大创-创业训练项目申报书 Skill（v2.1，对齐案例 2 79 页范本）

本 skill 处理"大学生创新创业训练计划-创业训练项目"申报书全流程：信息采集 → 11 章内容撰写 → docx 生成 → 质检。仅处理"创业训练"子类（商业计划书型 + 技术研发型），不要求实际注册公司；区别于创新训练（学术研究型）与创业实践（实际运营型）。

v2.1 升级要点：基于河南工业大学姚奕晗《基于多模态融合与三维重构的消防无人机火场救援系统》（校级大创创业训练，79 页）案例 2 的真实结构，全面补强技术深度与商业完整度。案例 2 同时具备"科研立项的技术深度（科学挑战+文献综述+算法公式+技术路线图）"和"创业训练的商业完整度（4P+3C+SWOT+5 年三表+实践过程+技术壁垒）"，是创业训练申报书的最佳范本。

输出文件：可提交的 .docx（A4 纸张，宋体小四正文，黑体三号标题，1.5 倍行距，首行缩进 2 字符），目标页数 30~80 页。

---

一、适用场景与触发条件

1.1 适用项目特征

用户提到"大创""创业训练项目""大学生创业训练""国家级/省级/校级创业训练申报书"等关键词，且项目产出为商业计划书 + 模拟运营报告 + 路演材料 + 技术研发报告（非单纯学术论文、非已注册公司报表）。

核心识别要点：

• 不要求实际注册公司（与创业实践区别）
• 含技术方案/算法设计/数学公式（与创新训练部分重叠，但创业训练强调商业落地）
• 含完整商业部分（4P/3C/SWOT/5 年三表，与创新训练区别）
• 含实践过程与实地考察（与纯理论研究区别）

1.2 不适用（走其他 skill）

不适用情形	走哪个 skill	区别要点
创新训练项目	innovation_training	产出论文/研究报告，无商业部分
创业实践项目（已注册公司或运营 6 个月以上）	entrepreneurship_practice	有真实营收、股权、工商注册号
"互联网+"大赛、挑战杯创业赛道	internet_plus / challenge_cup	赛事申报书格式不同
校级科研立项	college_research	纯学术研究，无商业计划

1.3 触发后第一步

确认项目类型为"创业训练"。区分要点：

• 创新训练：偏学术，研究方法/视角创新，产出论文，无商业部分
• 创业训练：偏商业 + 技术研发，商业模式/产品形态创新，产出商业计划书 + 技术方案，不要求实际注册公司
• 创业实践：已注册公司或运营 6 个月以上，有真实营收数据

用户未明确时，按"是否要注册公司"区分——要注册走创业实践，不注册走创业训练。

---

二、工作流程总览

四阶段串行执行，每阶段完成后再进入下一阶段。

2.1 阶段 1：信息采集（18~25 轮对话）

按"通用必采 → 项目简介与优势 → 政策与文献 → 科学挑战 → 技术方案 → 商业模式 → 财务预测 → 实践过程 → 技术壁垒 → 进度与成果"顺序采集。每轮不超过 5 个字段。商业字段（TAM/SAM/SOM、CAC/LTV、定价、毛利、5 年三表）和技术字段（算法名称/数学公式/技术路线图）缺失必须追问，禁止编造市场数据或算法细节。

2.2 阶段 2：内容撰写（一次性产出）

按 11 大章顺序撰写，每章字数按 3 档版本控制（见 §10）：

• 国家级：总字数 ≥ 30000，含全部 11 章 + 30 篇文献 + 5 年三表 10 张
• 省级：总字数 ≥ 20000，含 11 章 + 20 篇文献 + 5 年三表 6 张
• 校级：总字数 ≥ 15000，含 11 章 + 10 篇文献 + 5 年三表 4 张

技术部分必须含数学公式（每个核心算法 ≥ 1 公式）、算法对比表（≥ 3 算法 × ≥ 4 维度）、技术路线图（≥ 3 张）。 商业部分必须含 4P（产品/价格/渠道/促销）+ 3C 定价 + SWOT + 5 年三表（销售/成本/管理/销售费用/现金流/NPV/盈利能力/资产负债/短期偿债/长期偿债 共 10 张表）。

2.3 阶段 3：docx 生成

调用 python build.py --data data.json --out output.docx 生成 Word 文档。data.json 字段定义见第七章 JSON Schema。

2.4 阶段 4：质检

按第十一章 30 项质检清单逐项检查。任何一项不达标返回阶段 2 修改。

2.5 禁止行为

• 跳过采集直接套模板
• 编造市场规模、竞品数据、用户数、营收、算法名称、文献
• 用"前景广阔""意义重大""颠覆性"等空话
• 把"已注册公司""实际营收 100 万"等创业实践特征写入创业训练申报书
• 商业模式画布少要素（必须 9 个齐全）
• 5 年三表少表格（必须 10 张齐全）
• 技术章节无数学公式（每个核心算法 ≥ 1 公式）
• 文献少于 10 篇（校级最低线）
• 实践过程无照片描述（≥ 5 张）
• 技术壁垒无专利截图描述（≥ 1 项）
• 政策引用非时间倒序、缺 4 要素

---

三、信息采集清单

3.1 通用必采（10 字段）

字段	说明	示例	缺失追问策略
project_name	项目名称，≤25 字	基于多模态融合与三维重构的消防无人机火场救援系统	"项目正式名称？含核心技术词，≤25 字"
project_level	级别	国家级/省级/校级	"申报哪个级别？"
leader_name	负责人姓名	姚奕晗	"项目负责人全名？"
leader_id	负责人学号	241080200223	"学号？"
leader_major	负责人专业	电气工程及其自动化	"专业全称？创业训练建议交叉学科"
leader_grade	负责人年级	2024 级	"入学年份与年级？"
leader_phone	联系电话	167XXXXXXXX	"手机号？"
college	学院全称	电气工程学院	"学院全称？"
apply_date	申报日期	2026 年 5 月 6 日	"申报提交日期？"
advisor_name	指导教师姓名	闫晶晶	"指导教师全名？建议有科研/创业背景"

