吴锐铭以三维视觉与智能感知为主要研究领域，课题内容是基于点云的三维目标检测，即通过激光雷达采集的点云数据，精确捕捉物体的三维空间信息，可以为自动驾驶、智慧交通、车路协同乃至安防监控等产业提供核心的“环境感知能力”。这一研究搭建起了连接虚拟算法与现实世界的“桥梁”，对实践能力和技术落地能力都有一定要求。“是决定我们的成果能否真正创造价值的‘最后一公里’。”吴锐铭介绍道。

参与智慧交通相关项目的经历，则让他对此理解更深刻：原本在公开数据集里表现优异的模型，一旦放到真实路口场景，遇到车辆密集遮挡、光照变化的点云噪点等现实问题，其性能便会大打折扣。吴锐铭说：“那一刻我真正意识到，算法不是跑通就行，它需要经受住真实世界的毒打。脱离实际场景的优化，不过是空中楼阁。”

带着这份思考和认知，吴锐铭将“扎根真环境、锤炼真本领、解决真问题”作为自己学习研究的准则，走上赛场，走进企业，走向更广阔的产业天地。

吴锐铭从本科开始，就活跃在各类专业赛事中。在莞工攻读研究生期间，他更在多个赛场上大放光彩：夺得第九届全国大学生集成电路创新创业大赛华南赛区决赛二等奖；斩获“兆易创新杯”第十九届中国研究生电子设计竞赛技术类竞赛决赛团队一等奖；更和团队一起在第十九届“挑战杯”全国大学生课外学术科技作品竞赛2025年度中国青年科技创新“揭榜挂帅”擂台赛中勇夺擂主（特等奖第一名）。

这些竞赛不仅为吴锐铭带来了闪亮丰富的奖项和经历，更让他在实践中完成了“从0到1”的技术启蒙。他说：“当我们将学科竞赛视为一个完整的‘微型项目’来经营，那赛事的价值就远不止于奖项，还在于可以体验从构思到实现的全过程，这是锻炼综合能力的绝佳机会。”

他参加第九届全国大学生集成电路创新创业大赛（以下简称为“集创赛”）的过程，正是这样一次实践旅程。

集创赛由工业和信息化部人才交流中心主办，以服务产业发展需求为导向，旨在将行业发展需求融入教学过程。参赛时，吴锐铭所在团队的核心任务是将一类视觉感知算法（如图像处理或目标检测中的关键计算模块）通过硬件描述语言进行重构、优化，并最终在基于现场可编程逻辑门阵列（FPGA）平台上高效实现。

这一赛题与FPGA视觉计算加速紧密相关，吴锐铭和团队成员要在有限的硬件资源内满足实时性需求，也就是说在硬件上运行算法时，必须达到毫秒级处理速度、极低且确定的数据处理延迟，还要满足严格的硬件时序约束。这需要团队在设计时对算法的数据流、并行计算和资源利用进行极致的硬件级优化。

在攻坚的过程中，吴锐铭意识到此前自己仅将FPGA当作单纯的执行平台——他只关心算法能否在FPGA上跑通，却未深入了解硬件底层的工作机制，导致算法设计与硬件资源难以协同。这种“算法只管算、硬件只管跑”的思路，导致性能一直卡在瓶颈。

意识到问题后，吴锐铭及其团队开始从“算法硬件协同设计”的新角度出发，把硬件特性纳入算法设计的考量中，分析哪些计算模块适合并行加速、哪些可以复用、如何调整数据流来匹配硬件的存储结构。

其中，他们发现卷积操作中的部分重复计算，可以通过硬件并行大幅提速。于是，团队重构了算法结构，采用更适合FPGA的流水线设计。思维的转变让算法与硬件深度耦合，最终在资源受限的平台上实现了性能突破。团队也夺下集创赛华南赛区决赛二等奖。

这次赛事让吴锐铭建立起“算法-硬件协同设计”的视角，深化了他对计算本质的理解，也为他后续从事边缘计算、嵌入式视觉等领域的研究与开发打下扎实基础。

研二，吴锐铭进入东莞小豚智能技术有限公司研发部实习，负责无人艇感知系统研发与优化。实习期间，他凭借扎实的专业功底，独立为无人艇开发了YOLOv8目标检测、相机-激光雷达融合测距、目标跟踪与搜索等功能，实现无人艇在复杂环境下的动态目标感知。这段实践经历给他提供了在产业一线研发的机会，更为他的科研带来了新的方向。

针对这一情况，吴锐铭选择用跨域频域增强机制与小波变换卷积的方案，给图像处理算法配上一副“细节放大镜”，让它能精准剥离出图像的轮廓和纹理，帮助目标检测进行。

算法优化后，即使遇到雨雾天气，无人艇也能看清目标。吴锐铭真切体会到技术落地的分量。实验里，指标提升只是一串数字，但现在它真正成为保障航行安全的关键一环。“我感到十分踏实。”

事实上，在相关行业中，现有算法性能受恶劣天气影响是产品常见的一大痛点，而这又与吴锐铭的导师，集成电路学院（国际微电子学院）党委书记、执行院长任斌教授课题组“提升复杂环境下视觉感知鲁棒性”的研究方向高度契合，这给吴锐铭带来了研发灵感。

他将工程难题上升为科学问题，展开了系统性研究，收获了“基于深度学习的交通图像除雾方法和智慧交通图像处理系统”发明专利一项。

这项专利主要利用深度学习算法有效抑制雨雾噪声，提升交通图像的检测精度，建立了一套除雾算法和系统。研发时，为了让模型能够真正适应真实世界多变情况，吴锐铭和团队采用物理模型合成与少量真实数据微调相结合的方式，利用大气散射模型生成大量逼真的合成雾图，弥补真实场景图像缺乏的短板，使系统得到足够充裕的场景图像训练。还设计了一种自适应特征融合网络，该网络能动态评估图像不同区域的雾浓度和特征质量，并进行加权融合，提升模型泛化能力。

#想了解莞工的你还可以看#

文字来源 | 黎嘉怡

图片来源 | 受访者