第十九届"挑战杯揭榜挂帅"专项赛以"青春筑梦·科创报国"为主题，经过初赛和决赛于近期落下帷幕。此次大赛吸引全国高校学生和青年科技人才共2.7万余人参加，6500余件参赛作品中最终有1950件进入终审决赛。我院研究生张驰、刘博春等针对"毫米波云雷达非气象目标智能识别技术研究"这一专项赛题，完成了《"智析风云"——基于语义分割模型的云雷达回波智能识别技术》作品。该作品凭借对非气象目标良好的识别准确率顺利通过大赛组委会的初审阶段。在随后的终审决赛中，经过专家对作品的完整性、符合性和创新性进行全面评估，最终团队凭借作品中展示的雷达探测物理过程分析和人工智能技术结合的创新优势与实用价值，荣获全国二等奖。该项作品由大气学院葛觐铭教授和程一帆高工指导完成。

毫米波云雷达是研究云降水三维结构的重要工具，但在实际探测中常受到非气象目标回波的干扰。葛觐铭教授团队基于兰州大学SACOL站的先进毫米波云雷达开展长期观测，创新性地提出了双边滤波云检测和质量吸收自适应云物理特性反演方法；该方法成功应用于CloudSat、GPM等星载雷达，显著提升了产品准确性，实现了天基-地基雷达一体化遥感反演。

基于以往的积累，此次大赛团队结合人工智能算法，针对选题中的晴空和地物杂波识别任务，历时9个月开发了基于语义分割模型的云雷达回波智能识别技术。在晴空杂波识别方面，团队采用多维概率密度函数对雷达反射率、速度谱宽和线性退偏比进行综合判定，并通过低通滤波解决缺测问题，实现了晴空真值标定；在此基础上，将U-Net神经网络改进为一维结构并结合雷达高度信息，最终使晴空杂波识别准确率达到98%以上。

图1 晴空杂波识别流程及关键步骤展示

在地物杂波识别方面，团队通过分析回波的时间演变特性，采用时序信息提取方法进行地物真值标定，利用时间序列随机采样剔除稳定云和降水系统，并用径向速度标准差突出地物杂波，同时结合边缘梯度提取和分水岭算法实现地物边界自动识别。在此基础上利用二维U-Net神经网络提取纹理和形态特征，使地物识别准确率达到95%。团队构建的算法框架具有可靠的物理基础、严密的逻辑分析和较强的可拓展性，有望在更广泛的雷达观测目标识别领域中发挥重要作用。

图2 地物杂波识别流程及关键步骤展示

此次获奖是我院在“挑战杯”国赛上取得的重要突破进展。通过大赛，引导了学生面向经济社会发展与实践，聚焦国家战略需求和“卡脖子”技术，磨砺和激发了青年学子勇于探索自立自强的科技精神，并以此为契机开展更多更好的科学攻关研究。