3.2 项目简介与优势（5 字段）

字段	说明	示例
project_type	三选一	创业训练项目
project_source	三选一	A 学生自主选题 / B 教师科研转化 / C 企业委托
industry	所属行业	智能制造/应急装备/低空经济
duration	起止时间	2026.06-2027.06（12 个月）
abstract	项目简介，200 字	面向复杂城市火灾救援需求，研发基于多模态融合与三维重构的消防无人机火场救援系统…
advantages	项目优势，10 条	多模态火场感知创新/三维火场重构创新/火场数字孪生创新/智能救援模式创新/复杂环境下目标识别创新/自适应路径规划创新/感知-重构-决策闭环创新/硬件平台集成创新/边缘智能应用创新/智慧消防应用场景创新

3.3 政策与文献采集（基于案例 2 §3.1 规范）

字段	说明	必填数
policy_citations	政策文件清单，每条 4 要素（机关/文号/标题/时间）+ 摘录相关表述	国家级≥12、省级≥10、校级≥10
leader_speeches	最高领导人讲话引用	≥ 1 条
literature_review	文献综述，每条含作者/标题/期刊/年份/卷期页	国家级≥30、省级≥20、校级≥10

政策引用规范（案例 2 §3.1）：

1. 必须按时间倒序排列（最新在前）
2. 必须含 4 要素：发文机关 + 文号 + 标题 + 时间
3. 引用后必须摘录与项目相关的关键表述（不能只列文件名）
4. 应包含最高领导人讲话（如适用）
5. 时序跨度建议 5 年以上
6. 案例 2 引用 10+ 政策文件（2021-2026 时序清晰），覆盖国务院/中办国办/应急管理部/工信部/发改委

文献综述规范（案例 2 §3.3）：

1. 文献数量 ≥ 30 篇（国家级）/ ≥ 20 篇（省级）/ ≥ 10 篇（校级）
2. 中英文比例：英文 ≥ 60%，中文 ≤ 40%
3. 期刊层次：必须含 SCI 一区/二区期刊（如 IEEE Transactions / Springer / Computer Networks / Drones / Sensors）
4. 时间分布：近 3 年文献 ≥ 50%
5. 格式：GB/T 7714-2015，含作者/标题/期刊/年份/卷期页
6. 综述结构：1.2.1 研究意义（3-5 段）→ 1.2.2 国内外研究现状（按技术方向分段）→ (3) 对现有研究现状的总结与分析（指出 gap）

3.4 科学挑战采集（基于案例 2 §3.2 规范）

字段	说明	必填数
scientific_challenges	3 个层层递进的科学挑战	3
challenge.title	挑战标题，含关键技术词	3
challenge.description	问题描述段，3-5 句话	3
challenge.sub_challenges	子挑战列表，每个 5-8 句详细说明	每个 ≥ 2

科学挑战规范（案例 2 §3.2）：

1. 3 个科学挑战层层递进（数据 → 算法 → 系统 / 感知 → 认知 → 决策）
2. 每个挑战必须有文献支撑（上标 [N]）
3. 子挑战用 bullet point 拆解，每个 5-8 句详细说明
4. 标题必须含关键技术词（如"多模态融合""3D 目标检测""能耗与实时性"）

案例 2 的 3 个科学挑战模板：

• 科学挑战一：多模态数据时空融合与三维火场实时重构计算（含 2 个子挑战）
• 科学挑战二：火场数字孪生中目标检测与态势理解耦合技术
• 科学挑战三：火灾场景的自适应路径规划与在线学习机制研究（含 2 个子挑战）

3.5 技术方案采集（基于案例 2 §3.4-3.6 规范）

字段	说明	必填数
algorithm_comparison	算法对比表，≥ 3 算法 × ≥ 4 维度	1 张表
tech_roadmap	技术路线图描述，≥ 3 张图	3
formulas	数学公式，每个核心算法 ≥ 1 公式	≥ 4
hardware_basis	硬件基础描述	2 类平台
research_content	研究内容，3 个层层递进部分	3
research_goals	研究目标，3 个核心目标	3
key_scientific_problems	拟解决关键科学问题	3

算法对比表规范（案例 2 §3.4）：

1. 至少含 1 张算法对比表
2. 对比维度 ≥ 3 个（技术特点/优势/劣势/适用场景/效率）
3. 每个算法必须有文献引用
4. 对比后必须有选型结论（如"基于上表，本项目选用 SAC 算法"）

案例 2 算法对比表示例（表 1 主流自适应路径规划算法对比表）：

维度	DQN 算法	DDPG 算法	SAC 算法
技术特点	深度神经网络+Q学习，使用经验回放和目标网络稳定训练	Actor-Critic 架构，适用于连续动作空间的确定性策略梯度方法	最大熵强化学习框架，软 Q 学习结合随机策略优化
优势	解决高维状态空间问题，经验回放提高样本利用率，收敛稳定性好	处理连续动作空间，结合 LSTM 后收敛速度提升 57.25%，路径规划成功率提升 23%	鲁棒性强，在非结构化环境表现优异，自动调节探索-利用平衡，样本效率高
劣势	仅适用于离散动作空间，存在值函数过估计问题，训练时间较长	对超参数敏感，训练不稳定（需 careful tuning），易陷入局部最优	计算复杂度高，需要较大内存开销，调参难度大

