近日，我院包兴先教授团队在基于机器视觉的海洋平台损伤检测研究方面取得重要进展，相关研究成果发表在《Measurement》和《Expert Systems With Applications》期刊。论文第一作者为博士研究生李江昊，通讯作者为包兴先教授，中国石油大学（华东）为第一署名单位和唯一通讯单位，研究得到国家自然科学基金等资助。
论文《LRCAM-WIoU-YOLOv8：一种用于导管架平台鲁棒损伤检测的增强型注意力轻量级迁移学习框架》（LRCAM-WIoU-YOLOv8: A lightweight transfer learning framework with enhanced attention for robust damage detection in jacket platform）发表在《Measurement》（影响因子5.6，中科院二区）。
论文首页
论文针对导管架平台裂纹及塑性变形识别难题，提出一种融合LRCAM模块、WIoU损失函数与迁移学习技术的轻量化检测框架。通过构建涵盖水下损伤的综合模拟数据集并进行严格基准测试，证明搭载LRCAM的YOLOv8n模型具备极高的梯度稳定性与计算效率。在与八种传统注意力机制的对比中，该模型取得了领先的mAP50分数，有效解决了复杂海洋环境下海洋平台损伤检测精度与速度的平衡问题。
LRCAM
论文链接：https://doi.org/10.1016/j.measurement.2025.120177
针对损伤检测模型轻量化与高效率平衡的研究成果《JPD-YOLO：一种通过解耦尺度感知优化实现多尺度导管架平台损伤检测的轻量化高效框架》（JPD-YOLO: a lightweight and high-efficiency framework for multi-scale jacket platform damage detection via decoupled scale-aware optimization）发表在《Expert Systems With Applications》（影响因子7.5，中科院一区Top）。
论文首页
受限于水下环境的复杂混浊及目标尺度的剧烈变化，实现精准的海洋平台损伤检测仍面临巨大挑战。针对上述问题，本研究提出了一种轻量且高效的检测框架JPD-YOLO，利用从空间到深度（S2D）层保留微小损伤的细粒度空间特征，并结合C3k2-Hybrid （C3k2-H）模块增强局部特征选择能力与空间定位精度。此外，本文提出了解耦多尺度WIoU（DMS-WIoU）损失函数，为不同维度的目标建立独立的优化基准，有效解决了尺度差异导致的梯度失衡。实验结果表明，JPD-YOLO在多种场景下均达到了SOTA性能。在导管架平台数据集上，集成 Real-ESRGAN的JPD-YOLO 框架实现了74.83%的mAP50，在与基准模型YOLO11s性能相当情况下，参数量和计算量分别仅为YOLO11s的46%和44%。
DMS-WIoU
论文链接：https://doi.org/10.1016/j.eswa.2026.132333
