平台名称：    云南省智能物流装备与系统重点实验室        

平台负责人：  何俊  

平台类型：☑重点实验室  □院士专家工作站     □协同创新中心

本期时间范围： 2025 年 6月 1 日- 2025 年 11 月 30 日

 

---

 

一、平台概要

（一）简介

实验室由昆明学院联合中国（云南）自贸区内两家物流装备与系统头部企业——昆船智能技术股份有限公司、云南建投物流有限公司共同建设，聚焦智能物流装备设计、场内物流设备协同与调度系统、跨境物流数据协同理论与方法三大方向，深入研究物流装备智能化关键算法、设备故障诊断评估模型、物流车辆调度算法、跨境数据流动安全保障技术、跨境物流协同系统及应用等核心理论与技术。相关技术经测试验证成功后，将在合作企业先行验证与应用，并逐步向智能制造、跨境物流等行业企业推广，助力提升行业智能化水平，推动面向两亚的物流难点问题取得突破，为区域乃至全球供应链的韧性、敏捷与可持续发展提供关键技术支撑和人才保障。

（二）研究领域、方向与团队

1.研究领域

智能物流的发展遵循从局部机械化到全局信息化，再到要素智能化，最终迈向生态协同化的演进路径。实验室聚焦现代物流产业与出口导向型产业中的装备智能化、仓储协同系统、跨境数据流动等关键问题开展研究，旨在面向两亚的跨境智能物流领域形成优势特色。

2.研究方向

重点实验室围绕“物流装备”“物流仓储”“跨境物流”等领域及业务场景的实际需求与痛点问题，聚焦智能物流装备设计、场内物流设备协同与调度系统、跨境物流数据协同理论与方法三大方向，力争在物流单机设备智能化算法、仓储间协同模型、跨境数据安全流动理论等关键技术上实现突破，在面向两亚的企业级物流配套理论与技术领域形成特色优势，为跨境数字经济合作与发展提供有效支撑。

3.项目成员人数：41人

二、工作进展

（一）夯实基础、服务产业，通过内部管理优化与外部合作拓展实现实验室高质量发展

实验室目前呈现出“基础初具、技术探索、逐步验证”的特点。近期工作聚焦于深化科研项目管理机制创新与强化区域产学研协同创新两大主线，取得了一系列阶段性进展，展现出活跃的发展态势。

1.开放课题中期考核达标，实验室发展态势持续向好

在科研项目开放与过程管理方面，实验室秉持开放、协同、高效的运行理念，近期有序完成了2025年度开放课题的中期考核评估工作。目前，所有在研项目，包括与多所境内外高校及科研机构合作的课题，均进展顺利，达到了预期的中期目标，为后续研究奠定了坚实基础。同时，为持续吸引优秀科研力量、布局前沿研究方向，实验室已前瞻性地完成了2026年度开放课题的征集与发布工作，进一步拓展了合作网络，激发了创新活力。

2.持续与地方产业对接

在推动科技成果转化与服务地方产业发展方面，实验室主动走出校门，积极对接区域经济主战场。近期，实验室组织专门团队赴安宁市高新区开展了密集的实地调研与对接交流活动。此次行程通过“座谈研讨”与“企业实地考察”相结合的模式深入开展：在专题座谈会上，双方就各自的研究重点、技术优势、产业发展瓶颈及未来合作方向进行了全面而深入的交流，特别是在高端装备、智能系统及复合型人才培养等领域达成了多项共识；随后，调研团队深入园区内多家具有代表性的科技型企业进行现场考察，详细了解其生产工艺、物流流程与技术需求，为后续开展精准的技术研发、联合攻关及人才培养合作摸清了情况、找准了切入点。

3.强化内外联动激发创新活力

实验室近期通过强化内部项目管理和深化外部产业对接“双轮驱动”，不仅确保了在研项目的质量与进度，更显著提升了与区域重点产业发展的契合度与贡献度，充分体现了省重点实验室在集聚创新资源、服务地方经济社会发展中的重要作用与特色。随着实验室成果的不断转化与产业链的完善，智能物流必将更深层次地融入云南经济肌理，成为驱动云南省高质量跨越式发展的强大引擎，助力云南在中国面向南亚东南亚的开放新格局中占据更加主动和有利的位置。

