一、项目背景
为贯彻全国研究生教育会议精神，落实习近平总书记关于建设卓越工程师人才队伍的重要指示，推进我校高素质专业学位人才培养模式创新，培养具有创新思维、复合背景、国际视野和远大抱负，未来能够在生态环境领域发挥关键作用的领军人物和具有国际竞争力的创新拔尖人才，本项目坚持产业需求导向、校企协同的育人逻辑，搭建校企联合培养载体，开展电子信息专业学位研究生“生态环境多模态感知与智能治理”卓越培养项目的建设。
二、项目特色
本项目聚焦国家生态文明建设、数字中国建设和生态环境治理现代化的重大需求，面向生态环境智能感知、精准监管、政策咨询、辅助审查和治理决策优化等重大应用场景，整合高校以及企业相关资源，以生态环境多模态智能感知与智能治理为主线，面向生态环境大语言模型与知识推理、复杂文档智能理解与可信审查、空天地一体化生态环境智能感知、生态环境多模态感知与智能识别、生态环境治理世界模型与智能辅助决策，按照“学科交叉、产教融合、协同育人”的培养思路，构建校企协同的育人体系，培养具有突出技术创新能力、善于解决复杂工程问题的创新型、复合型、应用型行业高层次人才。
三、项目合作企业简介
立足工程类专业学位人才培养目标，通过与行业内知名企业和龙头企业共建联合研发中心、共建研究生实习基地、项目合作、校企联合培养等方式，构建多方位、全过程的校企深度合作人才培养模式。
目前开展合作的企业包括：江苏省环保集团、无锡市环境监测中心、无锡市环保集团。
四、项目研究方向及导师团队简介
研究方向一：生态环境复杂文档智能理解与可信审查
本方向面向环评报告、排污许可申请表、执行报告、自行监测报告、监管台账、审批批复和专家审查意见等生态环境复杂业务文档，研究长文档语义理解、文档版面结构解析、表格智能识别、关键信息抽取、跨文档一致性核查和可信审查辅助方法。生态环境业务文档通常具有篇幅长、结构复杂、图表混排、专业术语密集、字段关联关系强等特点。传统人工方式在材料阅读、字段提取、表格核对、问题发现和意见整理方面效率较低。本方向旨在建立面向生态环境复杂文档的智能理解框架，使系统具备“文档可解析、字段可抽取、结果可定位、问题可提示、审查可辅助”的能力。重点在于研究复杂文档结构理解、专业信息抽取、文档级关系建模和可信审查机制，推动文档智能技术在生态环境审批与监管场景中的深度应用。
就业方向：NLP算法工程师、数据治理工程师、环保数据工程师、政务智能化实施工程师等岗位。
导师团队：陈祺东（负责人）、江苏省环保集团（企业）、无锡市环境监测中心（企业）、无锡学院（学校）
研究方向二：环境治理大语言模型与知识推理
本方向面向生态环境领域法规政策、技术标准、审批材料、监管文书、执法案例和企业咨询等专业文本资源，研究生态环境领域大语言模型、知识增强、法规语义理解、专业知识推理与可信生成方法。生态环境治理文本具有专业概念密集、法规体系复杂、适用条件严格和依据追溯要求高等特点，通用大语言模型在该类场景中容易出现知识不完整、依据不清晰、推理边界模糊和生成结果不可控等问题。因此，本方向拟构建“领域知识—语言模型—规则推理—可信生成”的融合机制，重点突破生态环境知识建模、法规条款结构化、检索增强生成、依据溯源、审慎回答和可信推理等关键问题。通过该方向研究，形成面向政策咨询、法规检索、审批问答和业务研判的专业化智能能力，支撑生态环境治理场景下可解释、可追溯、可审慎的大语言模型应用。
就业方向：大模型应用工程师、NLP算法工程师、知识工程师、政务AI产品经理、环保咨询智能化工程师等岗位。
导师团队：娄琼丹（负责人）、江苏省环保集团（企业）、无锡市环境监测中心（企业）、无锡学院（学校）
