MTMSnet:自动纺织结构识别
2025-08-29 · 1 min read
本项目采用无线设备,建立了包含精细结构参数的织物图像数据集,并提出了一个多任务多尺度卷积神经网络(MTMSnet)来识别织物密度和织造图案,误差分别达到2%和10%以下。
2025-08-29 · 1 min read
本项目采用无线设备,建立了包含精细结构参数的织物图像数据集,并提出了一个多任务多尺度卷积神经网络(MTMSnet)来识别织物密度和织造图案,误差分别达到2%和10%以下。
2025-08-29 · 4 min read
AI-Fiber用一个统一、智能的入口,将这些复杂的工具整合起来,让研究人员只通过最自然的语言对话,就能完成从图像分析到性能预测的全过程
2025-08-28 · 3 min read
本项目设计并实现了 SAM-Fiber (Segment Anything Model for Fiber) 框架。它并非简单地应用通用模型,而是通过一系列创新,将强大的视觉基础模型(SAM2)“改造”成一个专业的纤维分析工具。
2025-08-28 · 5 min read
本项目的核心是一个端到端的智能系统,它由两部分组成:一个用于自动提取比例尺信息的 YOLO-OCR模型,以及一个集成了该信息、并由 MicroSAM 驱动的交互式测量前端。
2025-08-28 · 5 min read
面对静电纺丝领域科研文献数量的爆炸式增长,手动提取关键实验数据已成为制约材料创新的瓶颈 。为解决此问题,本项目展示了一个名为SpinSci-Ex 的深度学习框架,旨在自动从科学文献中提取结构化的制造参数、形貌特征及功能属性 。SpinSci-Ex 框架表现出色,NER 和 RE 任务的 F1 分数分别达到了 0.920 和 0.870 。为加速知识整合与数据驱动的材料研发提供了有力工具。