黄锐，教授，博士生导师，2022年11月任刑事侦查学院副院长、2024年12月任司法鉴定中心主任、刑事侦查学院副院长（兼），2025年9月任刑事侦查学院院长(兼）。国家毒品问题治理研究中心研究员，国家司法鉴定人，司法部高级工程师。2019年入选重庆市首批“重庆英才青年拔尖人才”。

创新本科生科研育人培养模式，指导本科生发表多篇高水平论文以及授权发明专利，获得全国大学生“挑战杯”竞赛等省部级一等奖。建立了本科生和研究生与清华大学、电子科技大学等高水平院校和团队的深度合作与交流通道。

二、研究方向

1.主要研究方向：法庭科学、法医毒物学、毒品问题治理

通过研发多功能复合纳米材料，结合体外3D生物打印技术、人工智能深度学习技术，挖掘指印中的多维信息、高通量检测毒品、毒品性质认定等司法实践关键科学问题，以及毒品问题治理策略与路径。

2.近五年主要科研项目：

[1] 重庆市自然科学基金创新发展联合基金项目（2022NSCQ-LZX0326）：新类型毒品的体外毒理预测研究与司法应用

[2] 重庆市教委重点项目（KJZD-K202200302）：基于计算机视觉的变光纳米材料对毒品的“图像+光谱”双模态诊断

[3] 重庆市科委基础研究与前沿探索项目（cstc2018jcyjAX0096）：超分子阵列传感技术对汗潜指印的可视化显现及多维信息诊断研究与应用

[4] 重庆市教育委员会科学技术研究项目（KJQN201800302）：潜指印的指纹图谱构建及其多维信息的深度识别与诊断

三、代表性论文、专著和专利

1.累计公开发表学术论文50余篇，C类以上论文16篇，其中A类论文2篇，B类论文2篇。以第一作者/通讯作者在《中国科学》、Sens. Actuators B Chem.、J. Mater. Sci.、Bull. Chem. Soc. Jpn.、New J. Chem.等国内外权威期刊上发表10余篇。

2.出版个人学术专著2部：《毒品问题治理新路径》、《基于生物分子识别的多功能纳米材料的潜指印显现研究》

3.申报中国发明专利8项并已授权5项。

4.近三年主要学术论文：

[1] 黄锐^*, 彭安, 胡家祥, 周毅, 胡维昊. 基于多通道CNN-GRU的表面增强拉曼光谱对毒品的模糊识别[J]. 中国科学: 化学, 2023.

[2] Huang R^*, Mu Y Y, Yang T. Advances in the application of novel carbon nanomaterials in illicit drug detection[J]. New Journal of Chemistry, 2023.

[3] 黄锐^*, 周毅. Fe₃O₄纳米酶对潜指印中物质信息的可视化识别[J]. 中国人民公安大学学报(自然科学版), 2022, 28(04):1-10.

[4] 黄锐^*, 孟文文. 关于对特殊行业人群进行吸毒检测的思考与建议[J].中国药物依赖性杂志, 2022,31(02):146-149.

[5] Huang R^*, Zhou Y, Hu J. Deep learning-assisted Fe₃O₄ NPs for in-situ visual recognition of multi-dimensional information on latent fingerprints[J]. Sensors and Actuators B: Chemical, 2022: 132020.

[6] Huang R^*, Ma Y, Peng A. The Colorimetric Identification of NO₂⁻ in Latent Fingerprints by Hydroxypropyl‐β‐cyclodextrin[J]. ChemistrySelect, 2022, 7(10): e202104392.

[7] 黄锐^*, 范向洋. 基于β-CD@AuNPs结合乳酸的汗潜指印可视化研究[J]. 刑事技术, 2022, 47(03):239-245.

[8] 黄锐^*, 刘冬冬.城市污水监测在毒情监测评估中的应用研究[J]. 贵州警察学院学报,2021,33(04):81-88+106.

[9] 黄锐^*, 孟文文. 新精神活性物质防控的困境与对策研究[J]. 云南警官学院学报,  2021(01): 14 -21.

[10] 黄锐^*，田俊钦. 社区戒毒康复模式下综合诊断评估体系的完善[J].广西警察学院学报, 2020, 33(06):88-97.

[11] Guozhou Zhang, Weihao Hu, Di Cao, Wen Liu, Rui Huang, Qi Huang, Zhe Chen, Frede Blaabjer. Data-driven optimal energy management for a wind-solar-diesel-battery-reverse osmosis hybrid energy system using a deep reinforcement learning approach.2020

[12] Bin Zhang a, Weihao Hu, Jinghua Li, Di Cao, Rui Huang, Qi Huang, Zhe Chen,Frede Blaabjerg Dynamic energy conversion and management strategy for an integrated electricity and natural gas system with renewable energy: Deep reinforcement learning approach. 2020, 220