2025年11月13日上午10:00，2024级全体研究生在阳光校区10D408教室参加了必赢bwin网址大全2025年第十六期研究生论坛，共有六位2023级研究生分享了他们在深度学习方向的研究成果，论坛由江维老师进行点评。
史松洁同学分享了基于深度学习的滚动轴承故障诊断研究。围绕无人机飞控系统关键部件的健康管理展开研究，针对实际运行中轴承故障特征弱、小、噪声干扰强等问题，提出高效、鲁棒的故障诊断方法，包括信号预处理、特征提取网络与多注意力特征融合，并基于无人机平台完成实验验证。同时，针对轴承剩余寿命预测难题，构建统计与时频特征融合模型，设计深度学习预测框架，实现飞控系统的寿命预测。江维老师认为该研究针对无人机飞控系统滚动轴承故障诊断的难题，提出的方法高效且鲁棒，实验验证充分。江老师建议后续优化模型鲁棒性，结合实际维护策略，提升应用价值。
惠永佶同学分享了基于深度学习的森林火灾无人机图像检测方法研究。聚焦森林火灾实时精准检测需求，针对传统方法与现有模型不足，提出改进型轻量级AHE-YOLO模型。基于YOLO11优化下采样结构、融合跨尺度注意力机制，构建高效模块，结合多源数据集训练。模型兼顾高精度与轻量化，可通过无人机快速检测火情，为生态保护与应急响应提供支撑。江维老师认为改进型AHE-YOLO模型在森林火灾检测中兼顾高精度与轻量化，实用性强。江老师建议在复杂场景中进一步测试模型鲁棒性，拓展应用范围。
汤磊同学的分享了基于差速器驱动室内移动机器人的定位与路径规划算法研究。通过多传感器融合和自适应无迹卡尔曼滤波算法，提高了室内定位精度；采用改进的遗传算法GA-ACO混合算法在全局路径搜索和局部优化中的应用，提升了路径规划效率，实现更高效的机器人导航。江维老师认为该研究通过多传感器融合和优化算法，显著提升了室内移动机器人的定位与路径规划性能。建议针对动态环境优化算法实时性，探索更多应用场景。
李检鑫同学分享了基于特征召回的少样本工业产品表面缺陷检测算法。该算法从零样本学习和少样本学习两个角度出发：首先通过CLIP图像编码器获得层级特征；基于零样本学习，借助正常/异常提示词获得图像级异常得分；基于少样本学习，采用特征召回的方式，从图像令牌和像素令牌建模正常样本与异常样本的差异，计算图像级异常得分，结合零样本检测结果获得最终的缺陷评分。江维老师认为基于特征召回的少样本缺陷检测算法创新性强，解决了工业产品检测中的少样本难题。江老师建议进一步验证算法泛化能力，探索与自动化设备的集成。
王沁同学分享了基于工业互联网平台实践教学设备的数字孪生系统研究。通过虚实映射、数据驱动与模型仿真，构建一个集设备状态监控、虚拟调试、故障预测与维护于一体的互动教学环境，以创新智能制造人才培养模式，提升实践教学的安全性与前瞻性。江维老师认为数字孪生系统为智能制造教学提供了创新模式，功能完善且应用前景广阔。江老师建议优化系统功能，结合实际生产需求拓展应用。
乐浩南同学分享了复杂光照条件下汽车玻璃涂胶图像缺陷检测技术研究。采用基于Retinex理论的图像增强算法改善低光照条件下的图像质量，并结合改进的TransUnet实例分割技术与YOLOv8目标检测算法，实现对涂胶缺陷的精确识别。该研究有望显著降低人工检测的依赖，提高检测效率和准确性，为汽车制造业提供技术支持。江维老师认为该研究有效解决了复杂光照下汽车玻璃涂胶缺陷检测问题，技术路线合理。江老师建议优化算法适应性，与企业需求结合，提升实际应用价值。