技术路线图规范（案例 2 §3.5）：

1. 必须至少 3 张技术路线图：
   • 图 1：项目开展的主要研究内容及其相互关系
   • 图 2：项目的研究方法和思路
   • 图 3：项目拟采用的实施技术路线图
2. 图必须有图号 + 标题（如"图 1 项目研究内容关系图"）
3. 图必须自含说明（看图就能理解整体逻辑）
4. 图中节点必须对应章节编号（便于交叉引用）

数学公式规范（案例 2 §3.6）：

1. 每个核心算法必须含数学公式（至少 1 个）
2. 公式必须编号（如式(1)、式(2)）
3. 公式后必须解释每个变量的含义
4. 必须配算法流程图（用文字描述流程）
5. 算法名称必须有缩写（如 PI-STGNN = Physics-Informed Spatio-Temporal Graph Neural Network）

案例 2 的 4 个核心算法及公式示例：

1. ASCN 自适应稀疏卷积点云补全算法
   • 密度计算公式：ρ(p) = |N(p, r)| / V(r)
   • 动态扩张率：δ = δ_min + (δ_max - δ_min) · (1 - ρ̂)
2. Fire-Transformer 跨模态注意力融合算法
   • 注意力加权：α_ij = g_i · softmax(Q_i · K_j / √d_k)
   • 融合特征：F_fused = Σ w_i · F_i
3. Fire-LIO-SAM 多模态约束增强 SLAM
   • 联合优化目标函数：E = ||r_IMU||²_Σ_IMU + ||r_LiDAR||²_Σ_LiDAR + ||r_thermal||²_Σ_thermal + ||r_gas||²_Σ_gas
4. SC-RL 安全约束强化学习
   • 拉格朗日函数：L(π, λ) = E[R_eff(s,a)] - Σ λ_i · E[C_i(s,a)]

3.6 社会经济效益采集（基于案例 2 §3.7 规范）

字段	说明	必填数
economic_benefits	经济效益量化评估表，12 项指标 × 4 列	12
social_benefits	社会效益描述，3 个维度	3
political_benefits	政治与战略效益，3 个维度	3

社会经济效益规范（案例 2 §3.7）：

1. 必须量化对比传统模式 vs 系统模式
2. 指标数 ≥ 10 项（推荐 12 项）
3. 每项必须含 4 列：指标名/传统基准/系统预期/提升幅度
4. 提升幅度必须用百分比/倍数双重表达

案例 2 的 12 项经济效益指标（表 2 经济效益量化评估表）：

1. 单次城市火灾平均经济损失：100%(基准) → 60%-80%，降低 20%-40%
2. 年均可减少直接经济损失：约 50 亿元/年 → 约 30-40 亿元/年，减少 10-20 亿元/年
3. 被困人员识别召回率：≤70% → ≥92%，提升 ≥22 个百分点
4. 三维火场重构关键尺寸误差：>15cm → ≤5cm，精度提升 ≥3 倍
5. 火势蔓延预测关键节点误差：>10m → ≤2m，精度提升 ≥5 倍
6. 救援响应时间：100%(基准) → 30%-50%，缩短 50%-70%
7. 消防员高危环境暴露频次：100%(基准) → ≤40%，降低 ≥60%
8. 救援力量调度准确率：≤60% → ≥85%，提升 ≥25 个百分点
9. 装备物资调配效率：100%(基准) → 130%-150%，提升 30%-50%
10. 信息不对称导致的资源浪费率：约 25%-35% → ≤10%，降低 ≥15 个百分点
11. 火势扩散范围控制：100%(基准) → 60%-70%，控制范围缩小 30%-40%
12. 危险品识别与预警响应时间：>5 分钟 → ≤1 分钟，缩短 ≥80%

3.7 商业部分采集（基于案例 2 §3.8 规范）

字段	说明	必填数
market_analysis	市场分析，5 小节	5
marketing_4p	4P 营销组合	4 子结构
pricing_3c	3C 定价模型	3 维度
swot	SWOT 分析	4 维度
financial_statements	5 年三表	10 张表
profit_model	盈利模式	4 种
supply_chain	供应链优化	5 子节
promotion_strategy	促销策略	4 子节

完整商业部分规范（案例 2 §3.8）：

1. 市场分析（5 小节）：市场需求/目标市场/市场前景/产品或服务前景/SWOT 分析
2. 营销模式（4 小节）：产品策略/定价策略/地点渠道策略/促销策略（4P 框架）
3. 财务分析（6 小节）：资金筹备/固定资产明细/流动资产明细/利润预计/风险分析/退出策略
4. 5 年财务三表（10 张）：
   • 销售数量和销售收入表（按产品/服务分项）
   • 产品成本预测表（原材料/直接人工/制造费用）
   • 管理费用预测表（研发/租金/办公/工资/设备/其他）
   • 销售费用预测表（推广/培训/售后/物流/工资/其他）
   • 现金流量预测表（经营/投资/筹资三类活动）
   • 净现值表（含折现率 10%）
   • 盈利能力指标表（销售毛利率/利润率/资产利润率/净利润率）
   • 资产负债表（流动/非流动资产 + 流动负债 + 所有者权益）
   • 短期偿债能力指标表（流动比率/现金比率/现金流量比率）
   • 长期偿债能力指标表（资产负债率）
5. 3C 定价模型（成本/竞争/客户）
6. 产品生命周期 4P 营销组合图
7. 盈利模式（整机销售/租赁/专业服务/保养维护）

