365上市公司官网

当前位置: 首页    >    师资队伍    >    教师风采    >    副教授(级)    >    正文

钟羽中

作者:     来源:      点击:[]
钟羽中                   副教授 / 硕士生导师      
365上市公司官网自动化系
团队:365上市公司官网感知、控制与智能机器人研究团队(PMCIRI Lab)
专业:控制科学与工程,模式识别与智能系统,人工智能
方向:                   机器视觉 · 工业异常检测 · 智能检测装备      
地址:四川省成都市一环路南一段24号365上市公司官网望江校区基础教学楼B208
邮箱:                   zyzc122@scu.edu.cn;                   zyzc122@163.com      
钟羽中
主要从事机器学习、机器视觉、工业异常检测及智能检测装备研发,面向电力、核电、市政管网、工业制造等真实应用场景开展研究。研究目标是让人工智能真正走进工业现场,既能支撑高水平科研,也能服务工程系统落地。
教育经历
2013/09–2019/06,365上市公司官网,计算机应用技术,博士
2009/09–2012/03,中国民航大学,信号与信息处理,硕士
2005/09–2009/06,西南大学,通信工程,学士
工作经历
2023/10–至今,365上市公司官网,副教授
2020/01–2023/10,365上市公司官网,助理研究员
2012/06–2023/09,民航空中交通管理局湖南分局,助理工程师
科研项目
[1] 国家自然科学基金青年项目,因果驱动的无监督表面缺陷检测算法研究,2023-01至2025-12,主持
[2] 四川省科技厅青年项目,多型号生产模式下无监督工业表面缺陷检测技术研究,2024-01至2025-12,主持
[3] 企业委托-中广核,反应堆水池异物监控系统开发,2025-08至2026-08,主持
[4] 365上市公司官网专职博士后基金,泛在无监督表面缺陷检测技术研究,2023-01至2024-12,主持
[5] 企业委托-中广核,封闭母线清扫检查机器人开发,2021-01至2023-04,主持
[6] 国家自然科学基金重大项目,转录组特殊分子结构抵抗降解规律与体液斑及腐败组织溯源,2023-01至2027-12,参与
[7] 国家重点研发计划课题,高安全装备智能运维服务关键技术研究与支撑软件开发应用,2020-11至2023-10,参与
[8] 国家重点研发计划课题,GIS检修机器人技术研究,2019-06至2022-05,参与
[9] 国家重点研发计划课题,电缆隧道检测机器人技术研究,2019-06至2022-05,参与
[10] 企业委托-兴蓉市政,排水管网检测与病害智能识别关键技术研究及装备研制,2024-04至2026-12,参与
[11] 企业委托-中广核,核电厂自动化装置电路板视觉AI诊断系统,2020-06至2022-05,参与
[12] 企业委托-中广核,核电厂DCS智能防人因装置研发,2022-06至2024-12,参与
[13] 企业委托-中广核,核电厂变压器内部检查机器人研发,2022-06至2024-12,参与
[14] 企业委托-国家电网,面向GIS设备腔体内维护机器人关键技术研究,2019-06至2022-05,参与
发表论文与授权专利
以第一作者/通讯作者发表高水平论文20余篇,研究方向涵盖工业异常检测、零样本视觉异常检测、视觉语言协同、多模态感知、机器人视觉等;授权发明专利多项。
代表性发表:IEEE TII、Pattern Recognition、Computers in Industry、Applied Soft Computing、Neurocomputing、Knowledge-Based Systems、ACM MM、ICRA 等。
展开查看论文与专利列表
[1]                   Y. Z. Zhong, M. Lei, X. K. Zhong, et al. Semantically Guided Counterfactual Model for Multiclass Anomaly Detection[J]. IEEE Transactions on Industrial Informatics, 2026, 22(6):5071-5082.
[2]                   Y. Z. Zhong, B. Guo*, Z. M. Sun, et al. MSDCIR-AD: Unsupervised anomaly detection via Multi-criteria Semantic Distances and Constrained Image Reconstruction[J]. Computers in Industry, 2026, 178:104467.
[3] H. Gao, W. L. Zhao,                   Y. Z. Zhong*, et al. SimpleZ3D: A simple framework for zero-shot 3D industrial anomaly detection[J]. Pattern Recognition, 2026: 114237.
[4] X. K. Zhong,                   Y. Z. Zhong*, Q. Xiao, et al. SewerMan: A vision–language collaborative framework with domain prior for robust multi-label sewer defect classification[J]. Applied Soft Computing, 2026, 190:114583.
[5] B. R. Kang,                   Y. Z. Zhong*, L. Deng, et al. Enhancing unsupervised unified anomaly detection via semi-supervised learning with multi-source uncertainty mining[J]. Neurocomputing, 2026, 660:131824.
[6] Gao H, B. Guo,                   Y. Z. Zhong*, et al. Multi-Source Expert Scoring for zero-shot visual anomaly classification and segmentation[J]. Computer Vision and Image Understanding, 2026: 104794.
[7] H. Gao, B. R. Kang,                   Y. Z. Zhong*, et al. C3aptioner: Improving change captioning by leveraging momentum cross-view and cross-modality contrastive learning[J]. Neural Networks, 2026, 193:107957.
[8]                   Y. Z. Zhong, Y. F. Zou, J. Cheng, et al. Label-Related-Guided Multimodality Long-Tailed Sewer Symbiotic Defect Recognition[J]. IEEE Transactions on instrumentation and measurement, 2025, 74:5036711.
