刘丽（右一）在指导学生修改论文。 受访者供图

刚开学，国防科技大学电子科学学院研究员刘丽就和同事扎进了实验室。屏幕上，一组组遥感影像依次闪过，他们迅速标注特定目标数据。

“遥感技术能让我们第一时间了解灾区变化，为救援赢得宝贵时间。”刘丽说，“我们就是俯瞰山河的‘数字哨兵’，从海量影像中快速锁定目标。”

目前，刘丽所在团队研发的“高地慧眼”智能解译系统，已在国土普查、灾害应急、国防安全监测等领域投入应用，多次高效完成影像解译任务，为指挥决策提供了关键支持。

今年，刘丽获得2025年度中国电子学会青年科学家奖。

“这条路难走，但我们必须走”

2015年，遥感影像中的车辆、舰船等目标，主要依赖人工识别。这种方式效率低、误差率高，远不能满足实际应用需求。

为此，国防科技大学电子科学学院科研团队提出，用计算机替代人眼，从海量遥感影像中快速锁定目标。“团队既要从复杂背景中剥离出目标信号，提取具有强辨识度的像素级特征；又要通过算法优化，破解目标尺度差异大、易受环境干扰等难题。”刘丽说，这需要在基础理论与方法上实现突破。

彼时，刚加入这支团队的刘丽，主动申请和大家一起从目标特征表征、抗干扰建模等问题入手，探索遥感技术与计算机视觉的交叉融合路径。

一次，他们在研发一项关键特征提取算法时，实验数据反复波动，团队研究因此停滞不前。有团队成员提议借鉴成熟模型以简化研究，但刘丽坚决反对。“成熟模型也许能简化研究，但关键问题绕不过去。做基础研究要敢啃‘硬骨头’，找捷径永远走不远。”她说。

刘丽和团队成员逐帧分析影像数据，对比不同环境下的目标特征变化，最终提出一种基于差分激励引导的特征提取算法，显著提升了复杂环境中遥感目标的识别准确率。

然而，单点算法突破并不等于系统能力跃升。当时，遥感影像行业还面临两大痛点：目标检测精度不足，传统解译效率低下。2023年，刘丽所在团队启动研制“高地慧眼”智能解译系统，直击行业痛点。

“想解决制约行业发展的问题，就要重构底层模型。这条路难走，但我们必须走！”刘丽说。

她和团队成员提出新方案：一方面通过梯度预测提取关键特征，引导实现大规模特征预训练，增强特征泛化性，提高精度；另一方面优化模型结构、压缩参数规模，结合并行推理技术，提升效率。

在研究中，刘丽发现，随着遥感技术快速迭代，经典的目标识别数据集逐渐显现出局限性。“它难以满足大规模、多尺度、高时效智能解译需求，制约技术进一步突破。”她多次提醒团队成员。

“精准的智能解译离不开高质量数据集的支撑，老旧数据集已经跟不上技术发展的步伐。”团队成员李玮杰对记者说，“刘丽老师的前瞻判断让我们少走了很多弯路。”

“科研人员要面向未来考虑当下的问题，才不会被时代淘汰。”回忆研发历程，刘丽感慨道。

为验证“高地慧眼”智能解译系统的实际应用效果，刘丽所在团队多次深入一线，在目标多样的复杂场景中采集数据、调试算法，重点解决了复杂环境下检测精度与处理速度无法兼顾等问题。

“团队的未来，要靠年轻人”

经过近两年的打磨，系统研发取得一系列突破：复杂环境下目标检测准确率大幅提升，单幅大尺度遥感影像解译时间从数小时缩至数分钟。

“这是团队的成果，而团队的未来，要靠年轻人。”作为博士生导师，刘丽将人才培养置于核心位置。她总对学生说：“做人要坚韧，做科研要踏实。你们要学会解译影像，更要学会‘解译’科研路上的每一次挫折。”

在学生心中，刘丽是一位“知心姐姐”。科研上的挫折、生活中的困惑，学生们都愿跟她聊。刘丽总会耐心倾听，帮学生分析问题，并陪他们一起找原因、想办法。

刘丽的学生周洁对此深有感触。在参与研发目标检测算法时，周洁遇到复杂地形中检测准确率难以提升的问题。刘丽得知后指出问题所在：“复杂地形中存在大量散斑噪声和背景干扰，导致目标特征模糊，你的算法需要针对这些场景进行优化。”

为帮助周洁打开思路，刘丽陪她梳理算法逻辑、查找文献。

“刘老师是我科研和人生路上的‘灯塔’。未来，我希望成为像她一样的科研人员。”周洁说。

在刘丽的鼓励下，周洁尝试将生成式扩散模型融入原有算法，最终将检测准确率提升至90%以上。相关成果在国际重要期刊上发表，这篇论文入选ESI高被引论文。

最近，刘丽和团队成员启动研发“高地慧眼”智能解译系统2.0。“做科研不能总跟着别人的脚步，要敢于开辟新赛道。”刘丽说，“我最大的愿望，就是让年轻人接过科研接力棒，让‘高地慧眼’看得更准、更远。”

（通讯员 张煌 高珂）