安徽理工大学公共安全与应急管理学院的校聘副教授游志辉。


　　在城市扩张的脉络中，当灾害发生的危急时刻，如何快速准确地感知地表变化，为应急决策提供关键数据支撑？安徽理工大学公共安全与应急管理学院的校聘副教授游志辉，正以其在遥感图像智能解译领域的创新研究，尝试回答这一时代命题。这位1997年出生的青年学者，虽年仅二十八岁，却已在遥感图像变化检测与道路提取领域展现出非凡的科研潜力。
　　从江西红土地到科研前沿的跨越
　　游志辉出生于江西吉安，这片红色的土地孕育了他坚韧不拔的品格。2020年9月，他进入安徽大学计算机科学与技术专业开启硕博连读之旅，2025年6月获得工学博士学位。五年攻博期间，他潜心钻研，先后荣获“安徽省优秀博士毕业生”“安徽大学优秀研究生标兵”等荣誉，并担任IJCAI、ACM MM、ISPRSJPRS、IEEETGRS等多个顶级会议与期刊的审稿人，逐步在学术共同体中建立起自己的声誉。
　　他的研究方向——遥感图像变化检测，作为遥感图像智能解译的关键技术，致力于对不同时间获取的同一地区遥感图像进行比较与分析，从而精确识别和量化地表特征的动态变化。这项技术在城市发展规划、自然灾害评估、土地变更调查等领域具有重要应用价值，是实现智慧城市管理和精准应急响应的技术基础。
　　尽管基于深度学习的遥感技术已取得显著进展，但游志辉敏锐地洞察到当前领域面临的两大核心挑战。“模型训练高度依赖大量高质量的像素级标注数据，而此类标注成本高昂、周期长，且难以保证一致性。”游志辉解释道。这在应急场景中尤为突出——当灾害突然发生时，我们往往没有足够的时间和资源去获取精细的标注数据来训练专用模型。
　　另一方面，现有模型的庞大参数和高计算开销，导致训练和推理效率低下，难以在应急场景或资源受限的边缘设备中快速部署。“在灾害救援的黄金72小时内，每分每秒都至关重要，我们的技术必须既快又准。”
　　构建“低依赖、高效率、易部署”的技术体系
　　面对这些挑战，游志辉将研究聚焦于“复杂场景下低标注与轻量化的遥感图像变化检测”，重点探索半监督、弱监督及模型轻量化等技术路径，形成了一套创新的解决方案。
　　在半监督算法中，他创新性地提出原型判别学习机制，通过构建类别原型并在特征空间中进行分布对齐，使模型能够基于有限标注样本实现稳定泛化。在弱监督框架方面，他引入分割基础大模型来生成并优化伪标签，显著提升了模型在仅具有图像级标签等弱监督信号下的学习能力。这项创新使得模型不再完全依赖昂贵的像素级标注，大幅降低了数据标注的成本和门槛。
　　更为重要的是，他设计了鲁棒的特征聚合网络等轻量级架构，通过跨层级特征交互与参数共享机制，在保持模型表达能力和检测精度的同时，大幅压缩了模型的计算量与存储开销。这些方法相互补充，共同构建了一套兼顾效率与性能的变化检测技术体系，为实现“低依赖、高效率、易部署”的遥感智能解译提供了可行的技术路径。
　　从实验室走向应急管理一线
　　游志辉的研究不仅在学术界获得认可，更在应急管理、城市治理与国土监测等领域展现出明确的应用价值。
　　在灾害应急场景下，他所提出的低标注与轻量化技术可快速生成建筑物损毁评估图与道路阻断分析，为灾情研判和救援决策提供及时、可靠的数据支持。当灾害发生时，救援人员利用这项技术，能够在最短时间内掌握灾情变化，精准制定救援方案。
　　在常态化城市监测方面，该技术体系能够高效追踪城市扩张动态、识别违章建设，为智慧城市管理提供持续的技术工具。系统还可用于土地利用变化监测、生态环境评估等国土资源调查任务，有效提升对地观测数据在防灾减灾与可持续发展中的实际支撑能力。
　　作为安徽理工大学公共安全与应急管理学院的青年教师，游志辉深知自己肩负的特殊使命。“我的研究不仅要追求学术创新，更要服务于国家公共安全与应急管理的实际需求。”
　　目前，游志辉正致力于将研究成果进一步优化并推向实际应用。他期待着用自己的技术，为应急管理装上更加敏锐的“智慧之眼”，让遥感技术能够在灾害来临时的第一时间提供决策支持，在平时为城市发展和国土规划提供科学依据。
　　（全媒体记者 许鸿儒 韩如意）