大学生创新创业训练计划智能管理平台
第二十四期“上海交通大学大学生创新实践计划”项目
基于深度学习的铸件缺陷检测与识别研究
创新训练项目
工学
材料类
创新类
材料科学与工程学院
汪东红
指导教师
登录状态下查看
1. 国家自然科学基金委员会，重大项目课题，52090042，航空关键金属构件精密铸造过程与质量智能控制基础理论，2021-01至2025-12，425万元，在研，参加；
2. 材料成形与模具技术国家重点实验室，开放课题基金，P2021-006，数据驱动高温合金复杂铸件近净成形技术研究，2020-11至2022-12，3万元，在研，主持；
3. 凝固技术国家重点实验室，开放课题基金，SKLSP202015，基于集成计算与数据驱动的高温合金复杂铸件精确成形研究，2020-01至2021-12，10万元，在研，主持；
4. 中国航发南方工业有限公司，航发集团创新基金课题，20GFH-HF01-032，蜡模注射成型与尺寸精度控制研究，2019-12至2020-12，38.7万元，结题，主持；
5. 国家自然科学基金委员会，青年项目，51705314，近净形熔模精铸蜡模变形机制及粘弹性行为研究，2018-01至2020-12，25万元，结题，主持；
6. 国家科技部，国家重点研发计划课题，2016YFB0701405，新型铸造多晶高温合金设计及大型构建的全流程制备，2016-07至2020-6，1628万元，结题，参加；
7. 上海市科委，上海科技创新行动计划，14521100600，重大工程用关键材料的集成计算材料工程开发，2014-06至2017-6，320万元，结题，参加。
提供实验室高性能服务器一台用于深度学习计算；提供铸件缺陷图像数据库用于深度学习；提供基本代码用于学生调试；对项目的基本原理和软件基本操作进行讲解和演示。
在航空发动机高温合金铸件与汽车铝铸件内部的缺陷检测中，X射线探伤是尤为重要的一个环节。针对现有的X射线图像缺陷检测方法存在人工识别不稳定、检测效率低、小目标检测准确率低等问题，提出一种基于改进的YOLOv5网络模型的铸件X射线图像缺陷识别方法。采用目前最先进的one-stage目标检测算法之一的YOLO v5算法，并通过大量实验对其进行改进。