财务规范：

1. 创业类申报书必须含完整 4P + 3C + SWOT + 5 年三表
2. 财务表格必须精确到小数点后 2 位
3. NPV 必须给出折现率假设和结论（NPV > 0 → 项目可行）
4. 资产负债表必须负债 + 所有者权益 = 资产（会计恒等式）
5. 必须含短期 + 长期偿债能力指标

3.8 实践过程采集（基于案例 2 §3.9 规范）

字段	说明	必填数
practice_photos	实地考察照片描述，含图号+说明文字	≥ 5
cooperation_agreements	合作协议列表，含合作单位+合作内容	≥ 3

实践过程规范（案例 2 §3.9）：

1. 实践过程必须有实地考察照片（≥ 5 张）
2. 每张照片必须有图号 + 说明文字
3. 必须含 4 类活动：团队学习/企业考察/实物制作/试飞验证
4. 照片后必须有合作协议（≥ 3 家企业/单位）

案例 2 的 7 张实践照片：

• 图 31 项目成员组织专业性学习
• 图 32 项目组成员参观安阳无人机产业园
• 图 33 项目组成员同老师考察应急安全实训基地
• 图 34 项目组成员考察河南坤宇无人机公司
• 图 35 团队成员组装实物过程
• 图 36 团队负责人带领成员对实物试飞
• 图 37 团队成员前往中原光谷孵化基地学习

案例 2 的 4 家合作单位：

• 河南工业大学安保科（校园火灾防卫安全巡逻协议）
• 杭州英诺唯（智能装备企业）
• 郑州新鼎自动化（智能装备企业）
• 河南瞰宇科技（智能装备企业）

3.9 技术壁垒采集（基于案例 2 §3.10 规范）

字段	说明	必填数
tech_barriers.patents	已申请/已授权专利，含专利名称+图号	≥ 1
tech_barriers.test_reports	软件检测报告/系统截图	≥ 1
tech_barriers.prototype_validation	实物/系统验证截图	≥ 1

技术壁垒规范（案例 2 §3.10）：

1. 必须含已申请/已授权专利（≥ 1 项，截图证明）
2. 必须含软件检测报告/系统截图
3. 必须含实物/系统验证截图

案例 2 的技术壁垒：

• 图 43 一种消防无人机用转动压紧夹持式可旋转水枪装置（专利 1）
• 图 44 一种无人机搭载式高空切割装置（专利 2）
• 图 45 一种消防无人机的多功能操作平台（专利 3）
• 图 46 一种无人机多机协同控制方法及系统（专利 4）
• 图 47(a)(b) 无人机检测报告
• 图 49 地面基站控制模拟
• 图 50 火灾监测识别系统搭建

3.10 团队与指导教师采集

字段	说明	示例
team_members	团队 3~5 人，建议商科+技术+设计复合	每人：姓名/学号/专业/分工/联系方式
advisor_title	指导教师职称	教授/系主任
advisor_research	指导教师研究方向	网络攻击检测/抗攻击量化控制
advisor_achievements	指导教师指导经历	挑战杯省特等奖、互联网+省二等奖、主持省科技创新人才计划
target_user	目标用户画像	消防部门/应急管理机构/大型企业安全管理部门
registered	是否注册公司	否（创业训练不要求注册）

---

四、国家政策引用详细规范（基于案例 2 §3.1）

4.1 政策引用 4 要素

每条政策必须包含：

1. 发文机关：国务院/中办国办/应急管理部/工信部/发改委/国新办等
2. 文号：如国办发〔2026〕XX 号（无文号时用"印发"）
3. 标题：《关于加强基层消防工作的意见》
4. 时间：2026 年 3 月

4.2 时间倒序排列（最新在前）

案例 2 引用 10+ 政策文件，时序跨度 5 年（2021-2026）：

1. 2026.03 国务院办公厅《关于加强基层消防工作的意见》

   • 摘录："强化基层消防科技支撑，推广智能化消防装备，为消防无人机下沉基层、提升一线处置能力提供政策导向与实施路径"

2. 2026.02 国家层面关于低空经济发展部署

   • 摘录："低空飞行器在公共安全、应急救援、城市治理等领域的应用价值，为消防无人机在复杂城市空间中的常态化部署、快速响应和协同作业提供更加清晰的产业环境与应用场景"

3. 2025.12 工信部等《应急装备产业重点产品发展指导目录（2025 版）》

   • 摘录："将无人化、智能化、轻量化救援装备列为重点发展方向，体现出应急装备体系由传统单一装备向智能协同装备升级的趋势"

4. 2025.05 国新办《新时代的中国国家安全》白皮书

   • 摘录："加强对人工智能和数据安全等新兴领域的风险防控，构建综合的安全管理体系"

5. 2025 全国两会"大安全、大应急"框架

   • 摘录："通过技术创新和数据应用，提升应急响应和快速处置能力"

6. 2024.12 中办国办《关于推进新型城市基础设施建设打造韧性城市的意见》

   • 摘录："加快推动数字化、网络化、智能化的新型城市基础设施建设，提升城市的风险防控和治理能力，提高城市消防应急能力和智慧消防系统的建设"

7. 2024.03 工信部等四部门《通用航空装备创新应用实施方案（2024-2030 年）》

   • 摘录："推动无人机在灾害勘察、应急通信、物资投送等场景应用"

8. 2023.12 应急管理部、工信部《关于加快应急机器人发展的指导意见》

   • 摘录："研发基于大载重无人机，无人机集群等装备的快速侦察与灭火技术及系统，应用于城市高层建筑火灾、地下有限空间等复杂场景"

9. 2022.06 应急管理部《"十四五"应急救援力量建设规划》

   • 摘录："加快构建大型固定翼灭火飞机、灭火直升机与无人机高低搭配、布局合理、功能互补的应急救援航空器体系"

