科技小院依托合作单位为江苏蒲公英无人机有限公司，在植保无人机研发应用、农业数据分析、智慧农业云平台的系统设计和农业智能装备的结构设计等方面已经开展良好的合作基础。电气工程及自动化学院聘请该公司一线研发工程师参与自动化和人工智能专业本科生和研究生人才培养方案和课程大纲制定，联合建立大学生实习实训基地，累计捐赠设备20台（套），每年接收40名左右本科生和10余名研究生实习实训。公司利用产品和技术优势，持续为自动化和人工智能专业开展师资和实践教学培训，近两年已经通过线上线下方式培训教师达7人次，为自动化专业学生开展线上实践教学训练达100余人次。聘任专业教师担任科技副总1人次，开展产学研合作项目2项，其中2024年签订校企合作项目《面向复杂场景自主管控的智慧苹果园关键理论与技术研发》，项目经费102万元。

科技小院团队目前拥有智慧农业物联网生产实验平台、农业异构多智能体集群实验平台、农业机器人创新研发与应用平台、农业物联网通信技术研发平台等软硬件平台，拥有多旋翼无人机硬件在环仿真平台系统一套，以及多架多旋翼无人机试验机和农用植保无人机。前期服务产业工作基础如下：（1）在深度学习的目标识别算法方面，在YOLO模型基础上引入小目标特征层将原特征融合网络的3个尺度特征层扩展到4个尺度特征层，提高小目标对象检测和识别精度；通过引入坐标注意力机制，强化空间和通道方向的病虫害特征提取效果并抑制背景噪声干扰。综合利用K-means++、迁移学习等方法提高网络训练速度和识别准确性。通过苹果叶病虫害识别、水稻基本苗统计等问题验证了相关算法的有效性和优越性。（2）在植保无人机作业路径规划方面，提出了基于改进蚁群算法的带续航约束无人机全覆盖作业路径规划方法。在传统蚁群算法架构基础上格外给出了无人机返航时机判断机制和返航点计算方法，设计了动态局部距离矩阵，提出了滚动权值加权和的信息素更新机制，在寻优过程中兼顾全局启发性信息和局部启发性信息。采用复杂地形多田块作业算例验证了相关算法的有效性和优越性。（3）在多无人机协同作业任务分配方面，提出任务分配与路径规划集成的蚁群算法。任务分配级蚁群算法将作业子区域分配给无人机，信息素跟新机制中引入作业距离指标和任务分配均衡性指标；路径规划级蚁群算法实现各无人机在分得的作业子区域上的路径规划。两级蚁群算法循环迭代，实现无人机任务分配和路径规划的协同优化。

科技小院依托合作单位为江苏蒲公英无人机有限公司，在植保无人机研发应用、农业数据分析、智慧农业云平台的系统设计和农业智能装备的结构设计等方面已经开展良好的合作基础。电气工程及自动化学院聘请该公司一线研发工程师参与自动化和人工智能专业本科生和研究生人才培养方案和课程大纲制定，联合建立大学生实习实训基地，累计捐赠设备20台（套），每年接收40名左右本科生和10余名研究生实习实训。公司利用产品和技术优势，持续为自动化和人工智能专业开展师资和实践教学培训，近两年已经通过线上线下方式培训教师达7人次，为自动化专业学生开展线上实践教学训练达100余人次。聘任专业教师担任科技副总1人次，开展产学研合作项目2项，其中2024年签订校企合作项目《面向复杂场景自主管控的智慧苹果园关键理论与技术研发》，项目经费102万元。

科技小院团队目前拥有智慧农业物联网生产实验平台、农业异构多智能体集群实验平台、农业机器人创新研发与应用平台、农业物联网通信技术研发平台等软硬件平台，拥有多旋翼无人机硬件在环仿真平台系统一套，以及多架多旋翼无人机试验机和农用植保无人机。前期服务产业工作基础如下：（1）在深度学习的目标识别算法方面，在YOLO模型基础上引入小目标特征层将原特征融合网络的3个尺度特征层扩展到4个尺度特征层，提高小目标对象检测和识别精度；通过引入坐标注意力机制，强化空间和通道方向的病虫害特征提取效果并抑制背景噪声干扰。综合利用K-means++、迁移学习等方法提高网络训练速度和识别准确性。通过苹果叶病虫害识别、水稻基本苗统计等问题验证了相关算法的有效性和优越性。（2）在植保无人机作业路径规划方面，提出了基于改进蚁群算法的带续航约束无人机全覆盖作业路径规划方法。在传统蚁群算法架构基础上格外给出了无人机返航时机判断机制和返航点计算方法，设计了动态局部距离矩阵，提出了滚动权值加权和的信息素更新机制，在寻优过程中兼顾全局启发性信息和局部启发性信息。采用复杂地形多田块作业算例验证了相关算法的有效性和优越性。（3）在多无人机协同作业任务分配方面，提出任务分配与路径规划集成的蚁群算法。任务分配级蚁群算法将作业子区域分配给无人机，信息素跟新机制中引入作业距离指标和任务分配均衡性指标；路径规划级蚁群算法实现各无人机在分得的作业子区域上的路径规划。两级蚁群算法循环迭代，实现无人机任务分配和路径规划的协同优化。