研究方向三：空天地一体化生态环境智能感知
本方向面向卫星遥感、航空遥感、无人机影像、地面监控、移动巡查和地理空间数据，研究多源异构环境数据融合、生态环境目标识别、区域变化检测、异常空间发现和环境态势感知技术。“空天地一体化”强调从宏观区域到微观点位、从静态分布到动态变化、从单一图像到多源信息融合的协同感知能力。其中，“空”主要对应卫星遥感和航空遥感，“天”主要对应无人机、低空遥感和高空平台，“地”主要对应地面监测站点、视频监控、移动巡查和传感器网络。通过多源数据融合与智能解译，可支撑生态空间监测、污染源空间识别、河湖岸线变化分析、裸土扬尘监管、固废堆场发现和区域环境风险筛查。该方向重点在于研究多尺度遥感解译、多源空间数据融合、小样本环境目标识别和时序变化检测方法，推动生态环境监测从人工判读向智能感知转型。
就业方向：遥感算法工程师、GIS工程师、生态监测工程师、空间数据分析师、智慧环保工程师、自然资源遥感应用工程师等岗位。
导师团队：张凯（负责人）、江苏省环保集团（企业）、无锡市环境监测中心（企业）、无锡学院（学校）
研究方向四：生态环境多模态感知与智能识别
本方向面向生态环境监管现场照片、视频、排放口图像、治理设施图像、危废暂存间图像、整改前后对比图像、检查记录文本等多源现场数据，研究现场目标识别、场景语义理解、图文匹配、视觉问答、多模态融合和智能识别方法。与宏观遥感监测不同，本方向更关注基层监管、现场核查和企业整改中的近景、多模态、业务化场景。生态环境现场数据往往包含图像、视频、文字记录、台账信息和整改说明等多种形式，具有信息分散、表达不统一、场景复杂和核查依赖经验等特点。本方向旨在通过视觉智能和多模态学习技术，解决“现场对象如何识别、图像内容如何理解、图文材料如何对应、整改前后如何比较、现场资料如何智能归档”等问题。该方向重点在于研究面向环保现场场景的视觉语言模型、多模态表征学习、图文语义对齐和场景理解方法，推动生态环境监管从单一文本核查向现场多模态感知拓展。
就业方向：计算机视觉工程师、多模态算法工程师、智慧环保产品工程师、环保现场监管技术支持工程师、数据标注与图像质检工程师等岗位。
导师团队：吴豪（负责人）、江苏省环保集团（企业）、无锡市环境监测中心（企业）、无锡学院（学校）
研究方向五：生态环境治理世界模型与智能辅助决策
本方向面向污染防治、监管资源配置、应急管控、企业风险治理和政策情景模拟等复杂治理过程，研究基于世界模型、离线强化学习、因果推断和策略优化的生态环境治理过程建模与辅助决策方法。生态环境治理是典型的复杂系统问题，涉及污染源、环境状态、监管行为、企业响应、政策约束和治理效果等多因素交互。传统经验驱动方式难以系统评估不同治理策略的长期效果和资源配置效率。本方向中的“世界模型”并非对现实世界进行简单复制，而是通过历史数据、环境状态、治理行动和结果反馈建模，学习生态环境治理过程中“状态—行动—结果”之间的动态关系，从而支撑治理过程模拟、监管策略推演和辅助决策优化。该方向重点在于研究生态环境治理状态表示、治理行动建模、结果反馈学习、离线强化学习、安全约束决策和可解释策略优化方法，推动生态环境治理从静态分析向动态推演、从经验决策向模型辅助决策转变。
就业方向：强化学习算法工程师、智能决策工程师、环境建模工程师、数字孪生工程师、智慧城市算法工程师、环境治理数据科学家等岗位。
导师团队：吕昀涟（负责人）、江苏省环保集团（企业）、无锡市环境监测中心（企业）、无锡学院（学校）
五、联培研究生待遇说明
请各联合培养企业、院校按照各单位培养协议补充研究生待遇说明。