10. 2021.12 国务院《"十四五"国家应急体系规划》

    • 摘录："推广运用智能机器人、无人机等高技术配送装备，提升复杂灾害环境下的态势感知与应急处置效率"

4.3 最高领导人讲话引用

参考案例 1 的引用方式（案例 2 未明确列讲话）：

• 2018.11 习近平向国家综合性消防救援队伍授旗致辞："对党忠诚、纪律严明、赴汤蹈火、竭诚为民"
• 2019.11 习近平在中央政治局第十九次集体学习时强调："发挥我国应急管理体系的特色和优势，积极推进我国应急管理体系和能力现代化"

4.4 政策引用撰写模板

2026 年 3 月，国务院办公厅印发《关于加强基层消防工作的意见》（国办发〔2026〕XX 号），
明确提出【摘录关键表述】。该政策为【项目主题】在【应用场景】中的【具体作用】提供了
政策导向与实施路径。

按此模板逐条撰写 10+ 政策，每条 80~150 字。

---

五、科学挑战详细规范（基于案例 2 §3.2）

5.1 三段递进结构

3 个科学挑战必须层层递进：

• 挑战一：数据层——多模态数据时空融合与三维重构计算
• 挑战二：算法层——目标检测与态势理解耦合技术
• 挑战三：系统层——自适应路径规划与在线学习机制

5.2 每个挑战的撰写模板

科学挑战X：【一句话标题，含关键技术词】
  【问题描述段：3-5 句话说清挑战的本质，含上标文献引用 [N]】

  ● 子挑战 1：【具体技术难点】
    【详细说明 5-8 句，含具体技术参数、瓶颈数值】

  ● 子挑战 2：【具体技术难点】
    【详细说明 5-8 句，含具体技术参数、瓶颈数值】

5.3 案例 2 的 3 个科学挑战详细结构

科学挑战一：多模态数据时空融合与三维火场实时重构计算

问题描述段：在复杂城市火灾场景中，消防无人机需要同时处理来自多源传感器的异构数据，包括可见光图像、红外热成像、激光雷达点云、气体传感器等[5][6]。这些数据在时空维度上存在显著差异，如何实现多模态数据的高效时空融合[7]，并在算力受限的无人机平台上完成三维火场的实时重构计算，成为本项目面临的核心科学挑战[8]。

● 多模态数据的时空对齐与融合 不同传感器具有不同的采样频率、空间分辨率和物理特性，如何实现激光雷达点云、红外图像、可见光图像等多源数据在时间和空间维度上的精确对齐，是构建统一三维火场模型的基础难题[9]。例如，激光雷达点云数据通常以每秒数十万点的速率采集，而红外热成像的帧率可能仅为 30Hz，这种采样率差异会导致数据融合时的时空不一致性[10]。如何建立高精度时空标定机制，解决激光雷达与惯性测量单元的时钟同步问题？

● 三维火场实时重构计算 三维重构算法通常计算复杂度高，而火灾现场变化迅速，需要在无人机有限算力下实现毫秒级响应。如何设计轻量化重构算法，在保证精度的同时满足实时性要求，是技术实现的关键瓶颈[11][12]。例如，传统的 SLAM 算法在处理大规模点云数据时，计算量随场景复杂度呈指数增长，难以满足实时性需求[13]。如何通过算法优化、并行计算等技术手段，在有限计算资源下实现高效的三维火场重构？

科学挑战二：火场数字孪生中目标检测与态势理解耦合技术

问题描述段：在成功获取到高质量的融合特征后，我们面临的核心挑战是如何在火场这一高噪声、高干扰的复杂场景中，实现目标检测与态势理解的深度耦合[14]。火场中的识别任务与常规场景有巨大差异：被困人员可能因遮挡或烟雾而呈现为模糊目标，而煤气罐等关键危险品可能在画面中占据极小区域，成为典型的小目标。这些挑战使得通用检测算法难以直接适用。

因此，我们必须针对性地改进现有技术。例如，研究设计新的注意力机制，让模型能自动聚焦于红外特征提示的高温区域[15]；改造网络结构以增强对小目标的特征提取能力；并探索如何利用激光雷达提供的深度信息，辅助判断目标的真实尺寸与空间关系，从而解决遮挡问题[16]。

最终，精准的目标检测并非终点，更重要的是基于识别结果进行智能态势理解。这需要构建一个评估模型，它能够综合目标类型、状态（如温度、气体浓度）及空间位置等多维度信息，自动对火场进行危险等级划分，并生成"高危区域预警"、"建议优先救援目标"等决策建议[17]。如何建立从"目标检测"到"态势理解"的智能推理链路，实现二者的有机耦合，是提升系统实战价值的决定性因素[18]。

科学挑战三：火灾场景的自适应路径规划与在线学习机制研究

问题描述段：在复杂多变的火灾环境中，无人机需要具备自主导航与智能决策能力，以应对火势蔓延、结构坍塌、烟雾扩散等动态威胁。传统路径规划算法通常基于静态环境假设，难以适应火场的高动态性和不确定性，这构成了本项目在自主导航层面的核心科学挑战。

● 动态环境下的实时路径规划与避障 火灾现场环境瞬息万变，烟雾浓度、温度分布、结构稳定性等参数均随时间快速演化。如何建立考虑多约束条件（包括热辐射强度、有毒气体浓度、结构承重能力等）的路径规划模型，并在计算资源受限的情况下实现实时避障与重规划，是技术实现的关键难点。例如，基于传统 A*或 RRT 的规划算法在应对突发火势蔓延时往往缺乏足够的响应速度，需要研究融合实时感知数据的动态重规划机制。

