2026年6月11日上午10：00，2025级全体研究生在阳光校区10D408教室参加了365上市集团2026年第十一期研究生论坛，共有六位2024级研究生分享了他们在深度学习方向的研究成果，论坛由张心心老师进行点评。
李佳颖同学围绕基于深度学习的钢卷端面缺陷可视化检测系统研究展开，针对钢卷端面缺陷目标小、边缘复杂、类别相似及反光干扰等问题，构建边损、边裂、毛刺和松卷四类缺陷数据集，完成图像采集、标注与预处理。研究采用ERS-YOLO模型，并与Faster R-CNN、RetinaNet、SSD及多种YOLO模型进行对比验证，在检测精度与效率方面取得较好效果，实现了缺陷类别、位置及置信度的可视化输出。后续将进一步完善检测软件系统，推进工业现场部署应用。张心心老师建议进一步扩充复杂工况数据集，加强模型鲁棒性验证，并结合实际产线开展工程化应用研究。
任正辉同学围绕工业缝纫质量自动检测中的线迹视觉检测研究展开，针对线迹对比度低、缺陷尺度差异大及传统算法泛化能力不足等问题，引入数据增强、注意力机制、轻量化网络及自适应损失函数等改进策略。通过构建完整实验体系，与主流检测算法进行对比，显著提升了复杂背景下细微缺陷的检测精度与鲁棒性。目前已完成算法优化与实验验证。张心心老师建议进一步开展实际生产场景测试，优化模型轻量化设计，提高在线检测实时性与部署适应能力。
张子懿同学围绕基于可解释性模型的舰船轴系状态监测方法研究展开，依托自主搭建的轴系缩比实验平台，采集多工况振动数据，构建ECA-CNN诊断模型，并结合Grad-CAM可视化解释方法，实现故障识别与决策透明化。研究可有效识别轴承间隙增大、轴瓦破损及轴系不对中等故障，解决了深度学习模型“黑箱”问题。张心心老师建议进一步强化复杂变工况下模型解释稳定性测试，深化故障退化过程与特征演变规律分析，提升工程适用性。
陈默同学围绕基于多模态感知的床单自动化折叠包装方法展开，针对柔性织物操作难、形变复杂等问题，以双臂机器人为平台，引入视觉-语言模型SigLIP和LoRA微调策略，建立语言指令驱动的顺序动作预测模型。在PyFlex仿真环境下完成床单折叠任务设计与实验验证，初步证明语言引导能够减少折叠误差。张心心老师建议进一步研究多模态特征融合机制，开展真实机器人平台验证，并提升不同织物场景下的泛化能力。
钱豪同学围绕旋转机械多类别故障诊断研究展开，针对故障类别多、特征耦合严重等问题，提出基于混合专家（MoE）分组协同与拒识循环机制的诊断方法。通过Router-Expert协同架构、多级路由回退和拒识机制，实现复杂故障的分层识别与低置信度样本补救，有效提升整体分类精度和系统鲁棒性。目前已完成系统设计与实验验证。张心心老师建议进一步优化瓶颈故障类别识别性能，加强双重故障及未知故障场景研究，提高模型实际应用价值。
郭毅波同学围绕基于多策略协同的纱线质量在线视觉检测模型轻量化研究展开，针对纱线高速运行与边缘设备算力受限问题，采用剪枝、量化、神经架构搜索和知识蒸馏等技术，实现检测模型压缩与加速。研究已完成数据集扩充及初步实验验证，在保证精度损失较小的前提下实现显著推理加速，为在线检测系统开发奠定基础。张心心老师建议进一步完善纱线缺陷数据集建设，深入研究轻量化与检测精度协同优化机制，并加强边缘端部署与在线测试验证。