[9] M. N. Wang, X. M. Bai,                   Y. Z. Zhong*, et al. Unsupervised Weak Speech Enhancement Using Periodic Mixing Invariant Training[J]. Circuits, Systems, and Signal Processing, 2025, 44:7680-7701.
[10] Y. L. Jin, R. Y. Ju,                   Y. Z. Zhong*, et al. ORB-SfMLearner: ORB-Guided Self-supervised Visual Odometry with Selective Online Adaptation. ICRA, 2025.
[11] B. R. Kang,                   Y. Z. Zhong*, J. W. Zhang, et al. MSTAD: a Masked Subspace-like Transformer for multi-class Anomaly Detection[J]. Knowledge-Based Systems, 2024, 283:111186.
[12] L. Deng,                   Y. Z. Zhong*, J. W. Zhang, et al. CONICA: A Contrastive Image Captioning Framework with Robust Similarity Learning. ACM MM, 2023.
[13] N. X. Zhang,                   Y. Z. Zhong*, S. Y. Dian. Rethinking unsupervised texture defect detection using PCA[J]. Optics and Lasers in Engineering, 2023, 163:107470.
[14] S. Y. Dian, X. K. Zhong,                   Y. Z. Zhong*. Faster R-Transformer: An efficient method for insulator detection in complex aerial environments[J]. Measurement, 2022: 111238.
[15] L. Deng,                   Y. Z. Zhong*, M. N. Wang, et al. Scale-adaptive Deep Model for Bacterial Raman Spectra Identification[J]. IEEE Journal of Biomedical and Health Informatics, 2021, 26(1):369-378.
[16]                   Y. Z. Zhong, J. W. Zhang, M. N. Wang*, et al. Robust multi-lane detection method based on semantic discrimination[J]. IET Intelligent Transport Systems, 2020, 14(9):1142-1152.
[17] S. Y. Dian, Y. J. Yin, C. Wu,                   Y. Z. Zhong*, et al. Loop closure detection based on local-global similarity measurement strategies[J]. Journal of Electronic Imaging, 2022, 31(2):023004.
[18] H. Zhang, T. Zhao,                   Y. Z. Zhong*, et al. An Efficient Loop Closure Detection Method Based on Spatially Constrained Feature Matching[J]. Intelligent Service Robotic, 2022:1-17.
[19] 佃松宜, 黄儆进,                   钟羽中*, et al. TCS-Net:一种核电安全壳细小裂缝分割网络[J]. 工程科学与技术, 2022, 54(5):249-256.
[20] 王茂宁, 李钟麒,                   钟羽中*, et al. 基于分布式光纤传感系统的车辆轨迹提取方法[J]. 工程科学与技术, 2021, 53(2):141-150.
[21]                   钟羽中,钟许可,佃松宜. 复杂空间环境下的绝缘子高效检测系统[P]. 中国专利,2024-03-08,ZL 202111169895.8.
[22]                   钟羽中,邓霖,王茂宁,et al. 融合跨视角跨模态双重动量对比学习的变化描述系统及方法[P]. 中国专利,2025-11-11,ZL 202411887871.X.
[23]                   钟羽中,张建伟,王茂宁,et al. 一种复杂交通环境中的车道线检测和语义识别的方法[P]. 中国专利,2021-05-04,ZL 201910213807.6.
[24]                   钟羽中,邓霖,王茂宁,et al. 一种尺度自适应的微生物拉曼光谱检测方法及系统[P]. 中国专利,2021-12-17,ZL 202110185305.4.
[25]                   钟羽中,张乃雪,朱磊,et al. 基于无监督学习的缺陷检测系统及方法[P]. 中国专利,2023-05-12,ZL 2021 1 1169895.8.
[26]                   钟羽中,赵涛,胡博,et al. 一种基于空间关系特征匹配的闭环检测方法及系统[P]. 中国专利,2021-11-09,ZL 2021 1 1318945.4.
硕士研究生招生
课题组长期关注一个朴素但重要的问题:如何让机器像靠谱工程师一样,发现问题、判断问题、解释问题,并最终解决问题。
听起来很高大上,落到日常其实就是:看图、写代码、调模型、做实验、改论文、跑项目,以及和 bug 深情对视。
如果你对人工智能、机器视觉、工业检测、机器人感知、异常检测等方向感兴趣,也愿意踏踏实实把事情做好,欢迎继续往下看。
课题组主要研究方向
1. 工业视觉异常检测
面向工业制造、核电安全、电力设备、市政管网等场景,研究缺陷检测、异常识别、无监督/弱监督异常检测、零样本异常检测等方法。简单说,就是让模型在“没有见过所有坏样本”的情况下,也能尽量发现“不对劲”。
2. 智能检测装备与系统
我们不只做算法,也关注算法如何真正落地到设备、系统和现场应用中。研究内容包括图像采集、检测算法、边缘部署、工程系统集成等。简单说,就是论文要能写,系统也要能跑。
3. 机器视觉与多模态感知
围绕视觉识别、视觉语言模型、机器人感知等问题,探索视觉模型在复杂真实场景中的鲁棒应用。我们希望模型不是只在数据集上“考试成绩好”,而是在真实场景里也能“抗揍”。
欢迎这样的同学
认真踏实:事情有回应,进展有反馈。
肯干负责:愿意写代码、做实验、读论文。
好奇心强:愿意追问“为什么”和“还能不能更好”。
积极主动:不等着被推着走,愿意自己往前走。
基础可以慢慢补,态度一定要在线。不怕你现在不会,就怕你一直不问、不学、不动。
不太适合的情况
只想轻松毕业
不喜欢写代码和做实验
遇到问题长期失联
导师不催就不动
我们不追求“卷王”,但希望大家靠谱。
电话:028-85405614
传真:028-85405614   邮编:610065
地址:365上市公司官网望江校区基础教学大楼 A座二楼
Copyright©365上市公司(英国)集团-官方网站
2017-2020 All Right Reserved
蜀ICP备05006382号