。
　　此外，面对高分辨率无人机视频中车辆密集、朝向多样、类别区分难等挑战，团队构建了面向无人机视频车辆细粒度检测识别的大规模基准数据集，并提出了类别细化网络CRNet。该网络通过建模时序信息和聚焦判别性特征，有效应对运动模糊与背景干扰，大幅提升了车辆分类精度。
　　未来，团队表示，将继续围绕低空经济与空天信息产业发展需求，深化多模态协同感知理论研究，加快关键核心技术攻关，为空天地一体化监测体系建设提供坚实支撑，助力我国空天科技与低空经济高质量融合发展。