曾念寅

报告题目：

复杂场景下航空发动机关键部件缺陷视觉智能检测方法

个人简介：

曾念寅，厦门大学航空航天学院副院长，教授，博士生导师。入选福建省杰青、福建省“雏鹰计划”青年拔尖人才、斯坦福大学和爱思唯尔“全球前2%顶尖科学家”(连续5年)、ScholarGPS“全球前0.05%顶尖学者”、科睿唯安“全球高被引科学家”、华为昇腾专家、2024“中国人工智能年度十大风云人物”等。主持负责包括国家自然科学基金和国家重大科技专项专题等 20 余项科研项目。在IEEE汇刊等领域内权威刊物上发表 SCI 论文 120 余篇、ESI高被引/热点论文 20 余篇，谷歌引用万余次；主编/参编出版专著/教材/章节6部；获授权国家发明专利等知识产权18项(转化2项)，团体标准2项。获中国发明协会发明创业成果二等奖、福建省自然科学二等奖和三等奖、重庆市自然科学一等奖、中国自动化学会自然科学奖二等奖和厦门市科技进步二等奖等科技奖励。担任Neurocomputing, Evolutionary Intelligence, 仪器仪表学报，中国图象图形学报等多个期刊副编辑、编委/青年编委工作。担任中国科协航空发动机产学联合体工作联络员、中国人工智能学会青工委委员、中国自动化学会工业物联网技术与应用专委会和普及工作委员会委员、福建省航空学会副会长和福建省系统工程学会常务理事。

摘要：

航空发动机作为高精密复杂系统，其叶片等关键部件的微小缺陷可引发灾难性后果。传统检测方法（如目视、渗透）依赖人工、效率低、易误检漏检，而工业CT/超声成本高昂且难以在线应用。人工智能驱动的视觉检测以其非接触、高精度及自动化潜力，成为突破发动机缺陷检测瓶颈的关键方向。本报告聚焦《复杂场景下航空发动机缺陷视觉智能检测方法》的核心科学问题与解决方案，拟解决：（1）数据受限难题：研究极端环境下获取的低质量缺陷图像（存在动态模糊、光照不均、遮挡噪声）的处理与增强方法，解决标签及缺陷样本不足问题。（2）算法性能瓶颈：探索从高维视觉数据中提取判别性特征的关键技术，以有效处理与区分微小、隐蔽、形态复杂的缺陷纹理与背景噪声。（3）模型部署挑战：探讨在有限计算资源下实现轻量化、高精度、低延迟检测模型的途径，实现航空发动机质检中的性能高效权衡。报告将进一步阐述相关理论与新兴技术，及其在航空装备智能运维等国家重大需求领域的工程化应用与产学研用推广前景。