切换到宽版
  • 广告投放
  • 稿件投递
  • 繁體中文
  • 上海理工光电学院研究生发表多篇一区SCI论文

    作者:佚名 来源:上海理工大学 时间:2020-06-16 17:50 阅读:2242 [投稿]
    先后在工程技术和计算机科学双领域Top级期刊、一区杂志IEEE工业电子学报(IEEE Transactions on Industrial Electronics (IF=7.503))和IEEE工业信息学(IEEE Transactions on Industrial Informatics (IF=7.377))发表研究论文,并申请发明专利1项。

    近日,在光电学院“高端装备系统集成与仿真创新团队”王永雄和田恩刚教授的共同指导下,2018级硕士研究生胡川飞、汤振辉先后在工程技术和计算机科学双领域Top级期刊、一区杂志IEEE工业电子学报(IEEE Transactions on Industrial Electronics (IF=7.503))和IEEE工业信息学(IEEE Transactions on Industrial Informatics (IF=7.377))发表研究论文,并申请发明专利1项。团队综合研究了车辆、飞机等大量零部件内部缺陷的无损检测问题。针对各种合金铸件结构复杂多变,内部缺陷类别繁多、差异大和缺陷微小等诸多难点问题,基于铸件的X射线透视图像,采用先进的弱监督学习和注意力机制的深度学习算法和图像处理技术,高效精准地实现了上百种复杂零部件的内部缺陷检测,大幅度降低重大事故的发生概率。


     待检测的铸件射线图像

    胡川飞同学在IEEE工业电子学报期刊上发表名为“一种新型基于对象注意力机制的卷积神经网络及其铸件缺陷检测中的应用”(An Efficient CNN Model Based on Object-level Attention Mechanism for Casting Defects Detection on Radiography Images)的研究论文,设计了替代人工检测的人工智能解决方案,通过剖析各种缺陷所存在的局部特性,提出了新颖的注意力机制,辅助CNN深度学习模型在不依赖精准标注的前提下,对微小缺陷能够准确检测,突破了基于射线图像的铸件缺陷检测存在的瓶颈。同时,自动生成了类别激活图,增加了模型预测的可解释性。此方法具备了在工业生产中的应用实时性,具有较高的理论和实用价值。

    论文链接:https://ieeexplore.ieee.org/document/8948332


    缺陷局部特性的分析


    模型预测的可视化分析

    分享到:
    扫一扫,关注光行天下的微信订阅号!
    【温馨提示】本频道长期接受投稿,内容可以是:
    1.行业新闻、市场分析。 2.新品新技术(最新研发出来的产品技术介绍,包括产品性能参数、作用、应用领域及图片); 3.解决方案/专业论文(针对问题及需求,提出一个解决问题的执行方案); 4.技术文章、白皮书,光学软件运用技术(光电行业内技术文档);
    如果想要将你的内容出现在这里,欢迎联系我们,投稿邮箱:service@opticsky.cn
    文章点评