日前，由光电学院庄松林院士指导、国家级人才张大伟教授带领的超精密光学制造团队在人才培养方面再创佳绩，三全育人效果明显。
2020级硕士研究生谢春在遥感领域国际期刊《遥感》（Remote Sensing）（IF：4.848；JCR分区：Q1）发表关于综述论文，题目为“基于深度学习的高光谱图像异常检测综述Hyperspectral Anomaly Detection Using Deep Learning: A Review”。该论文的指导教师为胡兴副教授和张大伟教授。在遥感领域高光谱图像异常检测(HSI-AD)已成为研究热点之一。 由于HSI的“图谱合一”的特点为异常物体检测提供了相当的数据基础，使得HSI-AD在HSI分析中具有巨大的应用潜力。传统的机器学习方法难以有效提取HSI数据所包含的大量非线性特征，而深度学习在非线性特征的提取上有着不可比拟的优势。因此，深度学习已被广泛应用于HSI-AD中，并表现出了卓越的性能。本文首次系统总结了基于深度学习的HSI-AD相关文献，并进行了相应的方法归类于性能对比。具体的，首先我们介绍了HSI-AD的特征以及传统方法所面临的挑战，并介绍深度学习在处理这些问题上的优势。然后，我们将HSI-AD相应的方法进行系统性的回顾与分类。最后，对基于深度学习的HSI-AD方法在几个主流数据集上进行了性能对比，并总结了存在的挑战。本文的主要目的是对于HSI-AD方法进行较为全面的概述，以此为未来研究工作提供参考。
此外，本文的第三作者范哲为上海理工大学2018级电子信息工程专业本科生。此前，范哲同学以第一作者身份在生物医学领域SCI期刊《生物医学信号处理与控制》《Biomedical Signal Processing and Control》（IF：3.88；JCR：Q2）上发表论文“基于深度学习的二维臀部压力信号分析的坐姿识别 A deep learning based 2-dimensional hip pressure signals analysis method for sitting posture recognition”。该论文的指导教师为胡兴副教授和张大伟教授。该项研究与复旦大学以及中山医院进行合作，论文以实验室生成的人体坐姿臀部压力分布数据作为数据基础，提出了一种基于臀部界面压力分析的坐姿识别方法。范哲同学采用传统的特征提取和浅分类器方法，以及卷积神经网络(CNN)方法来识别不同类型的坐姿。实验结果表明，基于CNN的分类准确率达到99.82%，证明了该方法在坐姿识别中的有效性。研究表明，臀部压力分布与坐姿密切相关，相较于传统视觉检测，受干扰较小，更容易识别。同时，在未使用GPU加速的情况下,使用CNN进行特征提取的时间效率就已经比传统方法提高了近30%。该篇论文提出的这种快速准确识别不规则坐姿的智能监测技术，对青少年的健康发展具有深远的意义。
范哲同学大三时基于自身对于深度学习领域的强烈兴趣，主动进入张大伟教授团队实验室学习，在胡兴老师的指导下，他完成了诸多实验，科研思维以及代码能力也得到全方位的提升。此外，范哲同学还有两篇SCI论文（分别为一作和二作）正在审稿之中。他也以第一作者身份拥有已进入实质审核阶段的发明专利一项，同时获得过全国大学生数学建模竞赛本科组上海市二等奖等诸多奖项。目前，范哲同学已被美国杜克大学普莱特工程学院(Pratt School of Engineering)录取为硕士研究生，并被评为2022年度上海市优秀毕业生。
像谢春、范哲同学这样在科研方面和创新竞赛活动中取得优异成绩的学生越来越多， 这正是光电学院作为教育部“三全育人”综合改革试点学院的建设成效。学院创新构建纵横结合的矩阵式学生培养模式，依托高水平地方大学的创新团队，通过学士导师、硕士导师的指导，进一步发挥了“科研育人”功能，让学生在科研创新中增长才干，以实现学校新时代卓越创新型人才培养目标。
论文链接1：https://www.mdpi.com/2072-4292/14/9/1973
论文链接2：https://www.sciencedirect.com/science/article/pii/S1746809421010296