近日，西交利物浦大学本科生团队在2024年中美青年创客大赛中荣获全国二等奖。他们的项目“智翼亭”创新融合了智能技术和环保设计理念，设计了一款服务于公众的智能化公共休息概念设施。

“智翼亭”项目由智能工程学院信息与计算科学专业学生廖若希、李思锐，以及数学物理学院金融数学专业学生杜亭萱共同设计完成。团队成员通过跨学科合作，将信息技术、环境工程与工业设计紧密结合，基于仿生学的设计理念进一步结合信息与计算科学专业知识，打造出一个既具功能性、智能化又具艺术感的环保设施。

李思锐介绍说，在他们的设计中，长椅的遮阳板模仿鸟类翅膀结构，并配备一个智能决策与控制系统，该系统依托环境传感器，实时监测天气情况，再通过人工智能技术，智能化自动调节遮阳板的角度和高度以适应不同的气象条件。

“此外，这款仿生长椅还会使用太阳能技术，亭顶的太阳能板可以高效转化太阳能为电能，为长椅的照明提供能源支持；电能同时也服务于长椅的水雾系统，可以过滤顶板收集的雨水并变成水雾喷洒出来，在炎热的时候调节周围环境温度，提升用户的休息体验。”

李思锐在决赛现场向评委介绍智翼亭的各项功能

杜亭萱补充道：“收集和过滤的雨水还可以用于周围植被的灌溉，相比于传统的排水系统，这种设计不仅减少了水资源的浪费，还降低了城市绿化维护的费用。”

“此外在我们的设计里，使用了高密度聚乙烯作为收集系统的主要材料，还结合了生物基塑料，确保系统的耐用性。我们也采用了多种环保材料，如回收塑料和可再生木材，不仅符合可持续发展理念，还有效降低了生产成本。智翼亭的座椅上方还设有广告位，座椅周围配备了收费充电口，这些功能不仅提升了使用便利性，还为运营提供了额外的收入来源。”

廖若希表示：“我们不仅希望这个项目可以改善人们的休息体验，更能促进人们对环境保护的关注。未来，我们也将继续专注于智能环保技术的开发与应用，推动可持续发展理念在日常生活中的普及。”

左三依次是廖若希、李思锐、杜亭萱

团队的指导老师是智能工程学院智能科学系的武芳宇博士，她获得了此次比赛的优秀指导老师奖。

“在决赛中，同学们表现出色，从方案的清晰阐述到团队成员间的默契配合，再到对评委提问的准确回应，都展现出他们的专业素养和综合能力。参与这样的项目，不仅可以巩固学生对专业理论的理解，更能激发他们的创新思维，也能强化实践操作能力和团队协作能力，这些素养在他们未来的发展中都会非常重要。”武博士表示。

除武博士之外，智能工程学院院长林永义（Eng Gee Lim）教授、智能科学系主任王秋锋博士也给予了团队悉心指导和大力支持。

中美青年创客大赛由教育部主办，中国（教育部）留学服务中心、清华大学、北京歌华文化发展集团有限公司、英特尔公司和中国大学科技园联盟共同承办，是中美人文交流的亮点活动，旨在促进两国青年在创新领域的合作。自2014年首次举办以来，该大赛已吸引了超过6万名中美青年参与，累计参赛项目超15000件。

声音是智能设备感知外界的关键媒介之一，正确识别声音所处的环境对于提升智能终端、机器人及自动驾驶等领域的安全性和优化用户体验很有帮助。例如，助听器通过识别佩戴者所处的环境，能够自动调整降噪和增强声音；自动驾驶车辆通过“聆听”周围环境的声音，可以辅助系统做出更准确的驾驶决策，提高行车安全。

然而，现实世界中的声音环境复杂多变，多种声音往往交织在一起，在传播过程中也会因环境和采集设备的不同而产生变化和失真。因此，在真实环境中稳定且高效地识别声音发生的场景仍是难题。

在今年举办的“国际声学场景和事件检测及分类挑战赛”（Detection and Classification of Acoustic Scenes and Events，以下简称“DCASE挑战赛”）上，西交利物浦大学和南京邮电大学的学者组成的联队针对这一难题展开了研究，他们设计了一款声学场景分类系统，于近日获得了声学场景分类赛道的评委奖（Judges’ Award）。

西浦-南邮联队由西浦智能工程学院博士生蔡毅强、通信工程专业大四学生林珉瑜，以及西浦智能科学系的李圣辰博士和南京邮电大学的邵曦教授两位指导老师组成。

左为李圣辰博士，右为蔡毅强

两人在“DCASE挑战赛”颁奖现场合影

据项目负责人蔡毅强介绍，此次比赛要求参赛队伍设计一款适用于小型嵌入式设备的声学场景分类系统，它需要监测、识别和分析听到的各种声音，并根据音频特征自动区分出声源所处的不同的场景，如街道、公园、机场、地铁等。

蔡毅强表示：“赛题有两个难点，一个是该分类系统需要被部署到耳机、麦克风、助听器等小型设备中，这些设备的内存和能耗有限，因此算法不能太大、太复杂。”

“另一个难点则在于大赛对系统训练方式提出了的新要求。目前，该类系统大多是基于深度学习模型的架构，训练过程中需要大量的人工标签数据来告诉计算机某个声音属于什么类别，再让它进行学习，这种方式成本很高。所以，大赛要求所有参赛队伍只能利用有限的标签数据进行训练，以减少人力，提高算法训练效率。”

针对这两个难点，团队使用了自监督学习方法来训练系统，他们需要设计有效的自监督任务，让模型能够从音频数据中自动学习到有用的特征。

“这种方法在音频领域的应用还相对较少，因为音频数据会随时间变化，具有连续性和时序性，且包含多种环境声和噪音信息，这增加了自监督学习任务设计的复杂性。”蔡毅强介绍道。

“我们使用了多个数据集，用大量不同的音频预训练了一个音频大模型，再在大赛提供的数据集上进行微调，提升系统在大赛提供的音频数据中进行场景分类的准确度。”

“此时，虽然系统已经可以进行场景分类，但由于较为复杂，并不适合部署到小型设备上。所以我们创新地引入了‘知识蒸馏’这样一种模型压缩的方法，让这个大模型将其学到的知识转移到一个低复杂度的模型中，在保证分类准确度的同时适配于小型设备。”

指导老师李圣辰博士表示：“主办方根据各个队伍提交系统的准确率进行排名，同时综合考虑创新度以及代码质量等因素评选出唯一的评委奖。我们团队的主要创新点在于自监督学习方法的创新应用，让系统无需人工提取特征，即可输出声音场景的分类结果。”

大赛颁奖后主办方与参赛选手合影

据了解，DCASE挑战赛是音频信号处理领域的国际顶级赛事，旨在推动音频信号处理和机器学习交叉学科研究。今年共有十七支队伍参赛，他们分别来自清华大学、上海交通大学、西北工业大学、南方科技大学等国内高校，以及德国、法国、新加坡、澳大利亚等地的国际名校。