（二）技术攻关与应用

1.智能分拣服务高原特色农业，助力高原特色农业的可持续发展

高原特色农业是云南的优势产业，但其可持续发展受到多重因素制约；对于花卉、茶叶、咖啡等对时效和品控要求极高的农产品，将物流支持（精准配送）、品质溯源与农产品品质提升等因素协同推进，提升附加值，助力“云品出滇”。

云南省智能物流装备与系统重点实验室团队首次获批5项数据（产品）知识产权。科研团队自2015年起开展大数据、深度学习相关研究工作。团队中20多位教师和学生历经10多年的不懈努力，研发出茶叶、雪参、食用玫瑰、花椒、木耳、咖啡、天麻、核桃、茶叶异物、残次咖啡豆、烟叶异物、彝语等具有原创性的特色数据集，以及13大类、127小类的数据标注成果。在此过程中，逐步形成了“数据标注理论→海量数据集（产品）→智能模型关键技术→支撑产业应用”的数据要素发展闭环模式。

团队在国际顶级期刊《LWT . Food Science and Technology》（中科院SCI一区TOP期刊）上发表了题为《Siamese Networks for Few.shot Coffee Bean Defect Detection》（https://doi.org/10.1016/j.lwt.2025.118631）的最新研究成果。该成果不仅为咖啡供应链中的实时质量检测提供了理论依据，也为其他领域的视觉检测任务提供了方法学参考，研究方法可推广应用于很多工业和农业领域，具有广泛的应用前景。

2.提升交通网络效能，物流优化技术取得进展

云南省复杂的地理和生态环境对物流运营提出了特殊要求，云南省内已建立起连接各城镇的道路交通网络，这为物流流通提供了基础物理条件。然而，传统的物流模式效率低、成本高、时效性差，严重制约了省内资源的流动和省际、国际贸易的开展。在实际交通网络中捕获复杂动态的时空相关性仍面临严峻挑战。

（1）精准的交通流预测是智能交通系统的基石，能够实现数据驱动的交通管理、拥堵缓解、城市出行优化、物流路线优化。团队在人工智能领域的顶级期刊《Knowledge.Based Systems》（中科院一区TOP期刊，影响因子IF=7.6）发表了题为“Hybrid Spatio.temporal Graph Neural Network with Attention Fusion for Traffic Flow Prediction”（//doi.org/10.1016/j.knosys.2025.113813）的研究论文。该研究提出精准交通流量预测的智能模型，能捕捉城市路网中复杂多维的空间依赖性，及时应对道路施工、交通事故及恶劣天气等因素产生动态波动，为智能物流系统提供关键技术支撑。

（2）团队提出的基于时序联邦学习的恢复可控性模型（Recovery Controllability using Temporal Federated Learning, RCTFL），融合长短期记忆网络（中科院二区：Long Short.Term Memory, LSTM）、时序嵌入与时序联邦聚合机制，实现原始数据非共享前提下失效链路的预测与重建。该模型（A temporal federated learning of neural network for enhancing controllability temporal network robustness on federated social internet of things networks）通过将学习过程分布式部署于多物联网域，保障隐私安全、系统可扩展性，并增强对定向攻击与随机攻击的抵御能力。研究证实，将时序联邦学习与可控性理论相融合，可使分布式物联网系统在受扰后维持稳定运行并实现高效恢复。

（三）现阶段主要科研项目

三、代表性成果产出清单

（一）论文发表

国内期刊： 2 篇（其中核心期刊 2 篇）

国际期刊： 12 篇（其中SCI/EI收录 12 篇）

代表性论文：

名称	第一作者	发表刊物	发表/出版时间	中科院分区
Hybrid Spatio.temporal graph neural network with attention fusion for traffic flow prediction	王露	Knowledge.Based Systems	2025.07	一区
A temporal federated learning of neural network for enhancing controllability temporal network robustness on federated social internet of things networks	赵翔	Journal of Big Data	已录用	二区

（二）知识产权

专利申请： 15 件（其中发明专利 11 件）

专利授权： 1 件（其中发明专利 1件）

登记软著： 12 件

登记特色数据集： 5 件（正在受理10件）

代表性专利：

（三）著作出版

出版专著： 3 部

参编著作： 2 部