吴頔科研团队依托上海市III类高峰学科平台，长期聚焦先进焊接过程原位监测与智能控制方向开展系统性创新研究，融合激光物理、图像/信号处理及机器学习等多学科交叉技术，创新“AI+先进激光制造”领域的“在线检测+能量精细优化”全新技术，突破了传统模式检测精度低、实时性差等局限，实现了“工艺开发-过程监测-质量管控”智能控制系统应用产业化。

1. 国家自然科学青年基金，基于视听觉多特征解析的VPPAW穿孔熔池动态行为机理与熔透定量评价研究，2020.01-2022.12，20万，结题，主持；

2. 上海市闵行区大零号湾关键核心技术攻关“揭榜挂帅”项目，基于多源传感的激光焊接过程监测与管控系统，2024.05-2025.12，450万，在研，主持；

3. 上海市“科技创新行动计划”自然科学基金，基于光-声多模态原位监测的点环激光焊匙孔行为表征及质量定量评价，2024.10-2027.09，20万，在研，主持；

4. 上海市“创新行动计划”青年科技英才扬帆计划，薄壁铝合金激光自熔焊熔池动态行为的智能融合和定量表征，2020.01-2023.12，20万，结题，主持；

5. 上海市教委人工智能促进科研范式改革赋能学科跃升计划专项，基于“多源感知+工艺机理”AI 双驱动新范式的激光焊接质量优化控制研究，2024.12-2025.12，20万，在研，主持.

6. 中国博士后科学基金（站中）特别资助, 铝合金脉冲激光摆动焊接的能量时空耦合机理和匙孔稳定效应研究, 2022.06-2023.12, 18万元, 结题, 主持;

7. 中国博士后科学面上基金,基于焊工视听融合的铝合金等离子弧焊过程原位监测及质量智能诊断, 2021-07 至 2023-06, 8万元, 结题, 主持.

1. 国家自然科学青年基金，“基于视听觉多特征解析的VPPAW穿孔熔池动态行为机理与熔透定量评价研究”（51905333），2020.01-2022.12 ，20万，负责，结题；

2. 上海市2024 年度“科技创新行动计划”自然科学基金，基于光- 声多模态原位监测的点环激光焊匙孔行为表征及质量定量评价（24ZR1427100），2024.10-2027.09，20万，负责，在研；

3. 上海市闵行区大零号湾关键核心技术攻关“揭榜挂帅”项目，基于多源传感的激光焊接过程监测与管控系统，2024.05-2025.12,450万，负责，在研；

4. 上海市AI促进科研范式改革赋能学科跃升计划专项，基于“多源感知+工艺机理”AI双驱动新范式的激光焊接质量优化控制研究，2024.12-2025.12,20万，负责，在研；
   

5. 上海市“创新行动计划”青年科技英才扬帆计划，薄壁铝合金激光自熔焊熔池动态行为的智能融合和定量表征（19YF1418100），2019.01-2022.12，20万，负责，结题；

6. 中国博士后科学基金（站中）特别资助，铝合金脉冲激光摆动焊接的能量时空耦合机理和匙孔稳定效应研究（2022T150400），2022.06-2024.05,16万，负责，结题；

7. 中国博士后科学面上基金，基于焊工视听融合的铝合金等离子弧焊过程原位监测及质量智能诊断（2021M692039），2021.06-2023.05，负责，结题；

1. Wu, D.*, Zhang, P., Shi, et al. (2025). Advancements and prospects of OCT-enabled all-process monitoring and inline quality assurance in laser keyhole welding: A critical review. Journal of Manufacturing Processes, 152, 1179-1203.

2. Zeng, D., Wu, D.*, Zhang, P., et . (2025). Shedding light on correlation mechanism between the keyhole/melt pool behaviors and photoelectric radiation information during laser welding process. Optics & Laser Technology, 192, 113465.

3. Zeng, D., Wu, D.*, Huang, H., et al. (2025). Online identification of laser welding penetration through multi-photoelectric decomposition-reconstruction and shifted-windows-based transformer deep learning framework. Measurement, 247, 116872.

4. He, D., Yuan, J., Tang, D., Wu, D.*, et al. (2025). Defect intelligent detection for pipeline girth welds based on improved YOLOv5 model. Nondestructive Testing and Evaluation, 1-30.

5. Zeng, D., Wu, D.*, Luo, Z., et al. (2024). A performance comparison of deep learning and shallow machine learning in acoustic emission monitoring of aluminium alloy pulsed laser welding. Soft Computing, 28(17), 10263-10279.

6. Liu, Q., Wu, D.*, Wang, Q., et al. (2023). Influencing mechanism of high speed on the droplet transfer and process stability during high-power laser-arc hybrid welding. The International Journal of Advanced Manufacturing Technology, 128(9), 4427-4442.

7. Liu, Q., Wu, D.*, Wang, Q., et al. (2024). Progress and perspectives of joints defects of laser-arc hybrid welding: A review. The International Journal of Advanced Manufacturing Technology, 130(1), 111-146.

