This commit is contained in:
wuyifan18 2025-10-21 10:09:18 +08:00
parent 25853d8174
commit 744945f68d

View File

@ -39,8 +39,10 @@ c1 = '''
1. 论文 1. 论文
- Surface Defect Detection and Evaluation for Marine Vessels using Multi-Stage Deep Learning提出一个面向船舶制造与检修的多阶段深度学习流水线用于船体表面缺陷检测与评估重点识别和量化与船舶制造材料腐蚀相关的现象包括腐蚀rust附着物fouling涂层剥离delamination研究特别关注船舶材料腐蚀在不同涂层颜色光照条件和相机角度下的鲁棒性有助于提高船舶制造过程中对材料腐蚀的检测与管理能力论文强调其方法在船舶材料表面腐蚀监测和维修决策中的应用价值链接https://arxiv.org/abs/2203.09580 - Surface Defect Detection and Evaluation for Marine Vessels using Multi-Stage Deep Learning提出一个面向船舶制造与检修的多阶段深度学习流水线用于船体表面缺陷检测与评估重点识别和量化与船舶制造材料腐蚀相关的现象包括腐蚀rust附着物fouling涂层剥离delamination研究特别关注船舶材料腐蚀在不同涂层颜色光照条件和相机角度下的鲁棒性有助于提高船舶制造过程中对材料腐蚀的检测与管理能力论文强调其方法在船舶材料表面腐蚀监测和维修决策中的应用价值链接https://arxiv.org/abs/2203.09580
论文复现链接http://8.130.138.52:21001/#/view/reproduction?doid=newID/5a4fef68-a138-4adb-ba88-43aa4474c08c
- Efficient Metal Corrosion Area Detection Model Combining Convolution and Transformer (MCD-Net)提出了一种高效的金属腐蚀区域检测模型该模型创新性地结合了卷积编码器与视觉Transformer序列编码器利用注意力融合模块增强边界识别并采用基于得分的多尺度增强机制来突出腐蚀区域该方法在阴影遮挡和复杂纹理条件下依然能保持高精度在公开数据集上取得了优异的F1性能特别适用于船舶制造与检修中对船体钢板和涂层腐蚀的自动化识别与量化分析链接https://www.mdpi.com/2076-3417/14/21/9900 - Efficient Metal Corrosion Area Detection Model Combining Convolution and Transformer (MCD-Net)提出了一种高效的金属腐蚀区域检测模型该模型创新性地结合了卷积编码器与视觉Transformer序列编码器利用注意力融合模块增强边界识别并采用基于得分的多尺度增强机制来突出腐蚀区域该方法在阴影遮挡和复杂纹理条件下依然能保持高精度在公开数据集上取得了优异的F1性能特别适用于船舶制造与检修中对船体钢板和涂层腐蚀的自动化识别与量化分析链接https://www.mdpi.com/2076-3417/14/21/9900
论文复现链接http://8.130.138.52:21001/#/view/reproduction?doid=newID/b200a489-e2c8-4dbd-8767-682d15dd4c04
- Mechanical Failure and Metal Degradation of Ships and Marine Structures系统探讨了船舶与海洋结构中金属材料包括高强钢不锈钢铜合金钛合金等在海洋环境下的机械损伤与电化学腐蚀协同作用问题重点分析了"机械载荷+腐蚀"耦合导致的疲劳裂纹及腐蚀裂纹等失效机制并对相应的检测预警与保护措施进行了深入讨论链接https://doi.org/10.3390/met13020272 - Mechanical Failure and Metal Degradation of Ships and Marine Structures系统探讨了船舶与海洋结构中金属材料包括高强钢不锈钢铜合金钛合金等在海洋环境下的机械损伤与电化学腐蚀协同作用问题重点分析了"机械载荷+腐蚀"耦合导致的疲劳裂纹及腐蚀裂纹等失效机制并对相应的检测预警与保护措施进行了深入讨论链接https://doi.org/10.3390/met13020272