● 基于强化学习的在线自适应决策机制 针对火灾场景的高度不确定性，需要研究能够通过交互经验自主提升性能的在线学习算法。如何设计兼顾探索与利用的奖励函数，使无人机能够在保障安全的前提下最大化侦察效率；如何构建轻量化的神经网络模型，实现在边缘设备上的快速策略更新[19]；以及如何建立多机协同的经验共享机制，加速群体智能的涌现，都是需要深入探索的前沿问题。

---

六、文献综述详细规范（基于案例 2 §3.3）

6.1 文献数量与质量

级别	文献总数	英文占比	SCI 一/二区	近 3 年占比
国家级	≥ 30 篇	≥ 60%	≥ 8 篇	≥ 50%
省级	≥ 20 篇	≥ 60%	≥ 5 篇	≥ 50%
校级	≥ 10 篇	≥ 50%	≥ 2 篇	≥ 50%

6.2 推荐期刊清单

英文 SCI 一区/二区（案例 2 引用）：

• IEEE Transactions on Geoscience and Remote Sensing
• IEEE Transactions on Intelligent Transportation Systems
• IEEE Robotics and Automation Letters
• Engineering Applications of Artificial Intelligence
• Computer Networks
• Artificial Intelligence Review
• Artificial Intelligence for the Earth Systems
• Drones
• Sensors
• ISPRS International Journal of Geo-Information
• Soft Computing
• Automation in Construction
• Advanced Engineering Informatics
• Applied Sciences

中文核心（案例 2 引用）：

• 软件学报
• 北京邮电大学学报
• 传感器
• 西安邮电大学学报
• 无人系统技术
• 工业仪表与自动化装置

6.3 综述结构（3 段）

1.2.1 研究意义（3-5 段，每段一个小方向）：

• 段 1：消防无人机智能感知与三维火场重构对城市安全的关键意义
• 段 2：多模态融合与三维数字孪生技术为火场智能认知开辟新方向
• 段 3：自适应路径规划与在线学习机制为实战效能提升筑牢根基

1.2.2 国内外研究现状（按技术方向分段）：

• (1) 多模态数据深度融合技术的研究现状
• (2) 火场小目标/模糊目标智能识别技术的研究现状
• (3) 自适应路径规划与在线学习机制的研究现状

(3) 对现有研究现状的总结与分析：

• 指出 gap：数据时空精准对齐难、火场部分模态数据质量不稳定、无人机边缘端实时融合与在线学习研究不足
• 提出本课题三方面攻关方向

6.4 文献格式（GB/T 7714-2015）

英文期刊：

[1] FERNANDES L, SILVA C. A 5G-enabled edge computing platform for intelligent
    emergency response with UAV networks[J]. Computer Networks, 2024, 242:
    110267.

中文期刊：

[7] 李庚松, 刘艺, 郑奇斌, 等. 无人机多传感器数据融合研究综述[J]. 软件学报,
    2025, 36(4): 1881-1905.

博硕论文：

[4] 基于多传感器信息融合的无人机火灾监测技术研究[D]. 南京航空航天大学,
    2018.

会议论文：

[16] Yang J, Liu X, Liu Z. Attention-guided Feature Fusion for Small Object
    Detection[C]//2023 IEEE International Conference on Imaging Systems and
    Techniques (IST). IEEE, 2023: 1-6.

专著：

[30] LI X, ZHANG Y. Comprehensive analysis of AI recognition algorithms for
    firefighting drones: from principles to deployment[M]. Singapore:
    Springer, 2024.

---

七、JSON Schema 详细定义

7.1 顶层字段（21 个）

{
  "project_name": "str，项目名称",
  "project_level": "str，国家级/省级/校级",
  "project_type": "str，创业训练项目",
  "leader_name": "str，负责人姓名",
  "leader_id": "str，学号",
  "leader_major": "str，专业",
  "leader_grade": "str，年级",
  "leader_phone": "str，电话",
  "advisor_name": "str，指导教师姓名",
  "advisor_title": "str，职称",
  "advisor_research": "str，研究方向",
  "advisor_achievements": "str，指导经历",
  "college": "str，学院",
  "apply_date": "str，申报日期",
  "abstract": "str，项目简介 200 字",
  "advantages": ["str × 10，项目优势"],
  "basic_info": {},
  "policy_citations": [],
  "literature_review": {},
  "scientific_challenges": [],
  "technical_solution": {},
  "economic_benefits": [],
  "market_analysis": {},
  "marketing_4p": {},
  "pricing_3c": {},
  "swot": {},
  "financial_statements": {},
  "practice_process": {},
  "tech_barriers": {},
  "project_schedule": [],
  "team_intro": {},
  "risk_analysis": [],
  "expected_outcomes": [],
  "budget_items": [],
  "budget_total": "str",
  "include_school_approval": false
}

7.2 policy_citations 字段（政策引用）

"policy_citations": [
  {
    "order": 1,
    "date": "2026.03",
    "agency": "国务院办公厅",
    "doc_number": "国办发〔2026〕XX 号",
    "title": "关于加强基层消防工作的意见",
    "key_excerpt": "强化基层消防科技支撑，推广智能化消防装备…",
    "relevance": "为消防无人机下沉基层、提升一线处置能力提供政策导向与实施路径"
  }
]

