2025年11月6日上午10:00，2024级全体研究生在阳光校区10D408教室参加了yl6809永利集团2025年第十五期研究生论坛，共有五位2023级研究生分享了他们在深度学习专题方向的研究成果，论坛由蔡旺老师进行点评。
王义才同学分享了汽车覆盖件拉延压料面智能化设计系统研究。汽车覆盖件冲压成形易出现开裂、起皱问题，合理设计拉延压料面对保证进料阻力均匀至关重要。目前CAD软件依赖人工经验修改，效率低、成本高。为此，本文基于Qt、ACIS和HOOPS开发了智能化压料面设计系统，通过自动建模规则与模板库实现快速、高质量设计。蔡旺老师认为该研究工程应用导向明确，效率提升数据亮眼，系统开发切实解决了行业痛点，建议后续可进一步量化设计质量，增加成形性预测准确率等指标，并与资深工程师的设计方案进行盲评对比，更全面地验证系统优越性。
李锐同学分享了基于神经网络的双臂协作机器人导纳控制的研究。通过改进MVGrasp网络，引入注意力机制与双抓取点头，实现对水果与茎秆的精准位姿预测。针对茎秆断裂力不确定性问题，设计了变阻尼自适应阻抗控制器，通过调节阻尼抑制采摘过程中的振荡，实现了柔顺拉拽。蔡旺老师认为将深度学习与阻抗控制相结合的研究思路新颖，针对农业采摘场景的关键问题提出了有效解决方案。下一步可搭建实物采摘平台，在真实果园环境中测试算法的鲁棒性与采摘成功率，推动研究成果向实际应用转化。
苏子轩同学分享了基于视觉的多物体6D姿态估计。针对复杂场景下多模态6D物体姿态估计的难题，提出了基于自适应特征增强的创新框架。通过设计稀疏交叉注意力模块实现高效局部特征融合，引入动态图Transformer建模全局几何结构，并提出对称感知损失函数缓解姿态歧义。在YCB-V等基准数据集上取得领先性能，显著提升了在遮挡与对称场景下的鲁棒性与精度。蔡旺老师认为算法框架创新性强，技术指标优秀，展现了扎实的理论功底。建议后续可加强与机器人操作系统的集成验证，构建"感知-规划-控制"闭环演示系统，更直观地体现研究成果的应用价值。
许冬玲同学分享了基于yolo系列算法的坯布瑕疵检测技术研究。为解决布匹缺陷检测中缺陷复杂、不规则及小尺度识别难问题，提出改进的MVYOLOv8m模型。该模型以YOLOv8为基础，用可变形卷积增强不规则缺陷适配性，融入Mobile-ViT模块提升长距离特征建模能力。在含9类缺陷的4806张数据集上实验，其精确率、召回率及mAP等指标均优于主流模型，消融实验验证了改进模块的协同优化效果，为工业布匹缺陷检测提供高效高精度方案。蔡旺老师认为模型改进针对性强，实验设计严谨，数据充分证明了算法的先进性，下一步可重点研究模型在嵌入式设备上的轻量化部署，并开展实际产线长时间运行测试，验证其在真实工业环境下的稳定性与实时性。
陈佳同学分享了基于深度学习的缝纫线迹缺陷检测算法研究。针对目前缝纫线迹缺陷检测主要依赖与人工视觉检测，其存在精度低、检测速度慢、检测效果稳定性差等弊端，提出了一种基于深度学习的缝纫线迹缺陷检测算法。研究内容主要分为数据集的采集与处理，算法模型的改进以及改进后算法的部署。改进点聚焦于线迹缺陷与背景极为相似、微小线迹缺陷以及复杂的线迹缺陷类型这三大检测难点，最终实现对缺陷的实时在线检测。蔡旺老师认为研究问题来源于生产实际，对行业痛点把握准确，算法改进具有明确的针对性，建议后续可增加工业级部署方案，如边缘计算平台适配性研究，并补充与传统机器视觉方法的对比测试，更全面地凸显深度学习方案的优势。
