姓名

杨玲

系、部门

计算机系

职称/职务

副教授

导师类别

硕士生导师

学位

博士

电话

电子邮箱

yangling@kust.edu.cn

办公地点

信自楼511

研究方向

多模态表征学习、视觉行为分析

个人情况简介

杨玲，中共党员，博士，副教授，硕士生导师。云南省科技特派员、智慧渔业专业委员会会员、中国农业工程学会数字乡村工程专业委员会会员。主要从事高原特色作物水肥精准管控、作物三维重建及表型感知、多模态病害特征表征、动物个群行为智能分析研究。主持国家级及省部级项目5项，其中国家自然科学基金1项、云南省重大科技专项子课题1项、云南省基础研究项目2项；以第一作者/通讯作者在《Computers and Electronics in Agriculture》、《Artificial Intelligence Review》、《Archives of Computational Methods in Engineering》、《Industrial Crops and Products》、《Agricultural Water Management》和《农业机械等学报》等国内外期刊发表高水平论文30余篇，其中第一/通讯作者发表SCI论文共17篇，排名第一授权专利3项，制定团体标准2部。

学习工作经历

（按时间经历倒序）

1.2026.11-至今 昆明理工大学，信息工程与自动化学院，副教授

2.2022.09-2026.11 昆明理工大学， 信息工程与自动化学院，讲师

3.2017.09-2022.06 中国农业大学， 计算机科学与技术，博士研究生

4.2013.09-2017.06甘肃农业大学，农业电气化与自动化，大学本科

代表性成果（每类不超过10个）

（1）获奖情况

（2）教学/科研项目

1.国家自然科学基金青年项目（C类）（32403093），2025/01-2027/12，在研，主持；

2.云南省科技厅重大科技专项子课题（202602AE090090），2027/01-2029/12，在研，主持；

3.云南省基础研究专项面上项目（202601AT070178），2026/06-2029/ 05，在研，主持；

4.云南省基础研究专项青年项目（202401AU070159），2024/03-2027/02，在研，主持；

5.云南省乡村振兴科技专项科技特派员项目, 2026/01-2028/12，在研，主持；

（3）论文

1.Lei Lian,Yang Ling^*, Chen Yiming, Shen Tao, Wang Ruoxi, Yang Qiliang^*. MFNet: Multi-branch feature-aware network for multi-class disease segmentation of Panax notoginseng.Industral Crops and Products, 2026, 240: 122589（中科院1区Top期刊，IF=6.2）

2.Wang Zilong,Yang Ling*, Wang Ruoxi, LeiLian, Ding Hao,Yang Qiliang*. WE-DeepLabV3+: A lightweight segmentation model for Panax notoginseng leaf diseases.Computers and Electronics in Agriculture, 2024, 227:109612.（SCI,中科院1区TOP, IF= 10.3）

3.Lei Lian,Yang Qiliang,Yang Ling*, Shen Tao, Wang Ruoxi, Fu Chengbiao.Deep learning implementation of image segmentation in agricultural applications: a comprehensive review.Artificial Intelligence Review, 2024, 57(6):149.（SCI,中科院1TOP区, IF= 18.8）

4.Yang Ling, Chen Yingyi*, Shen Tao*, Yu huihui, Li Daoliang.A BlendMask-VoVNetV2 method for quantifying fish school feeding behavior in industrial aquaculture.Computers and Electronics in Agriculture, 2023, 211:108005.（SCI,中科院1区TOP, IF= 10.3）

5.Yang Ling,Yu Huihui, Cheng Yuelan, Mei Siyuan, Duan Yanqing, Li Daoliang, Chen Yingyi*. A dual attention network based on efficientNet-B2 for short-term fish school feeding behavior analysis in aquaculture.Computers and Electronics in Agriculture, 2021, 187:106316.（SCI,中科院1区TOP, IF= 10.3）

6.Yang Ling, Liu Yeqi, Chen Yingyi*.Computer Vision Models in Intelligent Aquaculture with Emphasis on Fish Detection and Behavior Analysis: A Review.Archives of Computational Methods in Engineering, 2020, 28(4):2785-2816.（SCI,中科院1区TOP, IF= 12.3）

7.Yang Ling, Chen Yun, ZhangYinxing, Shen Tao, Liu Yingli^*. A Tim–Frequency Interaction Network for COn and O2 Prediction in Ausmelt Furnace Tin Smelting,IEEE Sensors Journal, 2026, 26(8):12794.（SCI,中科院2区, IF= 4.5）

8.Yang Ling, Chen Yun, Lei Lian, Liu Yingli, Wang Qingwang, Yang Qiliang, Shen Tao∗. Artificial intelligence algorithms and its applications in pyrometallurgy: A review.Minerals Engineering,2025, 234: 109677.（SCI,中科院2区, IF= 4.5）

9.Wang Zhimin, Wen Shengyu,YangLing∗, Mei Yupeng, Yang Qiliang, Yue Li. A dual-stream spatiotemporal fusion method for fish school feeding intensity identification.Aquaculture International, 2026, 34:33（SCI,中科院3区, IF= 2.7）

10.Ling Yang, Yang Yingxing, Shen Tao*, Cao Chunhao, Yang Qiliang*. Lightweight multi-scale aggregation network with full depthwise separable convolutions for Panax notoginseng disease segmentation.Smart Agricultural Technology, 2025, 12: 101603.（中科院2区Top期刊，IF=5.7）

（4）知识产权

1.杨玲，文盛宇，沈韬，彭云川，符冠位.多维度特征协同的鱼群摄食强度量化识别方法及模，2025-10-24， 中国, ZL202510020075.4.

2.杨玲，陈乙铭，余攀，刘英莉，沈韬.基于关键点感知增强的动物姿态估计方法, 2026-08-25，中国，ZL202511306830.1.

3.杨玲，陈乙铭，余攀，刘英莉，沈韬.融合姿态与RGB数据的动物行为识别方法，2026-07-24,中国,ZL 202511306874.4.

（5）专著、教材

主讲课程

《操作系统》《数字电路与逻辑设计》

指导学生竞赛

指导学生参加中国国际大学生创新创业、全国大学生数学建模竞赛、中国研究生数学建模竞赛、蓝桥杯全国软件和信息技术专业人才等大赛获奖17项，其中国家级6项。

课题组招生｜诚邀志同道合、追求卓越的你

本课题组聚焦人工智能产业化融合应用，锚定产业需求，培养学生实践能力和创新思维。

我们身处AI驱动的知识变革时代，读研不止于发表论文，更在于淬炼洞察问题的思维、探索未知的勇气、攻坚克难的韧性、解决实际问题的本领，在持续深耕中沉淀研究者的底色。

成功没有捷径，贵在脚踏实地。前行路上当沉下心、俯下身、扎下根，用心用情用力去观察、去思考、去践行。我们拒绝无效内卷，不拿战术勤奋掩盖战略懒惰，倡导跳出纸面桎梏，立足产业实际需求，做真正有价值的创新。