|
曾念寅 |
|
報告題目： 復(fù)雜場景下航空發(fā)動機(jī)關(guān)鍵部件缺陷視覺智能檢測方法
個人簡介： 曾念寅，廈門大學(xué)航空航天學(xué)院副院長，教授，博士生導(dǎo)師。入選福建省杰青、福建省“雛鷹計劃”青年拔尖人才、斯坦福大學(xué)和愛思唯爾“全球前2%頂尖科學(xué)家”(連續(xù)5年)、ScholarGPS“全球前0.05%頂尖學(xué)者”、科睿唯安“全球高被引科學(xué)家”、華為昇騰專家、2024“中國人工智能年度十大風(fēng)云人物”等。主持負(fù)責(zé)包括國家自然科學(xué)基金和國家重大科技專項(xiàng)專題等 20 余項(xiàng)科研項(xiàng)目。在IEEE匯刊等領(lǐng)域內(nèi)權(quán)威刊物上發(fā)表 SCI 論文 120 余篇、ESI高被引/熱點(diǎn)論文 20 余篇，谷歌引用萬余次；主編/參編出版專著/教材/章節(jié)6部；獲授權(quán)國家發(fā)明專利等知識產(chǎn)權(quán)18項(xiàng)(轉(zhuǎn)化2項(xiàng))，團(tuán)體標(biāo)準(zhǔn)2項(xiàng)。獲中國發(fā)明協(xié)會發(fā)明創(chuàng)業(yè)成果二等獎、福建省自然科學(xué)二等獎和三等獎、重慶市自然科學(xué)一等獎、中國自動化學(xué)會自然科學(xué)獎二等獎和廈門市科技進(jìn)步二等獎等科技獎勵。擔(dān)任Neurocomputing, Evolutionary Intelligence, 儀器儀表學(xué)報，中國圖象圖形學(xué)報等多個期刊副編輯、編委/青年編委工作。擔(dān)任中國科協(xié)航空發(fā)動機(jī)產(chǎn)學(xué)聯(lián)合體工作聯(lián)絡(luò)員、中國人工智能學(xué)會青工委委員、中國自動化學(xué)會工業(yè)物聯(lián)網(wǎng)技術(shù)與應(yīng)用專委會和普及工作委員會委員、福建省航空學(xué)會副會長和福建省系統(tǒng)工程學(xué)會常務(wù)理事。
摘要： 航空發(fā)動機(jī)作為高精密復(fù)雜系統(tǒng)，其葉片等關(guān)鍵部件的微小缺陷可引發(fā)災(zāi)難性后果。傳統(tǒng)檢測方法（如目視、滲透）依賴人工、效率低、易誤檢漏檢，而工業(yè)CT/超聲成本高昂且難以在線應(yīng)用。人工智能驅(qū)動的視覺檢測以其非接觸、高精度及自動化潛力，成為突破發(fā)動機(jī)缺陷檢測瓶頸的關(guān)鍵方向。本報告聚焦《復(fù)雜場景下航空發(fā)動機(jī)缺陷視覺智能檢測方法》的核心科學(xué)問題與解決方案，擬解決：（1）數(shù)據(jù)受限難題：研究極端環(huán)境下獲取的低質(zhì)量缺陷圖像（存在動態(tài)模糊、光照不均、遮擋噪聲）的處理與增強(qiáng)方法，解決標(biāo)簽及缺陷樣本不足問題。（2）算法性能瓶頸：探索從高維視覺數(shù)據(jù)中提取判別性特征的關(guān)鍵技術(shù)，以有效處理與區(qū)分微小、隱蔽、形態(tài)復(fù)雜的缺陷紋理與背景噪聲。（3）模型部署挑戰(zhàn)：探討在有限計算資源下實(shí)現(xiàn)輕量化、高精度、低延遲檢測模型的途徑，實(shí)現(xiàn)航空發(fā)動機(jī)質(zhì)檢中的性能高效權(quán)衡。報告將進(jìn)一步闡述相關(guān)理論與新興技術(shù)，及其在航空裝備智能運(yùn)維等國家重大需求領(lǐng)域的工程化應(yīng)用與產(chǎn)學(xué)研用推廣前景。 |
