海军工程大学电气与信息工程学院

夏立——海军工程大学电气与信息工程学院院长1964年1月生,教授,博士生导师,电气工程、检测技术及自动化装置领域学科带头人,兼任湖北省自动化学会副理事长、中国电力教育院(校)长联席会常务理事等职。长期致力于电力系统智能化监测与控制技术研究,多项成果填补了国内空白,达到国内领先和国际先进水平。先后主持国家、军队重点科研60项,获得军队科技进步奖一等奖1项、二等奖3项、三等奖1项。近5年来发表学术论文60余篇,其中被三大检索收录20余篇,出版专著2部,译著2部,教材1部。指导培养博士研究生12名、硕士研究生34名。享受政府特殊津贴,被评为武汉市第二届优秀科技工作者。     

大连海事大学3万吨载货教学实习船开工建造

正2014年7月28日,大连海事大学新建3万吨载货教学实习船完成详细设计,在大连中远船务工程有限公司举行点火开工仪式。该实习船为无限航区,用于航海类专业的教学实习,适用装运散杂货、重大成套工程设备及集装箱,并可用于交通信息工程与控制、航海科学与技术、轮机工程和环境工程等学科的科学研究和试验。船舶载重吨约30000吨,总长为199.8m,船宽     

船舶总装厂信息工程方法论

为适应船舶制造业数字化转型的市场需求，进行船舶总装厂信息工程(IE)方法论研究，提升开展IE业务的能力。通过对IE经典理论的中国哲学剖析，建立IE总体框架，形成具有中国文化灵魂和公司特色的IE方法论。     

基于改进U型神经网络的路面裂缝检测方法

针对传统的裂缝分割算法难以识别狭窄裂缝且分割边缘不精准，从而造成识别精度较低的问题，研究了基于改进U型神经网络（Unet）的路面裂缝检测方法。由于传统Unet特征提取网络是层次较浅的浅层神经网络，难以提取更复杂的裂缝特征信息，故本文以牛津大学视觉几何组网络（VGG16）作为传统Unet的特征提取网络，提高网络的裂缝特征提取能力；为抑制高低阶特征融合时产生的无用特征，本文在模型解码部分添加压缩与激励单元（SE block），构建裂缝注意力单元，使得网络可以关注不同通道下的裂缝特征，建立了基于SE block和VGG16的改进Unet网络（SE-VUnet）。研究采用迁移学习的方法，将在ImageNet上预训练好的VGG16网络权重迁移到裂缝检测中。通过挑选Crack500数据集，并使用摄像头采集图片构建1 600张路面裂缝数据集，再次训练SE-VUnet模型，获得裂缝区域分割结果。以查准率（precision）与查全率（recall）的加权调和平均值F1和雅卡尔（Jaccard）相似系数作为量化评价指标。将SE-VUnet分别与Unet、SOLO v2、Mask R-CNN以及Deeplabv3+进行分割效果和实时性对比。研究结果表明:SE-VUnet模型的综合F1和雅卡尔系数分别为0.840 3和0.722 1，相比于Unet分别高出了1.04%和1.51%，且均高于其他3种对比模型；SE-VUnet的单帧图片预测时间为89 ms，在分割效果提升明显的情况下仅比Unet慢5 ms，优于其他模型。