8. Wu, D.*, Chen, H., Huang, Y., et al. (2018). Online monitoring and model-free adaptive control of weld penetration in VPPAW based on extreme learning machine. IEEE Transactions on Industrial Informatics, 15(5), 2732-2740.

9. Wu, D.*, Zhang, P., Yu, Z., et al. (2022). Progress and perspectives of in-situ optical monitoring in laser beam welding: Sensing, characterization and modeling. Journal of Manufacturing Processes, 75, 767-791.

10. Liu, S., Wu, D.*, Luo, Z., Zhang, P., Ye, X., & Yu, Z. (2022). Measurement of pulsed laser welding penetration based on keyhole dynamics and deep learning approach. Measurement, 111579.

11. Wu, D.*, Huang, Y., Chen, H., et al. (2017). VPPAW penetration monitoring based on fusion of visual and acoustic signals using t-SNE and DBN model. Materials & Design, 123, 1-14.

12. Wu, D.*, Chen, J., Liu, H., et al. (2019). Weld penetration in situ prediction from keyhole dynamic behavior under time-varying VPPAW pools via the OS-ELM model. The International Journal of Advanced Manufacturing Technology, 104(9), 3929-3941.

13. Wu, D.*, Huang, Y., Zhang, P., et al. (2020). Visual-acoustic penetration recognition in variable polarity plasma arc welding process using hybrid deep learning approach. IEEE Access, 8, 120417-120428.

14. Wu, D.*, Hu, M., Huang, Y., et al. (2021). In situ monitoring and penetration prediction of plasma arc welding based on welder intelligence-enhanced deep random forest fusion. Journal of Manufacturing Processes, 66, 153-165.
    

15. Wen, X., Wu, D.*, Zhang, P., et al. (2021). Influence mechanism of the keyhole behavior on penetration depth by in-situ monitoring in pulsed laser welding of aluminum alloy. Optik, 246, 167812.

16. Wu, D.*, Chen, H., Huang, Y., et al. (2017). Monitoring of weld joint penetration during variable polarity plasma arc welding based on the keyhole characteristics and PSO-ANFIS. Journal of Materials Processing Technology, 239, 113-124.

17. 任元昊，吴頔*，等. 高反合金激光深熔焊熔深监测的OCT算法优化研究，中国激光，2025(12).

18. 杨方毅，吴頔*，等. 基于梯度提升回归树的光纤与半导体复合激光焊成形质量预测及优化，应用激光，2025(2).

19. 黄宏星，吴頔*，等. 基于OCT 原位测量的可调环模激光焊飞溅定量评价，焊接学报，2024(11).

20. 曾达，吴頔*，等. 基于光电同轴传感的极耳激光焊虚焊实时检测，焊接学报，2024(11).

21. 董金枋，吴頔*，等. 可调环模激光焊接飞溅抑制机理及工艺优化研究，中国激光，2024(6).

22. 罗钟毅，吴頔*，等. 基于声波时频特性和深度学习的铝合金脉冲激光焊接 熔透定量评估，中国激光，2024(4).

专利著作：
[1] 张培磊; 魏艳茹; 吴頔, 等; 一种超高硬度激光熔覆复合涂层材料及其制备方法，2021-04-30至2039-04-01, 中国，CN201910257153.7.  

[2] 刘思凯, 吴頔; 罗钟毅, 等; 基于穿孔熔池图像和深度学习的VPPAW熔透原位实时监测系统，2021-08-02, 中国，CN202110878672.2.  
[3] 张华军; 兰虎; 于治水; 吴頔, 等;一种大型起重机箱梁焊接制造的变形数字孪生优化方法，2022-03-18至2040-10-19, 中国，CN202011116988.X.  
[4] 张培磊; 谈杰; 吴頔; 一种用于T型接头激光焊接夹具，2020-1-24至2030-1-24, 中国，CN209986398U.

2022-07 2019 年度“上海市青年科技英才扬帆计划” 上海市科学技术委员会

2024-11 江苏省高层次人才培养计划（“333 工程”）第七期第三层次培养对象 江苏省工业和信息化厅

2025-07 2025 年“江海英才”市级引进专项（产业类）资助对象 中共南通市委人才工作领导小组

2023-10 第二届全国创新创业优秀博士后 人力资源和社会保障部，全国博士后管理委员会

2023-10 第二届全国博士后创新创业大赛揭榜领题赛铜奖 人力资源和社会保障部，全国博士后管理委员会

2025-11 上海工程技术大学青年教师教学竞赛三等奖

2022-10 全国“挑战杯”大学生创业计划竞赛校级金奖（优秀指导老师）；

中国机械工程学会焊接学会机器人与自动化专业委员会委员；
上海市焊接学会委员；
中国机械工程学会焊接分会第六届青年委员；
中国科技核心期刊《电焊机》编委；
焊接杂志社青年编委会委员；
Transactions on Intelligent Welding Manufacturing (TIWM)期刊编委