本网讯（文/图 周林）机械工程学院2022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，机械工程学院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。

机械工程学院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。