近日，依托机电工程学院建设的国家邮政局绿色包装技术研发中心课题组在农产品品质检测与快递环境安全检测等方向取得重要研究进展，相关成果分别发表于国际顶级期刊《Food Control》和《Measurement》，标志着课题组在人工智能和物联网技术在相关领域的应用取得持续突破。

在农产品品质检测方面，研究论文《Rice quality recognition method based on multimodal model》在国际顶级学术期刊《Food Control》上正式发表，该刊属于国际食品科技领域公认的权威期刊。课题组自行研发了一种低成本、便携式的气体探测棒，并将其所采集的气体成分数据与智能手机所拍摄的大米图像数据相结合，提出了一种精准快速的多模态AI大米品质检测算法。该算法构建了基于ViT（视觉Transformer）与ResNet18的双分支并行融合模型，增强了视觉特征提取效果，并结合一维卷积与双向GRU网络优化了气体时序信号的建模效果，能够有效实现大米品质的准确、高效、智能鉴别和分级。该项技术成果具备无损、低成本、易部署等特点，适用于超市、仓库等实际场景，具备良好的产业化应用前景。同时，也为农产品质量监测、食品供应链管理等领域的AI应用和创新探索了新观点，对包装的智能化升级提出新思路。

图1：气体探测棒的3D建模与物理示意图

图2：多模态AI模型结构图

在快递物流安全检测方向，在《Measurement》期刊上发表了题为《A Lightweight Framework for Recognizing Rough Handling Behaviours in Parcel Logistics》的研究论文。《Measurement》期刊是工程测量和仪器仪表领域的国际顶级学术期刊。该论文针对快递暴力分拣行为识别问题，提出了一种基于多模态传感器数据的轻量级深度学习框架Light-TCN-LSTM，可实现快递包裹抛掷、踢打、跌落等七种异常行为的快速高精度识别，为在快递分拨中心、运输节点等场景中大规模边缘应用部署奠定了基础。该项研究成果不仅为解决快递行业暴力分拣行为监管难题提供了新的技术路径，也展示了AI+IoT在物流领域的深度融合与创新能力，为减少过度包装提供了可靠的环境数据支持。

图3： Light-TCN-LSTM 网络结构图

未来，课题组将继续开展多模态智能感知、边缘智能监测等方向的研究，加速科研成果在实际生产场景中的落地与推广，为行业企业智能化、数字化转型提供持续技术支撑。