基本信息
姓名：程丹芃（Danpeng Cheng） | 职称：讲师；导师类别：硕士生导师 |
所属学院：开云kaiyun体育官方网站 | 招生专业：计算机科学与技术 |
电子邮箱：2025050@wtu.edu.cn | 研究方向：多模态人工智能、计算机视觉、AI＋纺织 |
个人简介
程丹芃，博士，讲师，硕士生导师，现任武汉纺织大学开云kaiyun体育官方网站教师。2019年获美国罗切斯特大学电气工程硕士学位，2025年6月获华中科技大学博士学位，2025年9月入职武汉纺织大学。主要从事人工智能、计算机视觉、多模态大模型与智能制造交叉研究，重点探索多模态智能方法在针织物花型生成、针织物智能打版、纺织工艺数字化等方面的应用。
前期研究涵盖深度学习图像分割、材料表征图像智能分析、图神经网络与多模态学习，在 Science China Information Sciences、Journal of Energy Storage、Electrochimica Acta、Advanced Intelligent Systems 等期刊发表相关成果。现围绕“AI＋纺织”方向，开展针织物花型的多模态理解与生成、结构化表示、工艺约束优化及智能打版技术研究，探索与实际工厂制版和织造验证相结合的方法。
主要研究方向
1．多模态人工智能与智能生成
研究图像、文本等多模态信息融合与可控生成方法，面向纺织图案、针织物花型和组织纹理等开展智能生成研究。
2．AI＋纺织：针织物智能打版与工艺数字化
聚焦针织物花型的结构化表示、动作编译、工艺约束优化与可编辑打版，探索设计意图到辅助制版结果的有效转换；不以成套服装设计为研究定位。
3．计算机视觉与智能检测
研究图像分割、缺陷检测、结构识别及视觉质量评价，面向纺织工业图像和材料表征等场景探索应用。
4．工业人工智能与智能制造
结合多模态学习、结构化知识与优化算法，研究工业设计与工艺流程中的智能化辅助决策和人机协同。
科研工作与特色
在针织物花型与智能打版方面，已开展设计需求到层次化结构计划、针织动作色码图及局部编辑的研究，构建辅助制版原型；已有代表性花型经工厂CAD制版转换后完成实物织造验证。研究重点为设计语义、可编辑动作结构和真实制造条件之间的衔接，强调算法约束检查与实物验证相结合。
在纺织产业应用方面，开展面向经编蕾丝花边等纺织组织与工艺的智能化技术探索，探索人工智能技术与纺织企业实际设计流程融合。相关针织花型课题属于正在推进的研究，不将拟发表论文或拟申请知识产权表述为已完成成果。
代表性学术论文
1. Cheng D., et al. Quantitative analysis of ultrasonic images for large-size blade lithium-ion batteries based on Unet-like transformer neural network. Journal of Energy Storage, 2026, 170: 122728. DOI: 10.1016/j.est.2026.122728.
2. Cheng D., et al. ACGNet: An interpretable attention crystal graph neural network for accurate oxidation potential prediction. Electrochimica Acta, 2024, 473: 143459. DOI: 10.1016/j.electacta.2023.143459.
3. Cheng D., et al. AtomGAN: Unsupervised Deep Learning for Fast and Accurate Defect Detection of 2D Materials at the Atomic Scale. Science China Information Sciences, 2023, 66(6): 160410.
4. Cheng D., et al. Computer Vision Analysis on Material Characterization Images. Advanced Intelligent Systems, 2022, 4(3): 2100158. DOI: 10.1002/aisy.202100158.
5. Cheng D., Sha W., Guo Y., Tang S., Zhong J., Du J., Tian J., Cao Y.-C. A real-time deep learning model to narrow the gap between atomic scanning transmission electron microscopy and theory calculations: Recognition, reconstruction, and simulation. MRS Bulletin, 2025, 50(2): 101–114. DOI: 10.1557/s43577-024-00814-6. （第一作者）
6. Cheng D., et al. Solid-State Lithium Battery Cycle Life Prediction Using Machine Learning. Applied Sciences, 2021, 11(10): 4671. DOI: 10.3390/app11104671.
7. Cheng D., et al. BatteryGPT: Battery Anomaly Detection Based on Multimodal Large Language Model. 2024 5th International Conference on Power Engineering (ICPE), IEEE, 2024.
代表性授权发明专利
1．用于材料表征图像分析的视觉模型及其分析方法。中国授权发明专利，CN113177574B，申请号 202110305450.1，授权公告日 2022年8月16日。发明人之一：程丹芃。
2．基于深度学习的材料显微图像缺陷识别方法、设备及装置。中国授权发明专利，CN112862811B，申请号 202110259892.7，授权公告日 2023年6月13日。发明人之一：程丹芃。
招生方向与学生培养
面向计算机科学与技术、人工智能及相关专业研究生，欢迎对多模态大模型、AIGC、计算机视觉、图像生成、针织物智能打版、纺织智能制造及工业AI应用感兴趣的同学联系。研究注重算法创新、工程实践与校企协同，鼓励从真实场景出发开展可复现研究、软件系统开发及论文撰写。