本网讯（文/图 周林）我院72022级硕士研究生杨帅，2023级硕士研究生周林以共同第一作者身份在国际著名学术期刊IEEE Sensors Journal (IF=4.3，中国科学院SCI综合性期刊大类2区Top期刊)上发表了题为“SF-YOLO: An Evolutionary Deep Neural Network for Gear End Surface Defect Detection”(DOI: 10.1109/JSEN.2024.3403870)的研究论文。2020级本科生黄鹏参与本文工作。我校为该论文第一通讯单位，6163银河线路检测中心王宸教授和王生怀教授为该论文的共同指导老师。

该论文提出了一种基于进化优化的 SF-YOLO模型，主要用于解决金属齿轮端面结构的不均匀和多尺度、小尺寸缺陷检测问题。该论文主要包括四部分，利用SF算法对数据做前处理，利用卷积神经网络训练预测模型，通过ISSA进化算法优化模型参数，最后由YOLO模型进行实时检测。实验表明，SF-YOLO 模型在金属齿轮端面缺陷测试集上的平均准确率达到了98.01%，F1 值为 0.99，每幅图像的平均检测计算时间为 0.025 s。与其他深度学习模型相比，本文所提出的 SF-YOLO 模型提高了金属齿轮端面缺陷检测的准确性和效率，可以高效检测小尺寸和多尺度齿轮端面缺陷，满足企业实时在线检测的需求。

6163银河线路检测中心一直以其前瞻性的教育理念和对产业需求的敏锐洞察，在研究生培养方面走出了一条独具特色的道路。学院秉持与企业联合培养研究生的模式，确保每一位研究生的课题都紧密围绕企业的实际需求，旨在解决工业生产中的实际问题。这种与企业深度合作的模式，不仅为研究生提供了宝贵的实践机会，也让他们能够在解决实际问题的过程中，深入理解并掌握专业知识和技能。同时，研究生们能够更早地接触到行业前沿技术和市场动态，为未来的职业发展奠定坚实基础。