机器视觉与工业智能

技术背景

工业智能是以工业场景的 “降本、提质、增效、安全” 为目标，融合人工智能、大数据、物联网（IIoT）、数字孪生等技术，实现工业全流程 “感知 - 分析 - 决策 - 执行 - 优化” 闭环的智能体系。其核心是让工业系统具备类似人类的 “认知能力”，能够自主应对动态生产环境中的复杂问题，而非仅依赖预设程序的自动化操作。

机器视觉在工业智能中，是通过图像采集与 AI 算法模拟人类视觉功能，实现工业生产全流程中产品缺陷检测、尺寸精度测量、物料定位识别、生产状态监控等任务的自动化与精准化，为工业智能的 “感知” 环节提供核心数据支撑，替代或超越人工视觉，提升生产效率与质量稳定性。

研究方向

在知识图谱与大语言模型领域，主要从事以下方向的研究：

• 多模态模型的工业应用
  • 基于多模态的小样本/零样本机器视觉学习
  • 跨模态（机器视觉、自然语言、传感器信号等）对比学习
• 工业AI建模
  • 嵌入机理模型的神经网络方法
  • 工业AI模型的生产化部署与持续自适应优化
• AI模型的边缘适配
  • 预训练模型的边缘适配与语义迁移
  • 模型的量化、压缩、剪枝、蒸馏
• 联邦学习与云边协同推理
  • 联邦多模态学习
  • 分层协同推理策略
    
    

工作成果

在工业智能领域，当前主要工作成果：

• 19项授权专利
• 作为第一作者或通讯作者发表SCI论文5篇（2篇1区、1篇2区、2篇3区）、中文EI学报论文3篇
• 主持研发商业软件4套，取得软著6项
• 主持研发并交付商业项目交付20余项
• 参与在研IEEE标准1项
• 参与制订并完成国家标准1项
• 承担并完成国家级科研项目子课题2项、省级科研项目1项
  • 面向人工智能基础技术及应用的检验检测基础服务平台建设（2019-00893-1-1）国家级
  • 深度学习专用平台 (2019ZDZX006) 省部级
  • 川猪精细化智能养殖与环境精准控制（2021ZDZX0011） 省部级

应用成果：

• 面向异常工况预警的深度神经网络方法
  • 提前1小时预警异常工况，有效减少人工值守工作
  • 在武汉石化、兰州石化、宁波石化成功应用
    
    
• 生产结果（产率、质量等）预测与优化的深度神经网络方法
  • 对残次品预测召回率99.9%以上
  • 使汽油产率提升0.83%、液化气收率提升 0.51%，每套催化裂化装置，一年可提升收益约2459.8万元
  • 焦炭质量指标预测误差率5%以内，饲料质量指标预测误差率5%以内
  • 在联想、宁德时代、包钢、山东万达、兰州石化、新希望等企业成功应用
    
    
• 污染预测与优化的深度神经网络方法
  • 烟气脱硫结果预测准确率99.5%以上，脱硫成本降低20%以上
  • 在远达环保、浙能等企业成功应用
    
    
• 养殖过程中的若干深度学习算法
  • 生猪个体识别与行为轨迹跟踪
  • 面向配种决策的生育结果预测，实验准确率：90%以上
  • 饲料配方设计与精准饲喂
  • 猪、禽价格预测：作为期货交易员的辅助工具，为每名交易员单月提升收益 150万元以上