7.3 literature_review 字段（文献综述）

"literature_review": {
  "research_significance": [
    "段 1：消防无人机智能感知与三维火场重构对城市安全的关键意义…",
    "段 2：多模态融合与三维数字孪生技术为火场智能认知开辟新方向…",
    "段 3：自适应路径规划与在线学习机制为实战效能提升筑牢根基…"
  ],
  "research_status": [
    {
      "topic": "多模态数据深度融合技术的研究现状",
      "paragraphs": ["段落内容…"],
      "citations": ["[28]", "[29]"]
    },
    {
      "topic": "火场小目标/模糊目标智能识别技术的研究现状",
      "paragraphs": ["段落内容…"],
      "citations": ["[29]"]
    },
    {
      "topic": "自适应路径规划与在线学习机制的研究现状",
      "paragraphs": ["段落内容…"],
      "citations": ["[30]"]
    }
  ],
  "summary_and_gap": "多模态融合技术虽取得进展，但面临数据时空精准对齐难、火场部分模态数据质量不稳定、无人机边缘端实时融合与在线学习研究不足等挑战…",
  "references": [
    {
      "no": 1,
      "type": "journal_en",
      "text": "FERNANDES L, SILVA C. A 5G-enabled edge computing platform for intelligent emergency response with UAV networks[J]. Computer Networks, 2024, 242: 110267."
    }
  ]
}

7.4 scientific_challenges 字段（科学挑战 3 段）

"scientific_challenges": [
  {
    "no": 1,
    "title": "多模态数据时空融合与三维火场实时重构计算",
    "description": "在复杂城市火灾场景中，消防无人机需要同时处理来自多源传感器的异构数据…[4][5][6]",
    "sub_challenges": [
      {
        "title": "多模态数据的时空对齐与融合",
        "detail": "不同传感器具有不同的采样频率、空间分辨率和物理特性…[9][10]"
      },
      {
        "title": "三维火场实时重构计算",
        "detail": "三维重构算法通常计算复杂度高，而火灾现场变化迅速…[11][12][13]"
      }
    ]
  }
]

7.5 technical_solution 字段（技术方案）

"technical_solution": {
  "hardware_basis": [
    {
      "name": "消防水枪无人机",
      "composition": "无人机飞行平台、飞控系统、动力系统、供电系统、通信系统、图传感知模块、挂载式水枪执行机构",
      "application": "高层建筑火灾、森林火灾、危险区域火灾"
    },
    {
      "name": "高空切割无人机",
      "composition": "无人机飞行平台、飞控与动力系统、挂载支撑结构、姿态调节机构、末端切割执行机构",
      "application": "高层建筑火灾救援、障碍物清除、悬挂物处理"
    }
  ],
  "research_content": [
    {
      "no": 1,
      "title": "针对科学挑战一，自适应多模态数据融合与鲁棒三维重建",
      "algorithms": ["ASCN 自适应稀疏卷积点云补全", "Fire-Transformer 跨模态注意力融合", "Fire-LIO-SAM 多模态约束增强 SLAM"]
    },
    {
      "no": 2,
      "title": "针对科学挑战二，目标检测与语义理解的耦合",
      "algorithms": ["IAT+YOLO+FFA 光照自适应检测", "Coupled-DetSeg 多任务耦合感知", "动态场景自适应推理策略"]
    },
    {
      "no": 3,
      "title": "针对科学挑战三，融合时空预测在线学习的火灾自适应路径规划",
      "algorithms": ["PI-STGNN 物理信息图神经网络", "CA 元胞自动机动态演化", "SC-RL 安全约束强化学习", "PF-RRT 势场引导 RRT*"]
    }
  ],
  "research_goals": [
    {"no": 1, "goal": "消防无人机智能感知与鲁棒三维重建系统", "metrics": "重建模型完整度≥95%、关键尺寸误差≤5cm、秒级响应"},
    {"no": 2, "goal": "鲁棒高效的目标检测与语义理解一体化感知技术", "metrics": "小目标召回率≥92%、热源识别准确率≥95%、推理延迟<80ms"},
    {"no": 3, "goal": "预测驱动的自适应火场安全路径规划", "metrics": "火势预测误差≤2m、重规划响应<1s、安全成功率≥98%"}
  ],
  "key_scientific_problems": [
    {"no": 1, "problem": "如何对多模态数据时空配准与融合权重动态分配？", "solution": "Fire-Transformer 通过模态有效性评分分支实时评估各传感器数据可靠性"},
    {"no": 2, "problem": "如何解决浓烟高温下图像与点云质量退化导致的三维重建不稳定情况？", "solution": "Fire-LIO-SAM 引入热辐射强度和气体浓度分布等物理信息作为先验约束"},
    {"no": 3, "problem": "如何对动态危险环境下的安全路径进行规划？", "solution": "PI-STGNN + SC-RL + PF-RRT 形成'态势预测—安全约束—路径生成'决策闭环"}
  ],
  "algorithm_comparison": {
    "title": "表 1 主流自适应路径规划算法对比表",
    "algorithms": ["DQN 算法", "DDPG 算法", "SAC 算法"],
    "dimensions": ["技术特点", "优势", "劣势"],
    "rows": [
      ["深度神经网络+Q学习，使用经验回放和目标网络稳定训练", "解决高维状态空间问题，收敛稳定性好", "仅适用于离散动作空间，存在值函数过估计问题，训练时间较长"],
      ["Actor-Critic 架构，适用于连续动作空间的确定性策略梯度方法", "处理连续动作空间，结合 LSTM 后收敛速度提升 57.25%，路径规划成功率提升 23%", "对超参数敏感，训练不稳定，易陷入局部最优"],
      ["最大熵强化学习框架，软 Q 学习结合随机策略优化", "鲁棒性强，在非结构化环境表现优异，自动调节探索-利用平衡，样本效率高", "计算复杂度高，需要较大内存开销，调参难度大"]
    ],
    "conclusion": "基于上表，本项目选用 SAC 算法作为火场路径规划的核心算法，兼顾鲁棒性与样本效率"
  },
  "tech_roadmap": [
    {"fig_no": "图 12", "title": "项目开展的主要研究内容及其相互关系", "description": "三大研究内容（多模态融合与重构、目标检测与态势理解、自适应路径规划）通过共享数据底座、特征交互与决策闭环形成层次化协同架构"},
    {"fig_no": "图 13", "title": "项目的研究方法和思路", "description": "从火场感知到决策的全链条：感知模块→重构模块→检测模块→理解模块→规划模块→执行模块"},
    {"fig_no": "图 14", "title": "项目拟采用的实施技术路线图", "description": "技术路线：数据采集→预处理→融合→重构→检测→理解→预测→规划→执行，含每个环节的输入输出与技术指标"}
  ],
  "formulas": [
    {
      "algorithm": "ASCN 自适应稀疏卷积点云补全",
      "formulas": [
        {"no": "式(1)", "expression": "ρ(p) = |N(p, r)| / V(r)", "variables": "ρ(p) 为点 p 处密度，N(p, r) 为半径 r 邻域内的点集，V(r) 为邻域球体积"},
        {"no": "式(2)", "expression": "δ = δ_min + (δ_max - δ_min) · (1 - ρ̂)", "variables": "δ 为动态扩张率，ρ̂ 为归一化密度，δ_max/δ_min 为扩张率上下界"}
      ]
    },
    {
      "algorithm": "Fire-Transformer 跨模态注意力融合",
      "formulas": [
        {"no": "式(3)", "expression": "α_ij = g_i · softmax(Q_i · K_j / √d_k)", "variables": "g_i 为第 i 个模态门控有效性得分，Q_i/K_j 为查询和键向量，d_k 为特征维度"},
        {"no": "式(4)", "expression": "F_fused = Σ w_i · F_i", "variables": "w_i 为融合权重，F_i 为第 i 个模态特征表示"}
      ]
    },
    {
      "algorithm": "Fire-LIO-SAM 多模态约束增强 SLAM",
      "formulas": [
        {"no": "式(5)", "expression": "E = ||r_IMU||²_Σ_IMU + ||r_LiDAR||²_Σ_LiDAR + ||r_thermal||²_Σ_thermal + ||r_gas||²_Σ_gas", "variables": "r_IMU/r_LiDAR/r_thermal/r_gas 分别为 IMU 预积分、LiDAR 里程计、热辐射、气体浓度残差，Σ 为协方差矩阵"}
      ]
    },
    {
      "algorithm": "SC-RL 安全约束强化学习",
      "formulas": [
        {"no": "式(6)", "expression": "L(π, λ) = E[R_eff(s,a)] - Σ λ_i · E[C_i(s,a)]", "variables": "R_eff 为路径效率奖励，C_i 为第 i 个安全约束违背项，λ_i 为拉格朗日乘子"}
      ]
    }
  ],
  "innovations": [
    "提出融合动态扩张率机制的 ASCN 自适应稀疏卷积点云补全算法、Fire-Transformer 跨模态注意力融合算法及 Fire-LIO-SAM 多模态约束增强 SLAM 算法，构建'数据补全—智能融合—鲁棒重建'技术闭环",
    "构建'光照自适应-多尺度融合-多任务耦合'层次化感知体系，采用 IAT 模块校正极端光照畸变、FFA 机制抑制烟雾噪声干扰，基于 MobileNetV3 轻量化骨干与 Coupled-DetSeg 耦合网络",
    "建立物理约束驱动的自适应路径规划框架，融合 PI-STGNN、CA、SC-RL 及 PF-RRT*，形成'态势预测—安全约束—路径生成'的智能决策闭环"
  ]
}

