教师名录
李冬 讲师
个人简介
李冬，博士，讲师。2024年7月毕业于中国农业大学。主要从事农机无人驾驶、具身智能与大模型应用、大数据分析与应用等方向的研究。近年来在Computers and Electronics in Agriculture、Plos one等国际权威期刊发表多篇论文，曾荣获“北京市优秀毕业生”，相关研究成果多次被新华社、央视CCTV《新闻联播》、《晚间新闻》和《人民日报》等主流媒体报道。
热忱欢迎对无人驾驶、具身智能与大模型应用、大数据分析与应用感兴趣的同学加入课题组攻读研究生。
📧 联系方式：lid@bipt.edu.cn
研究方向
· 农机无人驾驶：面向智慧农业场景，研究农机自主感知、定位导航、路径规划与协同作业等关键技术。
· 具身智能与大模型应用：聚焦智能体在真实环境中的感知、决策与执行能力，探索大模型在机器人中的落地应用。
· 大数据分析与应用：围绕农业大数据，开展数据挖掘、建模分析与智能决策应用研究。
主讲课程
· 《人工智能导论A》
· 《人工智能科技前沿》
· 《自然语言处理与多模态大模型应用》
· 《智能机器人实训》
· 《计算机系统基础》
· 《计算机系统综合设计》
教育及工作经历
· 2024.09 – 至今 北京石油化工学院 人工智能研究院，讲师
· 2020.09 – 2024.07 中国农业大学 信息与电气工程学院，博士
· 2023.02 – 2024.02 丹麦奥胡斯大学，联合培养博士
科研项目
· 北京石油化工学院致远基金项目，“基于农机时空轨迹和遥感的冬小麦智能分类关键技术及应用”，2025.01–2026.12，主持，在研。
· 北京市自然科学基金项目，“基于国产计算机操作系统的新型智能液相色谱软件设计与验证研究”，2025.07–2028.06，参与，在研。
· 国家重点研发计划项目，“北斗精准导航与高分辨率遥感集成技术及区域综合应用示范”，2022.01–2025.12，参与，结题。
· 国家卫星导航军民融合应用工程北斗精准农业应用项目，“综合数据服务系统之基础平台建设”，2020.09-2023.12，参与，结题。
代表性论文
1. Li D, Liu X, Zhou K, Sun R, Wang C, Zhai W, Wu C. Discovering spatiotemporal characteristics of the trans-regional harvesting operation using big data of GNSS trajectories in China. Computers and Electronics in Agriculture, 2023, 211: 108003. (SCI, IF: 8.3)
2. Wu C, Li D, Zhang X, Pan J, Quan L, Yang L, Yang W, Ma Q, Su C, Zhai W. China’s agricultural machinery operation big data system. Computers and Electronics in Agriculture, 2023, 205: 107594. (SCI, IF: 8.3)
3. Li D, Wang C, Wang Q, Yan T, Bing W, Wang J. Grazing trajectory statistics and visualization platform based on cloud GIS [J]. Journal of Cloud Computing, 2020, 9: 1-13. (SCI, IF: 8.3)
4. Hu B, Zhai W, Li D, Tang J. Application note: evaluation of the Gini coefficient at the county level in mainland China based on Luojia 1-01 nighttime light images[J]. Computational Urban Science, 2024, 4(1): 1-8.
5. Zhai W, Han B, Li D, Duan J, Cheng C. A low-altitude public air route network for UAV management constructed by global subdivision grids[J]. Plos one, 2021, 16(4): e0249680. (SCI, IF: 3.7)
6. Zhu D, Xiao B, Xie H, Li D, He H, Zhai W. (2025). Exploring trans-regional harvesting operation patterns based on multi-scale spatiotemporal partition using GNSS trajectory data[J]. International Journal of Digital Earth, 2025, 18(1): 2466027.（SCI, IF: 3.7）
