2025年10月23日下午，上海海事大学李朝锋教授应邀在上海建桥学院一教120教室，为数字媒体技术B24级学生带来了一场主题为“人工智能与船舶检测识别前沿技术”的精彩讲座。本次讲座围绕人工智能在船舶检测识别领域的理论发展与实际应用展开，内容丰富且具有前沿性，为在场学生展现了人工智能与航运领域交叉融合的广阔前景。
一、人工智能起源与发展：工业革命视角的演进
讲座开篇，李教授从四次工业革命的宏观视角阐述人工智能的起源与发展。第一次工业革命（1760-1860）以机械化为核心，代表成果是蒸汽机、蒸汽机车，实现了系统体能的突破。第二次工业革命（1870-1900）聚焦电气与自动化，电力、发电机的出现大幅提高效率。第三次工业革命（1970-2000）则以信息化为标志，计算机、互联网的普及实现了提升感知的跨越。而当下的第四次工业革命（2000-），人工智能成为核心驱动力，旨在增强智力，推动社会向智能化全面迈进。通过这一脉络，学生们清晰地理解了人工智能在人类生产力变革中的关键地位。
二、机器学习与深度学习：从理论到技术的迭代
在“机器学习与深度学习发展”模块，李教授深入剖析了人工智能的技术演进逻辑。他指出，机器学习是人工智能的子集，核心是让计算机从数据中学习，而深度学习则是机器学习的进阶形态，通过模拟人脑神经网络实现更复杂的特征提取与模式识别。
从时间维度看，人工智能经历了多次浪潮。20世纪50-70年代的推理期，聚焦逻辑推理研究。80-90年代的知识期，专家系统成为主流。90年代后，学习期开启，机器学习算法（如支持向量机）逐渐成熟。2017年前后，以Transformer为代表的深度学习技术爆发，推动人工智能进入大模型时代。李教授通过对比不同阶段的技术特征与代表成果，让学生们对人工智能的技术迭代有了直观认知。
三、大模型发展与DeepSeek：行业应用的新引擎
针对“大模型发展与DeepSeek模块”，李教授介绍了大语言模型的技术逻辑与行业价值。他以DeepSeek为例，讲解了大模型在自然语言处理、多模态交互等领域的应用潜力，并延伸至航运领域的智能客服、航运数据智能分析等场景，展现了大模型技术与航运产业结合的可能性。
讲座的后半段聚焦李教授团队的研究成果，体现了“产学研”结合的前沿探索。
（1）图像去雾增强应用：李教授讲解了图像去雾算法的原理，即通过分析雾天图像的光照模型，还原清晰图像，这一技术对海上复杂天气下的船舶视觉监测具有关键价值。
（2）可见光图像船舶目标检测识别：团队针对港口、海面场景，研发了基于深度学习的船舶检测模型，可实现对不同类型、不同尺度船舶的精准识别，为海事监管、智能航运提供技术支撑。
（3）红外光图像船舶目标检测跟踪：利用红外图像的夜视优势，团队开发了船舶红外检测与跟踪系统，解决了夜间、复杂气象条件下的船舶监测难题，在海事搜救、夜间航运管理中具有重要应用前景。
整场讲座，李朝锋教授以深厚的学术功底和生动的案例讲解，将人工智能的前沿理论与船舶检测识别的实际应用紧密结合，既拓宽了数媒专业学生的技术视野，也为他们探索人工智能与航运的交叉领域提供了灵感。讲座结束后，学生们纷纷表示，对人工智能的技术演进与行业应用有了更深刻的理解，也对未来参与前沿技术研发充满期待。