7.6 economic_benefits 字段（社会经济效益 12 项）

"economic_benefits": [
  {"indicator": "单次城市火灾平均经济损失", "traditional": "100% (基准)", "expected": "60%-80%", "improvement": "降低 20%-40%"},
  {"indicator": "年均可减少直接经济损失", "traditional": "约 50 亿元/年", "expected": "约 30-40 亿元/年", "improvement": "减少 10-20 亿元/年"},
  {"indicator": "被困人员识别召回率", "traditional": "≤70%", "expected": "≥92%", "improvement": "提升 ≥22 个百分点"},
  {"indicator": "三维火场重构关键尺寸误差", "traditional": ">15cm", "expected": "≤5cm", "improvement": "精度提升 ≥3 倍"},
  {"indicator": "火势蔓延预测关键节点误差", "traditional": ">10m", "expected": "≤2m", "improvement": "精度提升 ≥5 倍"},
  {"indicator": "救援响应时间", "traditional": "100% (基准)", "expected": "30%-50%", "improvement": "缩短 50%-70%"},
  {"indicator": "消防员高危环境暴露频次", "traditional": "100% (基准)", "expected": "≤40%", "improvement": "降低 ≥60%"},
  {"indicator": "救援力量调度准确率", "traditional": "≤60%", "expected": "≥85%", "improvement": "提升 ≥25 个百分点"},
  {"indicator": "装备物资调配效率", "traditional": "100% (基准)", "expected": "130%-150%", "improvement": "提升 30%-50%"},
  {"indicator": "信息不对称导致的资源浪费率", "traditional": "约 25%-35%", "expected": "≤10%", "improvement": "降低 ≥15 个百分点"},
  {"indicator": "火势扩散范围控制", "traditional": "100% (基准)", "expected": "60%-70%", "improvement": "控制范围缩小 30%-40%"},
  {"indicator": "危险品识别与预警响应时间", "traditional": ">5 分钟", "expected": "≤1 分钟", "improvement": "缩短 ≥80%"}
]

7.7 market_analysis 字段（市场分析 5 小节）