大创是什么？是实验室里的通宵达旦，是田野调研的烈日风霜，是图纸上反复修改的线条，也是团队并肩作战的默契与成长。

      在4月大创项目申报季来临之前，大学生创新俱乐部事务部策划推出 「创·同行」——同济大学优秀大创项目经验分享系列。未来20天，每天一期，我们将走进20个往届国创、上创优秀项目，听学长学姐讲述他们的故事——从选题的灵光一现，到攻坚的步履维艰，再到成果落地时的欣喜。

      这里有硬核科技的探索，也有人文社科的关怀；有跨学科组队的火花，也有从0到1的坚持。我们相信，每一个项目背后，都是一段值得被看见的旅程。

      希望这些真实经验，能为正在犹豫的你点亮一盏灯，为即将出发的你铺一块砖。

      大创之路，我们同行。

1项目名称     

基于语义分割深度学习模型的复合材料纤维识别

2团队介绍

团队成员：郭昊东 2022级 工程力学、聂子桐 2022级 工程力学、李泽华 2022级 工程力学

指导老师：汤可可

立项级别：上创

立项年份：2024

3一句话亮点
深度学习赋能复合材料纤维 CT 图像精准识别

4项目简介
本项目聚焦复合材料纤维识别痛点，针对传统分析方法精度低、效率差，深度学习应用存在数据标注难等问题，开发基于深度学习的 X 射线 CT 图像纤维识别方法。项目结合传统计算机视觉与深度学习技术，先构建单向玻璃纤维 / 环氧树脂复合材料 CT 扫描高质量数据集，再通过分水岭算法 + 人工优化实现高效标注，最终设计多尺度 U-net 语义分割网络，融合多尺度特征提取与注意力机制，完成纤维精准识别，为复合材料性能分析提供关键技术支撑。

5核心成果
本构建含 840 份 CT 图像的数据集，按 4:1 划分训练与测试集；提出分水岭算法结合人工优化的混合标注策略，提升标注效率；开发基于 U-net 的多尺度语义分割网络，编写完整 Python 训练与推理代码，采用 BCE+Dice 复合损失函数与深层监督训练策略，实现纤维精准分割，输出原始图、预测概率图、二值化分割图等清晰识别结果，验证了模型在复合材料纤维识别中的有效性。

6经验分享
项目关键节点为数据集构建、标注方法设计、网络开发与模型调优。最大困难是数据标注耗时且纤维识别易丢失细节，通过分水岭算法实现半自动标注，减少人工工作量，同时设计多尺度 U-net 网络并加入注意力融合机制，兼顾局部细节与全局结构。给新手的建议：先明确项目核心痛点再制定技术路线，注重基础数据的质量把控；遇到技术难题时结合经典算法与前沿技术，分阶段测试优化；团队分工明确，及时同步进度，针对问题多做小样本实验验证方案可行性。