根据人工智能发展趋势和国家、行业技术需求，结合我校的人工智能研究基础和特色，主要突破三个方向的技术：

一、机器学习与纺织工业大数据技术

研究方向一：机器学习与纺织工业大数据技术

突破工业大数据融合、基于机器学习的工业大数据分析与大数据智能化服务平台等共性技术，从纺织工业应用领域不同种类的数据中提炼大数据智能，实现生产提质增效降本，具体包括：制定纺织装备互联互通与互操作国家标准，突破高维度、多冗余、高噪声数据处理技术，实现数据的采集与治理；攻克纺织品智能设计、生产调度等机器学习算法，为纺织工业大数据分析提供人工智能工具；研发流/批一体数据处理技术，建立人工智能算法微服务组件库，为纺织工业大数据分析提供软件系统。

二、自主智能系统与柔性作业机器人技术

研究面向纺织柔性体的机器人智能控制技术，群体智能运行技术与系统自主运维技术，构建纺织自主智能系统，满足纺织“十四五”规划对于少人化、高效率的要求，具体包括：突破基于深度学习的机器人柔顺控制技术，攻克动态环境下机器人路径智能规划技术，研制碳纤维曲面构件成型机器人；研发复杂空间多机器人协同调度、机器人运行指令交互技术，实现机器人集群的智能联动协同运行；研发基于深度学习的故障诊断算法，设计云边融合的纺织智能系统运维软件，实现纺织工业自主智能系统的稳定运行。

研究方向二：自主智能系统与柔性作业机器人技术

三、 机器视觉与纺织品智能检测技术

突破高精度视觉检测技术，研制轻量化高效检测系统，建立纺织智能检测技术标准，解决织物质量重复检测行业痛点，具体包括：攻克不平衡数据下的图像对抗生成方法，研发多缺陷耦合的视觉特征分离检测技术，为纺织品质量检测提供人工智能算法；研发高实时边缘检测技术，攻克检测算法的联邦学习机制，满足在线检测场景对于算法实时性的要求；规范测试数据管理、检测效果评测依据、算法的自优化训练过程等关键环节，有效减少重复检测。

 研究方向三：机器视觉与纺织品智能检测技术